Adaptive Transfer Clustering: A Unified Framework
この論文は、主データと補助データの間にある未知の不一致を考慮しつつ共通性を自動的に活用する「適応型転移クラスタリング（ATC）」アルゴリズムを提案し、その最適性と転移学習の利点を理論的に証明するとともに、数値実験と実データ分析でその有効性を示しています。
🤖 Category
cs.LG
2356 件の論文
A Learned Proximal Alternating Minimization Algorithm and Its Induced Network for a Class of Two-block Nonconvex and Nonsmooth Optimization
この論文は、非凸・非滑らかな 2 ブロック最適化問題を解くための学習型近接交互最小化アルゴリズム（LPAM）と、その収束性を保つ解釈可能なネットワーク（LPAM-net）を提案し、特に多モーダル MRI 画像再構成における高い性能とパラメータ効率を実証しています。
Autoassociative Learning of Structural Representations for Modeling and Classification in Medical Imaging
この論文は、連続的な特徴に依存する従来の深層学習とは異なり、画像を視覚的プリミティブで再構成することで高次な構造的説明を学習する神経記号システムを提案し、組織学的画像の異常診断において、従来の深層学習アーキテクチャよりも高い分類精度と透明性を達成したことを示しています。
Puppet-CNN: Continuous Parameter Dynamics for Input-Adaptive Convolutional Networks
この論文は、畳み込みニューラルネットワークの層パラメータをニューラル常微分方程式によって記述される連続的な力学系としてモデル化する「Puppet-CNN」を提案し、入力複雑さに応じて計算量を動的に調整可能にしながら、保存される学習パラメータを大幅に削減しつつ競合する予測性能を達成することを示しています。
Input-Adaptive Generative Dynamics in Diffusion Models
この論文は、生成タスクの複雑さに応じて拡散過程自体を各サンプルに動的に適応させる「入力適応型生成ダイナミクス」を提案し、固定された拡散軌道に依存する従来の手法よりも少ないサンプリングステップで高品質な画像生成を実現することを示しています。
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。
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。