10089 件の論文
本論文は、オンライン生鮮食品ショッピングにおける反復的な購入パターンや複雑なアイテム関係といった課題に対処するため、動的シーケンス分割、適応的ポジショナルエンコーディング、カテゴリレベルモデリングという 3 つの革新を導入し、BERT4Rec などの既存手法よりも優れた次回の買い物かご予測を実現するトランスフォーマーベースのモデル「T-REX」を提案するものである。
この論文は、時間的漏洩を防止する因果的なグラフ特徴量抽出プロトコルを提案し、Elliptic データセットを用いた時系列取引ネットワークにおける詐欺検出において、トランザクション属性を補完する解釈可能な構造的指標の有用性と実用性を検証したものです。
機械学習における多項式近似の課題は、ヘヴィサイド関数やシグモイド関数の展開に起因する特異な「不確定性原理」（極小値が鋭いほど谷が滑らかになる性質）によって説明され、これは物理学の観点から従来のフーリエ解析における不確定性原理を拡張する新たな概念である。
本論文は、小規模言語モデルにおけるグラフ特性推論の精度が、モデルの規模だけでなく、近隣構造を保持する入力表現や多分岐推論戦略といった表現方法と推論設計に強く依存することを示しています。
この論文は、スマートホームにおける異常なデバイス状態や行動文脈を検知・対応する能力を評価するための初のデータセット「SmartBench」を提案し、13 の主要な大規模言語モデル（LLM）のテスト結果から、現状の最先端モデルでも異常検知の精度が十分でなく、次世代のスマートホームアシスタントの実用化にはまだ課題が多いことを明らかにしています。
この論文は、大規模言語モデル（LLM）の健康時系列データに対する推論能力を包括的に評価し、その限界を明らかにするための新しいベンチマーク「HEARTS」を提案するものです。
本論文は、誤差逆伝播を用いずに、学習済みのリザーバの動的応答とヘッビアン学習に基づく自己組織化プロトタイプ読み出しを組み合わせた「RECAP」という画像分類手法を提案し、汚染データに曝されなくても MNIST-C における多様なノイズに対して高い頑健性を示すことを実証しています。
本論文は、拡散モデルから不要な概念を削除する剪定ベースの学習忘却手法において、剪定された重みの位置が側面チャネルとして機能し、追加データや再学習なしで削除された概念を完全に復元できる脆弱性があることを発見し、より安全な剪定メカニズムの必要性を提唱しています。
この論文は、テスト時トレーニング（TTT）モデルが持つ文脈圧縮による「針の干し草」タスクでの失敗を解決するため、驚異的なトークンのみを従来の注意機構に動的にルーティングする「SR-TTT」という新しいアーキテクチャを提案し、O(1) メモリ効率を維持しながら完全な文脈記憶を実現することを示しています。
この論文は、量子深層学習（QDL）の定義と分類を確立し、理論からハードウェア実装、応用分野、そして古典的アルゴリズムとの公平な比較までを包括的にレビューするとともに、将来の拡張可能な実装に向けたロードマップを提示する包括的な総説である。
本論文は、分散医療センシング環境における信頼性の低いまたは敵対的な参加者の影響を軽減し、骨治癒段階の解釈精度と訓練の安定性を向上させるために、適応型信頼スコア管理メカニズムを組み込んだ信頼性感知連合学習フレームワークを提案するものである。
本論文は、物理シミュレーションモデルの計算時間を短縮しつつ精度を維持するために、時間系列生成敵対的ネットワーク（TimeGAN）を用いて観測地点を超えた地域におけるハリケーンによる高潮のバイアス補正を行う新しい手法「HURRI-GAN」を提案し、その有効性を示したものです。
本論文は、目的関数によって誘起される多様体の幾何構造を n 次元球で局所的に近似し、学習率を不要とする測地線勾配降下法（GGD）を提案し、全結合ネットワークおよび畳み込みニューラルネットワークにおいて Adam などの既存手法を上回る性能向上を実証しています。
この論文は、VAE による次元削減と GAT を用いた IoT ボットネット検出において、グラフ構築手法（kNN、MNN、SNN、ガブリエルグラフ、ε-半径グラフ）の選択が分類性能に大きな影響を与えることを示し、ガブリエルグラフを用いた場合に 97.56% の最高精度を達成したことを報告しています。
本論文は、現代の AI アプリケーションが求める高効率な検索、高速インデックス作成、低メモリ使用量などの 6 つの要件をすべて満たすため、投影技術とグラフインデックスを統合した新しい近似最近傍検索フレームワーク「PAG」を提案し、HNSW より最大 5 倍高速な検索性能を実現することを示しています。
この論文は、人間の骨格運動の幾何学的・運動学的制約を無視した従来のデータ拡張手法の限界を克服し、それぞれ異なる単一の幾何学的変換で拡張されたデータを用いて専門家のモデルを個別に学習させる「EnsAug」というアノテーション駆動のアンサンブル手法を提案し、手話認識や人間活動認識のタスクにおいて最先端の精度を達成したことを示しています。
本論文は、マルチモーダル LLM による継続的ビデオ QA におけるタスク間干渉と記憶コストの課題を解決するため、メタ学習に基づく正則化や因果的視点からの補助的マルチモーダル監督を活用し、メモリ固定条件下でトークンを動的に生成・制御する「HyperTokens」を提案し、高い精度と低い忘却を実現する手法を報告しています。
本論文は、ERP 財務リスク検出におけるデータリーク問題を解消し、再構築された実験フレームワーク「ERP-RiskBench」とスタッキングアンサンブル学習を用いて、より信頼性の高い検出精度と解釈可能性を実現する手法を提案しています。
この論文は、歴史的な油彩画の断面を分析する際、大気や取得アーティファクトの影響を軽減し、解釈性を向上させるために、重み付きスペクトル角度距離（WSAD）損失関数とパッチベースのモデル化を組み合わせた教師なし CNN オートエンコーダーを提案し、ヴァン・エイク兄弟に帰属する「ゲントの祭壇画」の断面データでその有効性を実証したものである。
この論文は、CMS 実験のトリガー効率向上に向けた粒子運動量推定タスクにおいて、グラフニューラルネットワーク（GNN）が TabNet などの従来モデルより Mean Absolute Error において優れており、ノード特徴量の次元が効率に重要であることを示しています。