DT-BEHRT: Disease Trajectory-aware Transformer for Interpretable Patient Representation Learning
本論文は、電子カルテの医療コードが持つ多様な役割を考慮し、臓器システム内の診断中心の相互作用と非同期な進行パターンを明示的にモデル化する「DT-BEHRT」というグラフ強化型トランスフォーマーを提案し、高い予測性能と臨床医の推論に合致する解釈可能な患者表現の実現を達成したことを報告しています。
🤖 Category
cs.LG
2316 件の論文
Stability and Robustness via Regularization: Bandit Inference via Regularized Stochastic Mirror Descent
この論文は、正則化された確率的ミラー降下法に基づくバンドットアルゴリズムの安定性を体系的に理論化し、適応的サンプリング下での統計的推論の妥当性と学習効率の両立、さらなる汚染耐性の確立を可能にする新たな枠組みを提示しています。
ARCHE: Autoregressive Residual Compression with Hyperprior and Excitation
本論文は、再帰的またはトランスフォーマー構造に依存せず、階層的・空間的・チャネルベースの事前分布と適応的特徴再較正を統合した効率的な畳み込み設計により、VVC 内符号化を凌駕する高効率な画像圧縮を実現するエンドツーエンド学習フレームワーク「ARCHE」を提案するものである。
Adaptive Activation Cancellation for Hallucination Mitigation in Large Language Models
この論文は、大規模言語モデルの幻覚を信号処理の適応ノイズキャンセレーションに例え、推論時に特定の神経活性化をリアルタイムで抑制する「適応的活性化キャンセル（AAC）」という手法を提案し、事実性の向上を達成しながらもモデルの汎用能力や流暢さを一切損なわないことを示しています。
Actor-Accelerated Policy Dual Averaging for Reinforcement Learning in Continuous Action Spaces
本論文は、連続行動空間における強化学習において、最適化サブ問題の近似解を学習したポリシーネットワークで高速化する「Actor-Accelerated PDA」を提案し、理論的な収束保証を維持しながら PPO などの既存手法を上回る性能を実現することを示しています。
Hybrid Hidden Markov Model for Modeling Equity Excess Growth Rate Dynamics: A Discrete-State Approach with Jump-Diffusion
この論文は、連続的な超過成長率をラプラス分位で定義された離散状態に変換し、ポアソン駆動のジャンプ持続メカニズムを組み込んだハイブリッド隠れマルコフモデルを提案することで、現実の市場データが持つ重尾分布、ボラティリティ・クラスタリング、および線形自己相関の欠如を同時に再現する合成金融時系列生成手法を開発したことを述べています。
Flexible Cutoff Learning: Optimizing Machine Learning Potentials After Training
この論文は、学習後に各原子ごとのカットオフ半径を最適化することで、精度と計算コストのバランスを用途に合わせて調整可能にする新しい機械学習ポテンシャル手法「Flexible Cutoff Learning（FCL）」を提案し、分子結晶のサブセットにおいて再学習なしで計算コストを 60% 以上削減しながら力誤差を 1% 未満に抑えることを実証しています。
FusionNet: a frame interpolation network for 4D heart models
本論文は、短時間での CMR 画像から高時間分解能の 4 次元心臓運動を推定し、既存手法よりも高精度な形状回復（Dice 係数 0.897 超）を実現するニューラルネットワーク「FusionNet」を提案するものである。
SDSR: A Spectral Divide-and-Conquer Approach for Species Tree Reconstruction
本論文は、種間遺伝子不整合や大規模データ処理の課題に対処するため、スペクトルグラフ理論に基づく階層的分割統治法「SDSR」を提案し、理論的な回復保証と、CA-ML や ASTRAL などの既存手法と組み合わせることで、精度を維持しつつ最大 10 倍の高速化を実現することを示しています。
A Diffusion Analysis of Policy Gradient for Stochastic Bandits
本論文は、確率的バンディット問題における方策勾配法の連続時間拡散近似を解析し、学習率の条件に応じて対数後悔と線形後悔が分岐することを示しています。
Rethinking the Harmonic Loss via Non-Euclidean Distance Layers
この論文は、従来のクロスエントロピー損失の課題を克服するため、視覚モデルや大規模言語モデルにおいて多様な距離指標（特にコサイン距離）を用いた拡張ハーモニック損失を体系的に評価し、精度、解釈性、持続可能性の観点からその有効性を示したものです。
A Trust-Region Interior-Point Stochastic Sequential Quadratic Programming Method
本論文は、確率的な目的関数と決定論的な非線形制約条件を持つ最適化問題に対して、適応的な精度条件を満たす確率的オラクルと内点法を組み合わせた新しい「TR-IP-SSQP」手法を提案し、その第一-order 停留点への大域的な収束性を理論的に証明するとともに、CUTEst テストセットやロジスティック回帰問題への適用を通じて実用性を示したものである。
Why Does It Look There? Structured Explanations for Image Classification
この論文は、既存の XAI 手法から抽出したプロトタイプを用いて訓練過程の進展を定量化し、モデルの判断根拠を構造化された形で説明すると同時に、不確実なプロトタイプを特定してターゲットとした摂動を加えることでモデルの精度向上を実現するフレームワーク「I2X」を提案しています。
One Adapter for All: Towards Unified Representation in Step-Imbalanced Class-Incremental Learning
本論文は、タスクごとのクラス数が大きく変動する「ステップ不均衡」なクラスインクリメンタル学習の課題に対し、大規模タスクの支配的なサブスペースを維持しつつ小規模タスクの不安定な更新を抑制する非対称な部分空間アライメントと方向性ゲート機構を採用し、単一のアダプタで効率的かつ安定した学習を実現する「One-A」フレームワークを提案するものである。
Intrinsic Numerical Robustness and Fault Tolerance in a Neuromorphic Algorithm for Scientific Computing
この論文は、偏微分方程式を解くためのスパイク型ニューロモルフィックアルゴリズムが、最大 32% のニューロン欠損や 90% のスパイク欠落に対しても精度を維持する構造的な頑健性と耐故障性を有し、その耐性が構造的ハイパーパラメータによって調整可能であることを実証しています。
SiMPO: Measure Matching for Online Diffusion Reinforcement Learning
本論文は、拡散モデルを用いた強化学習において、負のサンプルからのフィードバックを有効活用し過剰な貪欲性を抑制するため、符号付き測度を用いたマッチングと任意の単調増加重み付け関数を一般化した新しいフレームワーク「SiMPO」を提案し、その理論的正当性と実証的な優位性を示すものである。
Bayesian Hierarchical Models and the Maximum Entropy Principle
この論文は、ハイパーパラメータに条件付けた事前分布が最大エントロピー分布（canonical distribution）である場合、ハイパーパラメータを積分して得られるパラメータの周辺事前分布も、未知量の関数の周辺分布に関する異なる制約のもとで最大エントロピー性を満たすことを示し、階層モデルを割り当てる際に仮定されている情報の本質を明らかにするものである。
Improving TabPFN's Synthetic Data Generation by Integrating Causal Structure
本論文は、特徴量の順序に依存する TabPFN の生成プロセスに因果構造（DAG または CPDAG）を統合することで、偽の相関を排除し、合成データの質と因果効果の保存性を向上させる手法を提案し、その有効性を検証したものである。
Discovery of a Hematopoietic Manifold in scGPT Yields a Method for Extracting Performant Algorithms from Biological Foundation Model Internals
この論文は、単細胞基礎モデル「scGPT」の内部機構を解明し、その注意機構から造血系に特化した高性能なコンパクトなアルゴリズムを抽出・実証した世界初の研究であり、既存手法を上回る精度と効率性を達成したことを報告しています。
From Prior to Pro: Efficient Skill Mastery via Distribution Contractive RL Finetuning
この論文は、事前学習された生成ロボット方策をオンラインフィードバックから成功行動を強化する「分布収縮」オペレーターとして機能する強化学習フレームワーク「DICE-RL」を導入し、シミュレーションおよび実ロボットにおいて高次元の画素入力から複雑な長期操作スキルの効率的な習得を実現することを提案しています。