66 件の論文
この論文は、座標と流れ場のマップを同時に学習する深層学習手法を用いて、マルチスケールシステムの時間発展を高精度かつ低計算コストで予測する新しい枠組みを提案し、フィッツフュー・ナグモモデルやカオス的なKuramoto-Sivashinsky方程式などの大規模システムにおける有効性を示しています。
この論文は、深層強化学習の透明性と検証可能性を高めるため、マルチモーダル大規模言語モデルと進化探索を組み合わせ、視覚フィードバックに基づく失敗パターン分析を用いて人間に理解可能なプログラム制御方策を自動生成する手法「MLES」を提案し、標準的な制御タスクにおいて PPO と同等の性能を達成しつつ、透明な制御ロジックとスケーラビリティを実現したことを示しています。
この論文は、経験再生、学習可能なリーキー・インテグレート・アンド・ファイア（LIF）ニューロンパラメータ、および適応型スパイクスケジューラを統合したエネルギー意識スパイク予算枠組みを提案し、フレームベースおよびイベントベースの両方のデータセットにおいて、精度向上とエネルギー効率の最適化を同時に実現するスパイクニューラルネットワークの継続学習手法を開発したものである。
この論文は、拡散モデルの推論遅延を軽減しつつ中間軌道の構造情報を保持するために、教師の軌道の各離散ステップに対応する複数のブランチを備えた学生モデルを提案し、密な軌道アライメントを通じて生成品質を向上させる「B-DENSE」と呼ばれる新しいフレームワークを紹介しています。
本論文は、N-MNIST データセットを用いたアブレーション研究を通じて、スパイクニューラルネットワークにホップフィールドネットワークや階層的ゲート型再帰ネットワークなどの記憶増強メカニズムを統合することで、分類精度、計算効率、エネルギー消費、およびニューロン群の構造化（クラスタリング）を同時に向上させるバランスの取れた設計原則を確立したことを示しています。
本論文は、双曲的疎な幾何学と発振器ベースの注意機構を統合し、位相同期によってシナプス可塑性を制御する「ヘッビアン発振共学習（HOC-L）」という新しい枠組みを提案し、その収束性と計算効率の理論的保証を示すものである。
この論文は、従来の数値解法では困難であった非線形性やマルチスケールダイナミクスを持つニューロンモデルにおいて、物理情報ニューラルネットワーク（PINN）を用いて不完全かつノイズの多い電位観測データから生体物理パラメータと非観測状態変数を同時に高精度に推定する堅牢な手法を提案し、その有効性を示したものである。
この論文は、畳み込みニューラルネットワーク（CNN）の幾何学的構造を正確に反映し、クロスエントロピー損失のヘッシアン行列のトレースの閉形式解を導出することで、モデルの汎化性能を評価し、アーキテクチャや訓練の設計を支援する新たな平坦性指標を提案しています。
本論文は、脳の樹状突起のスパイク配列検出メカニズムを模倣し、勾配なしの再配線学習と非同期デジタルハードウェア・アーキテクチャを組み合わせることで、イベントベースの時系列データ分類において既存のニューロモルフィックハードウェアよりも最大4倍のエネルギー効率を実現する「DendroNN」という新たなニューラルネットワークを提案しています。
この論文は、遺伝的プログラミングを用いてドリフト項と拡散項を最大尤度推定で同時に最適化することで、確率微分方程式の記号的発見を可能にし、従来の決定論的アプローチを超えてノイズを含む動的システムの解釈可能なモデル化を実現する手法を提案しています。
この論文は、エネルギー保存と作用の極値の原理に基づき、時間連続的な神経ネットワークにおける誤差伝播を生物学的に妥当な局所学習則として導出する「変分潜在平衡」の一般形式を提案し、逆伝播法（BPTT）の生物学的実装と物理回路の設計指針を提供するものである。
本論文では、切削工具の摩耗や破損に伴う主軸振動の時間領域応答と統計的特徴を分析し、特徴選択と群知能アルゴリズムによる最適化を組み合わせたホワイトボックス型サポートベクターマシン（SVM）フレームワークを提案し、工具状態のリアルタイム監視におけるその有効性と解釈可能性を実証しています。
本論文は、ロボットにおける意思決定や学習を人間の社会構造に類似した形で最適化するための基盤として、功利性理論に基づく認知モデルの進化、価値システムの応用、および将来の研究課題を包括的に調査・検討したものである。
この論文は、28nm CMOS 技術を用いて 1.6fJ/spike の超低消費電力を実現したアナログスパイキングニューロンを設計・実装し、MNIST 認識タスクにおいて 82.5% の精度を達成した埋め込み機械学習向けの高効率ニューロモルフィック SoC の実現可能性を示したものである。
本論文は、データ移動やメモリアクセスなどのオーバーヘッドを包括的に評価する厳密なエネルギーモデルを用いて、特定の条件下（平均スパイク率が 6.4% 未満など）でのみスパイクニューラルネットワーク（SNN）が従来の量子化人工ニューラルネットワーク（QNN）を上回るエネルギー効率を実現し得ることを実証し、スマートウォッチのバッテリー寿命を倍増させる可能性を示唆しています。
本論文は、BCI Competition IV-2a データセットを用いた比較研究において、個人内では解釈性の高い ANFIS-FBCSP-PSO モデルが、個人間では汎化性能に優れた EEGNet がそれぞれ優位であることを示し、MI-BCI システムの設計目標に応じたモデル選択の指針を提供しています。
本論文は、行ベクトルの確率分布が不確実性集合に属する分布ロバスト幾何学的同時確率制約付き最適化問題を、標準的な解法を用いずに確率的に大域最適解に収束するニューロダイナミクス・デュプレックス手法（3 つの射影方程式に基づく）によって解決することを提案し、形状最適化および通信問題への適用を通じてその有効性を示しています。
本論文は、トレーニング中に最適化手法を動的に選択する新しい確率的メタ最適化手法「OptiRoulette」を提案し、複数の画像分類タスクにおいて単一の AdamW ベースラインと比較して最大 5.3 倍の収束速度向上と高精度達成を実現したことを報告しています。
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、大規模言語モデルを用いて破壊・修復・選択など ALNS の全 7 つの構成要素を自動進化させる閉ループフレームワークを提案し、TSPLIB ベンチマークにおいて既存手法を大幅に上回る解の質と戦略的多様性を達成したことを報告するものである。