Overcoming Representation Bias in Fairness-Aware data Repair using Optimal Transport
この論文は、ベイズ非パラメトリックな停止則を用いて表現バイアスを克服し、アーカイブデータにも適用可能な公平性意識のデータ修復手法を提案するとともに、公平性とデータ変換による損失のトレードオフを定量化する新しい枠組みを構築したことを示しています。
🤖 Category
cs.LG
2316 件の論文
Unsupervised Representation Learning from Sparse Transformation Analysis
この論文は、潜在変数の変換を回転場とポテンシャル場に分解し、そのスパースな活性化を推論することで、独立した変換プリミティブに基づく新しい形の解離表現を学習する教師なしモデルを提案し、シーケンス変換データにおいてデータ尤度と近似等変性の両面で最先端の性能を達成することを示しています。
Learning responsibility allocations for multi-agent interactions: A differentiable optimization approach with control barrier functions
この論文は、制御バリア関数と微分可能最適化を用いたデータ駆動型アプローチを提案し、自律走行や配送などのマルチエージェント相互作用において、他者の安全を確保するためにエージェントが自身の制御をどの程度調整するか（責任配分）を学習・定量化する手法を提示しています。
Calabi-Yau metrics through Grassmannian learning and Donaldson's algorithm
この論文は、グラスマン多様体上の勾配降下法を用いて効率的な断面部分空間を特定し、ドナルドソンのアルゴリズムと組み合わせることで、カラビ・ヤウ多様体のリッチ平坦な計量を近似する新しい機械学習アプローチを提案し、ドワーフ族の三多様体におけるモジュライ空間での挙動や局所最小値の出現を実証しています。
Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
この論文は、有限分散の重尾ノイズ、ε-汚染、およびα-混合依存性を伴う高次元スパース回帰問題に対し、適応的インポートランスサンプリングと層別サンプリングという 2 つの手法を提案し、理論的な最適性を証明するとともに、デバイアス処理による信頼区間の構築や実データでの有効性を示したものである。
Scalable Message Passing Neural Networks: No Need for Attention in Large Graph Representation Learning
この論文は、アテンション機構を標準的な畳み込みメッセージパッシングに置き換え、プリレイヤー正規化トランスフォーマースタイルのブロックに統合することで、大規模グラフ表現学習において既存のグラフトランスフォーマーと競合する性能を達成しつつ、オーバースムーシングの問題を克服して深層学習を可能にする「スケーラブルなメッセージパッシングニューラルネットワーク（SMPNN）」を提案し、その理論的根拠を普遍近似の観点から示したものである。
SPDIM: Source-Free Unsupervised Conditional and Label Shift Adaptation in EEG
この論文は、ラベル分布のシフトを含む EEG のドメイン適応問題に対し、情報最大化の原理に基づきターゲットドメインごとに SPD 多様体上の単一パラメータを最適化する効率的な手法「SPDIM」を提案し、既存の手法を上回る性能を実証したものである。
Prognostics for Autonomous Deep-Space Habitat Health Management under Multiple Unknown Failure Modes
この論文は、ラベル付けされていない故障データから潜在的な故障モードを同定し、センサーを選択する非教師あり予知フレームワークを提案し、深宇宙居住区の安全な自律運用における残存有用寿命（RUL）予測の精度向上を実現するものである。
Morphological-Symmetry-Equivariant Heterogeneous Graph Neural Network for Robotic Dynamics Learning
本論文は、ロボットの運動構造と形態的対称性を単一のグラフネットワークに統合し、高い汎用性と効率性を実現する「MS-HGNN」と呼ばれる新しい異種グラフニューラルネットワークを提案し、その対称性等変性を実証的に検証したものである。
CuriousBot: Interactive Mobile Exploration via Actionable 3D Relational Object Graph
この論文は、従来の能動知覚に依存する移動ロボット探索の限界を克服し、多様な物体間関係を符号化する「3D 関係オブジェクトグラフ」を導入することで、大規模かつ複雑な環境下での能動的な物体操作を伴う探索を可能にするシステムを提案し、その有効性と汎用性を検証したものである。
Molecular Fingerprints Are Strong Models for Peptide Function Prediction
この論文は、複雑な長距離相互作用のモデル化が不要であり、単純で解釈性の高い局所的な分子フィンガープリントとLightGBMの組み合わせが、ペプチド機能予測においてグラフニューラルネットワークやトランスフォーマーベースの手法を上回る性能を発揮することを、132のデータセットを用いた大規模な検証を通じて実証しています。
Astromer 2
本論文では、MACHO 調査の 150 万の光曲線を用いて自己教師あり学習で事前学習された新しい基礎モデル「Astromer 2」を提案し、その埋め込み表現が先行モデルや既存モデルを大幅に凌駕し、特に少量のラベル付きデータでも高い分類性能を発揮することを示しています。
When Machine Learning Gets Personal: Evaluating Prediction and Explanation
医療などの高リスク分野において、個人化が予測精度と説明性の両方に与える影響を統一的に定量化する枠組みを提案し、個人化の効果が統計的に検出可能かどうかを決定づけるデータセットの特性や限界を実証的に明らかにしています。
On the Impact of the Utility in Semivalue-based Data Valuation
この論文は、セミバリューに基づくデータバリュエーションの有用性選択への依存性を解決するため、データポイントを低次元空間に埋め込む「空間的署名」の概念を導入し、有用性の変化に対する結果の堅牢性を定量化する実用的な手法を提案しています。
A Distributional Treatment of Real2Sim2Real for Object-Centric Agent Adaptation in Vision-Driven Deformable Linear Object Manipulation
この論文は、視覚と固有受容感覚に基づいて可変性線形物体（DLO）の物理パラメータの事後分布を推定し、これをドメインランダム化に活用することで、シミュレーションで学習した制御ポリシーを微調整なしで実世界にゼロショット展開可能にする統合フレームワークを提案しています。
Improving clustering quality evaluation in noisy Gaussian mixtures
この論文は、特徴量の分散に基づいて寄与を調整する「特徴量重要度再スケーリング（FIR）」という手法を提案し、ノイズや無関係な特徴量が多い高次元データにおけるクラスタリングの妥当性指標の信頼性と地正解との相関を向上させることを示しています。
Functional Unit: A New Perspective on Materials Science Research Paradigms
本論文は、従来の「構造 - 物性」相関の理解と知識継承のギャップを埋めるため、材料科学のデータ駆動型 AI パラダイムへの移行において「機能単位（Functional Units）」の概念を導入し、その多様な材料系における進展と AI 統合の展望を論じています。
HyConEx: Hypernetwork classifier with counterfactual explanations for tabular data
この論文では、表形式データ向けに設計されたハイパーネットワークベースの分類モデル「HyConEx」を提案し、予測結果と並行して決定根拠を説明する対照的説明（counterfactual explanations）を生成する、予測と説明を統合した画期的な深層学習モデルを紹介しています。
Experiments with Optimal Model Trees
本論文は、混合整数線形計画法を用いて分類および回帰タスクにおける線形サポートベクターマシンを葉ノードに持つモデルツリーを最適に学習する手法を提案し、貪欲法や他の機械学習モデルとの比較を通じて、極めて小規模な木構造で高い精度を達成できることを実証している。
A Consequentialist Critique of Binary Classification Evaluation: Theory, Practice, and Tools
この論文は、機械学習のバイナリ分類評価における決定論的視点の重要性を説き、適切なスコアリング則（ブライアースコアなど）の活用を提唱するとともに、実務との乖離を埋めるための理論的枠組み、クリップド・ブライアースコアの導出、および実用的な Python パッケージ「briertools」の提供を通じて、臨床的有用性を含む評価手法の改善を提案しています。