Looking Through Glass Box
この論文は、ファジー認知図（FCM）を模倣し、ランジュバン微分ダイナミクスを用いて過学習を防ぎながら因果パターンを学習し、出力ノードの逆解を通じて修正基準を導き出すニューラル実装 FHM の設計とその評価について述べている。
💻 Category
cs.NE
66 件の論文
Enhanced Protein Intrinsic Disorder Prediction Through Dual-View Multiscale Features and Multi-objective Evolutionary Algorithm
本論文は、進化的視点と深層意味視点を統合した二重ビュー多スケール特徴抽出と、多目的進化アルゴリズムによる最適融合アーキテクチャの探索を組み合わせた「D2MOE」を提案し、タンパク質の内在性無秩序領域の予測精度を大幅に向上させることを示しています。
NOBLE: Accelerating Transformers with Nonlinear Low-Rank Branches
本論文では、事前学習から適用可能な新しいアーキテクチャ拡張「NOBLE」を提案し、非線形低ランク分岐をトランスフォーマーの線形層に追加することで、最小限のパラメータ増加と計算コストでトレーニング効率を大幅に向上させることを示しています。
Hybrid Quantum-Classical Encoding for Accurate Residue-Level pKa Prediction
この論文は、ガウスカーネルに基づく量子インスパイアードな特徴マッピングと古典的な構造記述子を統合したハイブリッド量子古典フレームワークを開発し、アミノ酸残基の pKa 値予測において従来の古典モデルを超える汎用性と精度を達成したことを報告しています。
Efficient Approximation to Analytic and functions by Height-Augmented ReLU Networks
この論文は、 sawtooth 関数の効率的な表現を可能にする 3 次元のネットワークアーキテクチャを導入することで、解析関数および関数に対する指数関数的かつ非漸近的な高精度近似を実現し、パラメータ効率の向上に寄与する理論的基盤を確立したものである。
Quantum mechanical framework for quantization-based optimization: from Gradient flow to Schroedinger equation
この論文は、量子化に基づく最適化アルゴリズムを量子力学の枠組み（シュレーディンガー方程式や熱力学）で解析し、量子トンネリング効果による局所解回避と大域的最適解への収束を保証する新たな理論的基盤を確立し、組合せ最適化から機械学習まで幅広い分野で既存手法を上回る性能を実証したものである。
Topological DeepONets and a generalization of the Chen-Chen operator approximation theorem
この論文は、DeepONets のアーキテクチャをバナッハ空間から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ブランチ・トランク構造によって、任意の局所凸空間からコンパクト集合上の連続関数空間への連続作用素を一様に近似できることを示す一般化された Chen-Chen 定理を確立しています。
Dance of the ADS: Orchestrating Failures through Historically-Informed Scenario Fuzzing
本論文は、歴史的テストデータと地図ネットワークを活用して事前定義なしに高リスクシナリオを予測・生成する「ScenarioFuzz」を提案し、60.3% の時間削減と 103% のバグ発見率向上を実現するとともに、58 のバグと 54 の高リスクカテゴリを特定することで自動運転システムの安全性検証を革新したことを示しています。
Prediction performance of random reservoirs with different topology for nonlinear dynamical systems with different number of degrees of freedom
本論文は、非線形力学系の予測タスクにおいて、対称的なリザーバトポロジーが対流モデルの予測精度を向上させる一方、高次元の乱流モデルではその影響がほとんど見られないことを示し、リザーバ構造が複雑な力学の学習能力に与える影響を明らかにしたものである。
Motion Illusions Generated Using Predictive Neural Networks Also Fool Humans
この論文は、動画予測ニューラルネットワークを用いて新たな視覚運動錯覚を生成するモデル（EIGen）を開発し、人間も同様に錯覚することを確認することで、錯覚が脳の予測機能に起因する可能性を示し、人工知能研究において生物の「意図的な失敗」を模倣する価値を提唱しています。
LLEMA: Evolutionary Search with LLMs for Multi-Objective Materials Discovery
この論文は、大規模言語モデルの科学的知識と化学情報に基づく進化則、およびメモリに基づく改善を統合した「LLEMA」というフレームワークを提案し、多目的材料探索において従来の手法を上回る合成可能な候補物質の発見を可能にしたことを報告しています。
Yukthi Opus: A Multi-Chain Hybrid Metaheuristic for Large-Scale NP-Hard Optimization
本論文は、評価回数制約下の大規模 NP 困難最適化問題に対し、MCMC 探索、貪欲局所探索、適応的再加熱を備えたシミュレーテッドアニーリングを統合した多連鎖ハイブリッドメタヒューリスティック「Yukthi Opus」を提案し、ベンチマーク問題における競争力のある性能と予測可能な評価コストの実現を報告しています。
A Dynamical Theory of Sequential Retrieval in Input-Driven Hopfield Networks
この論文は、入力駆動型可塑性を備えたホップフィールドネットワークにおける二つの時間スケールを有するアーキテクチャを解析し、自己維持的な記憶遷移の条件を導出することで、連想記憶モデルにおける逐次推論の原理的数学的理論を確立したものである。
Evolution 6.0: Robot Evolution through Generative Design
本論文は、視覚言語モデルやテキストから3D 形状を生成する AI を統合し、人間からの指示に基づいて必要な工具を自律的に設計・製造し、それを活用してタスクを遂行する「Evolution 6.0」と呼ばれる新しいロボットシステムの概念と評価結果を提示しています。
Akkumula: Evidence accumulation driver models with Spiking Neural Networks
本論文は、従来の手法の課題を克服し、スパイクニューラルネットワークを用いて証拠蓄積プロセスを統合した新しいドライバモデル「Akkumula」を提案し、実実験データによる検証を通じてその有効性と透明性を示しています。
AutoQD: Automatic Discovery of Diverse Behaviors with Quality-Diversity Optimization
本論文は、マルコフ決定過程における方策の占有測度を埋め込むことで事前定義なしに行動記述子を自動生成し、多様で高品質な方策を発見する新しい品質多様性最適化手法「AutoQD」を提案し、その理論的収束性と連続制御タスクにおける有効性を示しています。
CaRe-BN: Precise Moving Statistics for Stabilizing Spiking Neural Networks in Reinforcement Learning
本論文は、強化学習におけるスパイクニューラルネットワークの訓練安定性を向上させるため、信頼度に基づく適応的更新と再較正メカニズムを導入した「CaRe-BN」を提案し、既存の手法や人工ニューラルネットワークを上回る性能達成を実証したものである。
Soft Quality-Diversity Optimization
この論文は、高次元の行動空間や大規模な解空間における従来の品質多様性（QD）最適化の課題を解決するため、離散化を不要とする「Soft QD」という新たな定式化を提案し、それに基づく微分可能なアルゴリズム「SQUAD」を開発して、標準ベンチマークでの競争力と高次元問題へのスケーラビリティを実証したものである。
NeuroPareto: Calibrated Acquisition for Costly Many-Goal Search in Vast Parameter Spaces
本論文は、高次元かつ計算コストが制約された多目的最適化問題に対し、ランク中心のフィルタリング、不確実性の分離、および履歴に基づく獲得戦略を統合した「NeuroPareto」を提案し、DTLZ や ZDT ベンチマークおよび地中エネルギー抽出タスクにおいて、既存の手法を上回る収束性と多様性を達成することを示しています。
mlx-snn: Spiking Neural Networks on Apple Silicon via MLX
Apple Silicon 向けに MLX フレームワークをネイティブに活用し、効率的なスパイキングニューラルネットワーク（SNN）の研究とトレーニングを可能にする新しいオープンソースライブラリ「mlx-snn」を提案し、M3 Max 上での MNIST 分類タスクにおいて既存の PyTorch ベースのライブラリと比較して高速かつ低メモリで高い精度を達成したことを示しています。