Statistical Contraction for Chance-Constrained Trajectory Optimization of Non-Gaussian Stochastic Systems
この論文は、分布仮定を置かずに、コンフォーマル推論と収縮理論を組み合わせることで、非ガウス確率システムにおける確率制約付き軌道最適化に統計的保証を与える新規手法を提案し、学習ベースの制御器を安全な実世界応用へ導く道筋を示しています。
🤖 Category
cs.LG
7103 件の論文
Deep Generative Spatiotemporal Engression for Probabilistic Forecasting of Epidemics
この論文は、複雑な時空間依存関係と不確実性を扱うために、事前加算ノイズを駆動とした軽量な深生成アーキテクチャを用いた「深生成時空間回帰（Deep Generative Spatiotemporal Engression）」手法を提案し、6 つの疫学データセットにおける評価で、従来の時空間モデルを凌駕する高精度な確率的流行予測と説明可能性を実現したことを報告しています。
Combining Adam and its Inverse Counterpart to Enhance Generalization of Deep Learning Optimizers
この論文は、Adam の逆更新メカニズムを導入した「InvAdam」と、その収束性を補完する「DualAdam」を提案し、理論的解析と画像分類・大規模言語モデルの微調整実験を通じて、Sharp Minima の回避と汎化性能の向上を達成したことを示しています。
Agentic Planning with Reasoning for Image Styling via Offline RL
本論文は、複雑な画像スタイル変換を分解可能なツール列と推論連鎖を用いた構造化されたエージェント計画により解決し、合成データとオフライン強化学習を通じて視覚品質と指示追従性を大幅に向上させるフレームワークを提案するものです。
Spectral Conditioning of Attention Improves Transformer Performance
本論文は、アテンションブロックのヤコビ行列の条件数を削減するために各層のスペクトル特性を体系的に調整する手法を提案し、その有効性を多様なトランスフォーマーアーキテクチャとタスクにおいて実証したものである。
Making LLMs Optimize Multi-Scenario CUDA Kernels Like Experts
本論文は、科学計算を含む多様なシナリオを網羅するベンチマーク「MSKernelBench」を提案し、これに基づいてプロファイリング情報やコンパイル・実行ツールチェーンの自動構築を活用するマルチエージェントシステム「CUDAMaster」を開発することで、既存の自動化手法や cuBLAS などの高度に最適化されたライブラリと競合する性能を実現したことを示しています。
Shaping Parameter Contribution Patterns for Out-of-Distribution Detection
本論文は、深層学習モデルが少数の支配的なパラメータに依存する脆弱性が分布外（OOD）データによる過剰な自信につながるとする洞察に基づき、動的な閾値を用いてパラメータ寄与を調整し、より広範なパラメータに基づく意思決定を促す「SPCP」という手法を提案することで、OOD 検出のロバスト性を向上させることを示しています。
A Dual-Graph Spatiotemporal GNN Surrogate for Nonlinear Response Prediction of Reinforced Concrete Beams under Four-Point Bending
この論文は、四支点曲げを受ける鉄筋コンクリート梁の非線形応答を、節点と要素の両方の時空間情報を双グラフ構造で統合的に学習する GNN サロゲートモデルにより、高コストな有限要素シミュレーションを低コストで高速に近似する手法を提案しています。
wDPO: Winsorized Direct Preference Optimization for Robust LLM Alignment
本論文は、ノイズのタイプに応じてデータレベルおよび勾配レベルで階層的に介入を行う「wDPO（Winsorized Direct Preference Optimization）」を提案し、外部報酬モデルを必要とせずに、ノイズの多い環境下でも大規模言語モデルの整列品質とロバスト性を向上させる手法を提示しています。
Towards Objective Gastrointestinal Auscultation: Automated Segmentation and Annotation of Bowel Sound Patterns
この論文は、ウェアラブル型音響センサー「SonicGuard」を用いて腸音を記録し、エネルギーベースの検出アルゴリズムと事前学習済み Audio Spectrogram Transformer モデルを組み合わせることで、臨床医の作業時間を約 70% 削減しつつ高い精度で腸音の自動セグメンテーションと分類を実現するシステムを提案しています。
Margin in Abstract Spaces
この論文は、線形構造や解析的構造を必要とせず、単に三角不等式と十分なマージン（閾値 または普遍的な定数 以上）があれば任意の距離空間で学習可能であることを示し、さらに無限次元バナッハ空間における学習可能性がマージンに対して多項式スケールで複雑化するという構造的特性を明らかにするものです。
Unlocking Data Value in Finance: A Study on Distillation and Difficulty-Aware Training
この論文は、金融分野の専門用語や数値推論の厳格な要件に対処するため、高品質な推論連鎖（CoT）の蒸留と難易度・検証可能性を考慮したデータ選定を組み合わせることで、同サイズの既存のオープンソース金融 LLM を凌駕する性能を持つモデルを開発し、関連データセットとモデルを公開したことを報告しています。
LightMedSeg: Lightweight 3D Medical Image Segmentation with Learned Spatial Anchors
本論文は、解剖学的事前知識と適応的コンテキストモデリングを統合し、極めて少ないパラメータ数と計算量でトランスフォーマーベースの手法に匹敵する精度を達成する軽量な 3D 医用画像セグメンテーションモデル「LightMedSeg」を提案するものである。
Conditional Rank-Rank Regression via Deep Conditional Transformation Models
この論文は、深層学習に基づく条件付き変換モデルと交差適合法を導入して連続・離散の両方の結果変数に対応する条件付きランク・ランク回帰（CRRR）を拡張し、非線形性や高次相互作用を考慮した世代間移動度のより正確な推定と推論を可能にする手法を提案し、米国所得やインドの教育移動度に関する実証分析を通じてその有効性を示しています。
Retrieval-Augmented Generation for Predicting Cellular Responses to Gene Perturbation
本論文は、遺伝子擾乱に対する細胞応答の予測において、従来の RAG では得られない性能向上を実現するため、細胞状態と入力擾乱の両方に条件付けられた微分可能な 2 段階検索機構を備えた新しいフレームワーク「PT-RAG」を提案し、その有効性を実証したものである。
Rethinking Deep Research from the Perspective of Web Content Distribution Matching
本論文は、検索エンジンと推論プロセスのミスマッチを解消し、検索空間の構造的特性をエージェントの観測空間に統合する「WeDas」フレームワークを提案し、動的な Web 環境におけるサブゴールの達成と精度を向上させることを目的としています。
LF2L: Loss Fusion Horizontal Federated Learning Across Heterogeneous Feature Spaces Using External Datasets Effectively: A Case Study in Second Primary Cancer Prediction
本論文は、台湾の肺がん生存者データと米国 SEER データの統合におけるプライバシーと特徴量の不一致という課題に対し、外部データを活用しつつデータ共有を回避する「損失融合水平フェデレーテッド学習（LF2L）」フレームワークを提案し、二次原発がんの予測精度を大幅に向上させたことを示しています。
Turning Time Series into Algebraic Equations: Symbolic Machine Learning for Interpretable Modeling of Chaotic Time Series
この論文は、カオス時系列データから明示的かつ解釈可能な代数方程式を学習する「記号ニューラルフォレキャスター（SyNF）」と「記号木フォレキャスター（SyTF）」の 2 つの手法を提案し、これらがブラックボックスモデルと同等の予測精度を維持しつつ、背後にある力学の透明性を提供することを示しています。
Adaptive Double-Booking Strategy for Outpatient Scheduling Using Multi-Objective Reinforcement Learning
本論文は、患者の無断欠席予測と多目的強化学習を統合し、適応的なダブルブッキング戦略を提案することで、外来診療の効率化と待ち時間短縮を両立するデータ駆動型のスケジューリング枠組みを構築したものである。
Variational Flow Maps: Make Some Noise for One-Step Conditional Generation
この論文は、条件付き生成や逆問題を単一ステップで解決するため、サンプリング経路の誘導ではなく「適切な初期ノイズ分布を学習する」という新たな視点に基づき、変分フローマップ（VFM）というフレームワークを提案するものです。