65 件の論文
この論文は、安全上の重要局面における意思決定中の脳波（EEG）から外部ラベルなしで学習する自己教師あり進化的学習フレームワークを提案し、個人の認知状態の時間的進化と固有のアイデンティティを捉えることで、認証や異常検知、および意図の推定を可能にすることを示しています。
本論文は、グリッドベースのサブ空間法やデータ依存の深層学習アプローチの限界を克服するため、ラベル付きデータや離散化グリッドを必要とせず、任意のアンテナ配列に対応する連続球面波モデルに基づく新たな進化計算フレームワーク（NEMO-DE と NEEF-DE）を提案し、近距離多源局所化の新たなパラダイムを確立するものである。
本論文は、明示的な確率分布を持たない確率制約付き多目的マルチチョイスナップサック問題に対し、支配関係を保ちつつ評価時間を削減する効率的なモンテカルロ法（OPERA-MC）と、NSGA-II に特殊な初期化と局所探索を組み合わせたハイブリッド進化アルゴリズム（NHILS）を提案し、5G ネットワーク構成などの実問題において既存手法を上回る性能を実証したものである。
本論文は、聴覚入力から抽象的なランク表現へ、そして運動実行へと至る階層的な神経メカニズムをモデル化した「ランク順序符号化」が、構文に敏感な生成プロセスや新規性検知、そして構造的な一般化を可能にする効率的な符号化手法であることを示しています。
この論文は、1953 年のニルス・アール・バリチェリの先駆的な研究に着想を得て、ALICE 2026 ワークショップで SymBa グループが 1 次元および 2 次元のシミュレーションを通じて共生進化を再検証・拡張し、人工生命や人工知能におけるその意義と将来の展望を論じています。
この論文は、最適化アルゴリズムの比較において事前の最適値や正規化を不要とし、時間軸上のパレート最適性をベイズ推論を用いた適応的サンプリング（PolarBear）によって効率的に特定する新しいフレームワークを提案しています。
この論文は、タスク間干渉を抑制し、固定されたスイッチング間隔に依存しない適応的なタスクスイッチング方策を採用することで、リソース制約のある自律エージェントの効率的かつスケーラブルな多タスク学習を実現する新しい手法「SwitchMT」を提案し、その有効性をアタリゲームでの実験結果を通じて実証しています。
進化アルゴリズムで発見された大規模なカオス力学系の合成データで事前学習された「Panda」は、低次元の常微分方程式のみを学習したにもかかわらず、ゼロショットで未知のカオス系や実世界の時間系列、さらには偏微分方程式の予測にも成功し、非線形力学における事前学習モデルの可能性を示しました。
この論文は、記号 AI から大規模言語モデル（LLM）に至るまで、機械学習における差分プライバシーの定義、理論的・応用的な進化、学習モデルへの統合手法、および実用的な評価方法について包括的に調査・概説したものです。
この論文は、ジェネリックな物体追跡の汎用性と堅牢性を向上させるため、JEPA アーキテクチャを拡張して追跡モデル自体の予測を行う「GOT-JEPA」フレームワークと、オクルージョン（遮蔽）の細かなパターンを捉えて追跡精度を高める「OccuSolver」を提案し、複数のベンチマークでその有効性を示したものです。
この論文は、偏微分方程式を解くためのスパイク型ニューロモルフィックアルゴリズムが、最大 32% のニューロン欠損や 90% のスパイク欠落に対しても精度を維持する構造的な頑健性と耐故障性を有し、その耐性が構造的ハイパーパラメータによって調整可能であることを実証しています。
筋協調（筋肉のシナジー）を強化学習の制御空間に組み込むことで、限られた実験データから多様な歩行条件において生体力学的に忠実で汎用性の高い人間の歩行シミュレーションを実現する新しいフレームワークを提案しています。
本論文は、大規模言語モデルの生成能力とグラフ注意メカニズムを統合した軽量ハイブリッド枠組みを提案し、限られた計算資源下でも「アマゾンズ」ゲームにおいて教師モデルを上回る高性能な意思決定を実現することを示しています。
この論文は、イベント駆動型のバイナリ走査戦略と FPGA 実装のスパイキングニューラルネットワーク（SNN）を統合し、データ収集のオーバーヘッドを劇的に削減しながらリアルタイムで高精度な手書き数字認識を実現する、完全統合型の電子皮膚システムを提案しています。
この論文は、シミュレーションされたデータからパラメータを直接推定する単一の要約ネットワークを用いた頻度論的アプローチ「ForwardFlow」を提案し、有限サンプルでの正確性、汚染データへの頑健性、および複雑なアルゴリズム（例：EM アルゴリズム）の自動近似という利点を示しています。
この論文は、YouTube のコメディ動画から学習した LLM 批評家と制作スタジオの役割を模倣したエージェント群を用いて、 iteratively な競争と評価を通じて SNL などのスケッチショーに匹敵する高品質なコメディ動画を自動生成する AI システム「COMIC」を提案しています。
本論文は、スパイキングニューラルネットワーク（SNN）のメモリおよび計算オーバーヘッドを削減するため、重みの分解によるモデル縮小と並列計算パイプラインを提案する「TT-SNN」手法を初めて導入し、パラメータ数や演算量の大幅な削減を実現しつつ精度を維持することを示しています。
本論文は、従来の誤差逆伝播法よりも生物学的に妥当で、並列化により計算効率も向上し、教師あり・教師なし学習を統一的に扱える予測符号化ネットワーク（PCN）の理論的基盤と現代機械学習における位置づけを包括的にレビューし、その将来性を示唆するものである。
この論文は、蟻のフェロモン行動をデジタルに模倣した手法を用いて、工業プロセス（特にポテトチップスの揚げ工程）における「管理内/管理外」状態のリアルタイム分類と予兆検知を可能にする適応的かつ解釈可能な枠組みを提案しています。
この論文は、神経科学に着想を得た確率的潜在変数モデルである予測符号化グラフ（PCG）が、多層パーセプトロンの数学的超集合を定義することを証明し、これにより PCG を現代の機械学習の文脈に位置づけ、ニューラルネットワークのトポロジーに関する研究を強化していることを示しています。