Optimizing Locomotor Task Sets in Biological Joint Moment Estimation for Hip Exoskeleton Applications
本論文は、深層学習を用いたヒップ型外骨格の制御における生物学的関節モーメント推定モデルの精度を維持しつつ、データ収集コストを大幅に削減するため、多様な歩行タスクの中から最小かつ代表的なタスクセットを特定する最適化戦略を提案し、その有効性を示したものである。
🤖 Category
cs.LG
11093 件の論文
Finite Sample Bounds for Non-Parametric Regression: Optimal Sample Efficiency and Space Complexity
この論文は、従来のカーネル法が抱える高コストな計算・記憶要件を克服し、有限次元表現に基づくパラメトリック手法により、ノイズのある点評価から滑らかな関数とその導関数を最小最大最適収束率で推定し、かつメモリ効率を大幅に向上させる手法を提案し、その最適性を証明するものである。
GDM4MMIMO: Generative Diffusion Models for Massive MIMO Communications
本論文では、生成拡散モデル（GDM）の概要と最近の研究動向を解説し、近距離場チャネル推定への適用事例を通じて、大規模 MIMO 通信における効率的なチャネル状態情報（CSI）取得への可能性を明らかにするとともに、将来の課題と研究の方向性を示唆しています。
Exploring Embedding Priors in Prompt-Tuning for Improved Interpretability and Control
本論文は、プロンプト・チューニングにおける埋め込みの収束（クラスタリング）が必須ではないことを示し、制御可能な埋め込みの事前分布が重要であり、異なるタスク間での活性化空間のクラスタリング特性がモデルの汎化能力の理解に新たな示唆を与えることを明らかにしています。
From Pixels to Predicates: Learning Symbolic World Models via Pretrained Vision-Language Models
この論文は、事前学習された視覚言語モデル（VLM）を活用して画像から抽象的な記述子（述語）を学習し、これを用いた記号的な世界モデルを構築することで、限られた短いデモンストレーションから未知の環境や目標、そして長期のタスクに対するゼロショットな汎化を実現するロボット制御手法を提案しています。
UFGraphFR: Graph Federation Recommendation System based on User Text description features
本論文は、プライバシーを保護しつつ推薦精度を向上させるため、ユーザーのテキスト記述から得たセマンティック類似性に基づいてグローバルなユーザー関係グラフを再構築し、Transformer と軽量グラフニューラルネットワークを組み合わせた新しい連合推薦フレームワーク「UFGraphFR」を提案するものである。
Efficient Semi-Supervised Adversarial Training via Latent Clustering-Based Data Reduction
この論文は、ラベル付きデータと境界付近の unlabeled データを効率的に選択・生成する潜在クラスタリングベースの手法を提案し、半教師あり敵対的トレーニングのデータ量と計算コストを大幅に削減しながら、高い敵対的堅牢性を維持することを示しています。
The Exploration of Error Bounds in Classification with Noisy Labels
この論文は、ノイズのあるラベルを持つ分類問題において、深層学習フレームワーク内の過剰リスクのエラーバウンドを統計的誤差と近似誤差に分解し、依存プロセスへの対応や低次元多様体仮説の導入を通じて理論的な解析を行うものである。
Strengthening Generative Robot Policies through Predictive World Modeling
この論文は、専門家のデモから生成拡散ポリシーをクローンし、デモとランダムな探索から予測行動条件付き世界モデルを学習し、その世界モデルを用いて将来を予測しながらアクション提案を最適化する「生成予測制御（GPC）」という学習制御フレームワークを提案し、シミュレーションおよび実世界における多様なロボット操作タスクで行動模倣を凌駕する性能を実証したものである。
General Coded Computing in a Probabilistic Straggler Regime
本論文は、確率的なストランガー（遅延サーバー）が発生する環境下において、既存の一般符号化計算手法（BACC および LeTCC）の近似誤差が、サーバー数 に対してゼロに収束することを理論的に証明し、実験によって検証したものである。
GRADIEND: Feature Learning within Neural Networks Exemplified through Biases
この論文は、モデルの勾配を利用して社会的バイアスを特徴とするニューロンに符号化する新しいエンコーダー・デコーダー手法を提案し、モデルの能力を維持したままバイアスを修正・書き換えることを可能にするものである。
Security and Quality in LLM-Generated Code: A Multi-Language, Multi-Model Analysis
この論文は、大規模言語モデル（LLM）が生成するコードのセキュリティと品質を多言語・多モデルで分析し、言語によってセキュリティ対策の効果が異なり、特に最新の言語機能の活用が不十分で古い手法が多用される傾向があることを明らかにし、LLM のセキュリティと品質の向上に向けた改善の必要性を指摘しています。
An Efficient Local Search Approach for Polarized Community Discovery in Signed Networks
本論文は、符号付きネットワークにおける極性コミュニティ発見の問題に対し、サイズ不均衡を回避する新しい最適化目的関数を導入し、中立ノードを含む大規模ネットワークに拡張された効率的な局所探索アルゴリズムを提案し、その線形収束性を証明するとともに、実データおよび合成データを用いた実験で最先端手法を上回る解の質を達成したことを報告するものである。
Controllable Sequence Editing for Biological and Clinical Trajectories
この論文は、生物学的・臨床的時系列データにおいて、介入のタイミングと影響範囲を制御し、他の変数を保持したまま特定の将来時点での条件付き生成や反事実的推論を可能にする新しい手法「CLEF」を提案し、その有効性を複数のデータセットで実証したものです。
Mitigating Unintended Memorization with LoRA in Federated Learning for LLMs
この論文は、大規模言語モデルの連合学習において、LoRA（低ランク適応）を用いることで、学習データの記憶（memorization）を最大 10 倍削減し、性能を大幅に損なうことなくプライバシーを強化できることを示しています。
Active Advantage-Aligned Online Reinforcement Learning with Offline Data
この論文は、オンライン RL とオフライン RL の長所を組み合わせる際に生じる課題を解決するため、方策の進化するニーズに合わせたデータを動的に優先する「自信あり能動利得整合（A3）」サンプリング戦略を採用した新しい手法 A3RL を提案し、その有効性を理論的および実証的に示したものである。
Language in the Flow of Time: Time-Series-Paired Texts Weaved into a Unified Temporal Narrative
この論文は、時系列データと対応するテキストが共有する周期的な性質に着目し、既存の数値専用モデルのアーキテクチャを変更することなくマルチモーダル予測性能を向上させる新たなフレームワーク「Texts as Time Series (TaTS)」を提案しています。
LaVCa: LLM-assisted Visual Cortex Captioning
この論文は、大規模言語モデル（LLM）を用いて脳活動に対応する画像の自然言語キャプションを生成する「LaVCa」という手法を提案し、従来の手法よりも正確かつ詳細に視覚野のボクセル選択性を記述し、脳内表現の微細な機能分化の解明に貢献することを示しています。
Unveiling Downstream Performance Scaling of LLMs: A Clustering-Based Perspective
この論文は、タスクの難易度に基づいてクラスタリングを行い、予測可能な部分集合の性能を理論的に外挿する「難易度に基づくクラスタリング（COD）」フレームワークを提案し、大規模言語モデルの事前学習段階における下流タスク性能を高精度に予測する手法を確立したものである。
Subclass Classification of Gliomas Using MRI Fusion Technique
本研究は、BraTS データセットの多モーダル MRI 画像を前処理し、2D と 3D の UNET によるセグメンテーション結果を重み付き平均で融合して ResNet50 に投入する手法を提案し、99.25% の分類精度を達成することで、グリオーマのサブクラス分類の精度を大幅に向上させたことを示しています。