3821 件の論文
本論文は、確率論的学習パラダイムである「engression」とトランスフォーマーの表現力を統合し、パラメトリックな仮定を課さずに複雑な多変量予測分布を直接学習することで、高品質な確率論的予測を実現する深層生成モデル「EnTransformer」を提案し、複数のベンチマークデータセットにおいて既存モデルを上回る性能を実証したものである。
本論文は、化学反応の動的現象を理解するための新たなタスク「ChemDU」と、4 次元分子軌跡と専門家の解説を対応させたデータセット「Chem4DBench」、そして等価グラフエンコーダと大規模言語モデルを統合した「Chem4DLLM」を提案し、動的な化学理解とマルチモーダルな科学推論の発展を促すことを目的としています。
本論文は、モバイルデバイス向けカーネル生成の課題を特定し、その評価フレームワーク「MobileKernelBench」を提案するとともに、リポジトリ認識型推論と計画・実行パラダイムを備えたマルチエージェントシステム「MoKA」を開発することで、コンパイル成功率と実行速度の大幅な向上を実現したことを報告しています。
この論文は、自由記述の放射線レポートから抽出した視覚プロトタイプを知識として活用し、構造化レポートの生成における微細な属性判断の精度を向上させる新たな手法「ProtoSR」を提案し、Rad-ReStruct ベンチマークで最高性能を達成したことを報告しています。
この論文は、単一細胞基盤モデル「Geneformer」に対する包括的な回路マッピングを通じて、従来の選択的サンプリングでは見逃されていた重大な冗長性と注釈バイアス、重たい裾を持つハブ構造、および細胞分化の方向性を制御する層依存性の因果関係を明らかにしたものである。
本論文は、複数の処置レベルにわたる情報を統合することで、データが不足している処置レベルにおいても従来の合成最近傍法（SNN）の理論的保証を維持しつつ推定精度を向上させる新しい因果行列補完手法「混合合成最近傍法（MSNN）」を提案し、その有効性を示しています。
本論文は、グラフニューラルネットワークの過圧縮問題を緩和するため、大域的な信号である有効抵抗を用いて構造上のボトルネックを検出し、エッジの追加と削除を反復的に行うパラメータフリーのトポロジー修正手法「有効抵抗リワイヤリング（ERR）」を提案し、その性能と埋め込み幾何学への影響を分析したものである。
本論文は、確率回路（PC）の混合重みにボロノイ分割を導入してデータ多様体の局所幾何構造を捉えることを提案し、その計算の困難さに対処するために近似推論枠組みと厳密な推論を可能にする構造条件の 2 つの解決策を提示するとともに、微分可能な緩和手法を通じて勾配ベースの学習を可能にしています。
本論文は、多様なセンサー設定に汎用可能な言語整合表現を学習するためのオープンソースフレームワーク「SLIP」を提案し、対照的アライメントとセンサー条件付きキャプション生成を統合することで、ゼロショット転移や信号の要約、質問応答などのタスクにおいて既存手法を上回る性能を実現したことを報告しています。
この論文は、大域的低ランク仮定に依存する従来の手法の限界を克服し、重み付きスペクトル分解を用いて局所的な低次元構造を抽出する「局所隣接スペクトラル埋め込み（LASE）」を提案し、その理論的保証と実ネットワークにおける高品質な可視化への有効性を示しています。
この論文は、表現学習モデルの安定性を「統計的識別可能性」と「構造的識別可能性」に定義し、非線形デコーダを持つモデルの中間表現に対する近似的な識別可能性を理論的に証明するとともに、ICA による後処理を実用的な解像法として提案し、合成データから細胞顕微鏡画像の基礎モデルまで、多様なタスクで優れた解離性能を実証しています。
この論文は、DeepONets のアーキテクチャをバナッハ空間から任意のハウスドルフ局所凸空間へ拡張し、連続線形汎関数を用いたトポロジカルな枝・幹ネットワーク構成により、その空間上の連続作用素が一様近似可能であることを示すことで、従来の Chen-Chen 作用素近似定理を一般化しています。
本論文は、データ再利用による相関を扱う新たな平均安定性解析手法を開発し、多パス前処理付き確率勾配降下法（PSGD）の汎化性能が、人口リスクの曲率と勾配ノイズの幾何学的な不一致によって決まる「有効次元」に依存することを示し、不適切な前処理が最適化と汎化の両面で性能を劣化させることを証明しています。
本論文は、従来の NLI ベースのモデルに加え、埋め込みモデルやリランカー、大規模言語モデルを含む多様なゼロショットテキスト分類アプローチを公平に評価するための包括的ベンチマーク「BTZSC」を提案し、最新の 8B パラメータのリランカーが最高性能を達成しつつ、埋め込みモデルが精度と遅延のバランスにおいて優位であることを示しています。
この論文は、クライアント数に依存せず少数の共有モデル（K 個）で多数のクライアントを効率的にパーソナライズする「Few-for-Many」最適化問題を定式化し、クラスタリングや補間などの既存手法よりも優れた性能を達成する新しいアルゴリズム「FedFew」を提案するものです。
この論文は、複数の管理ドメインにまたがる流体コンピューティング環境における分散型オーケストレーションアーキテクチャを提案し、その有効性をマルチドメインのビザンチン耐性分散フェデレーション学習（DFL）の事例において、SDN による異常検知メカニズム「FU-HST」を用いて検証したものである。
この論文は、パラメータおよび予測的不確実性を同時に考慮する深層学習メタモデル（MLP-LSTM、MPNN-LSTM、AE-LSTM）を提案し、多自由度 Bouc-Wen 系および 37 階建鋼製ラーメン構造の事例を通じて、これらのアーキテクチャが非線形確率動的システムの高精度な予測と信頼性評価に有効であることを実証しています。
本論文は、サイバーフィジカルシステム（CPS）の複雑なモデリングを自動化し、モジュール性と使いやすさを重視したデータ駆動型の学習フレームワーク「Flowcean」を提案するものである。
本論文は、生成モデルにおけるユニタリ行列積状態の効率性と表現力を高めるため、多様体制約付き最適化問題として確率モデルを定式化するリーマン幾何学最適化手法と、空間を分離する効率的なアルゴリズムを開発し、バーズ・アンド・ストライプスおよび EMNIST データセットでの実験によりその有効性を示したものである。
この論文は、大規模クラスターのスケーラビリティ、文脈認識能力、および動的な負荷への適応性を向上させるため、中央集権的訓練と分散実行を組み合わせた協調型マルチエージェント強化学習、グラフニューラルネットワーク、およびストレス感知の辞書式順序化ポリシーを導入した「AGMARL-DKS」という新しい Kubernetes スケジューラを提案し、Google Kubernetes Engine 上での評価においてデフォルトのスケジューラよりも優れたフォールトトレランス、リソース利用率、およびコスト効率を実現したことを示しています。