3900 件の論文
この再現可能なマルチデータセット評価は、適応的な特徴量グループ・マスキングが、特徴量セットのシフトに対する堅牢性を向上させる上で、より単純な非適応的破損ポリシーを大幅に上回ることはないことを示しており、このタスクにおいては複雑な適応メカニズムよりも、一致したコントロールとデータセットレベルの推論の方がより重要であることを示唆している。
本論文は、プロセス・マイニング、複雑ネットワーク解析、説明可能な機械学習、およびデジタルツイン・シミュレーションを統合し、バリューストリームマッピングを自動化するとともに将来状態設計を定量的に最適化する、クローズドループ型のデータ駆動型フレームフレームワークを提案し、実世界の製造シナリオにおいてリードタイム、仕掛品、および欠陥の大幅な削減を実証するものである。
本論文は、正確な分数階微分の推定のためのDeep Operator Network（DeepONet）と、スパース回帰のためのアンサンブルSparse Identification of Nonlinear Dynamics（SINDy）を統合することにより、ノイズを含むデータから分数階動的システムの支配方程式を発見するためのロバストなフレームワークを提案し、古典的な差分法や標準的なニューラルネットワークと比較して優れた精度と汎用性を実証するものである。
本研究は、eコマースのレコメンデーションタスクにおいて、小さな検証予算を用いてコンパクトなテキスト表現（具体的にはTF-IDFとSVDの組み合わせ）を選択することで、候補プールが適切に制約されている限り、フル予算での選択と同等のテスト性能を維持しつつ、計算コストを最大90%削減できることを実証している。
本研究は、臨床的な質問回答において明示的な証拠受理要件を強制することが、ルートのランキングとレイテンシ指標を著しく変化させると同時に、根拠となる証拠の妥当性に関するエラーを減少させることを示しており、臨床的なレイテンシ・ベンチマークにおける標準化された受理ルールの必要性を強調している。
本論文は、マルチホップ検索拡張生成における証拠の割り当てと回答選択を最適化するために、候補証拠の再ランキング（CAPE）とリスクを考慮した回答選択（CTA/EBC）を特徴とする二層フレームワークを提案しており、SAG、RRF、および多数決といった既存のベースラインと比較して、リコールおよびF1スコアを大幅に向上させている。
このパイロット研究は、精神医学の知識問題に適用された小型のオープンウェイト言語モデルが、不十分な信頼度較正およびドメイン依存の精度ランキングを示し、さらに厳密なペア統計を用いて評価した場合、回答を控えるよう促すプロンプトが性能を向上させるどころかむしろ低下させることを実証している。
本研究は、適応的フィールド制御と信頼の可塑性を統合した計算モデルである集団的エピステミック・ネットワーク・フレームワーク（CENF）を導入するものであり、これは合成マルチエージェント・ネットワークにおける敵対的攻撃に対する合意の正確性と安定性の著しい向上を実証すると同時に、特定の設計条件下での形式的な収束保証を確立するものである。
本論文は、R3D-18、R(2+1)D-18、およびMC3-18のような深層ニューラルネットワークが人間行動認識において高い精度を達成している一方で、実用的な展開には、精度のみに依存するのではなく、認識性能と計算効率、時間的堅牢性、およびリソース制約とのバランスを取ることが必要であることを示す、6軸の調査および制御されたベンチマークを提示する。
本研究は、凍結された事前学習済みVideoMAEエンコーダと軽量な線形分類器を組み合わせることで、最小限のアノテーションでありながら、安定した最適化と一定の計算リソース使用量を維持しつつ、UCF101およびHMDB51ベンチマークにおいて高い性能を実現し、極めてラベル効率の高い人間行動認識が可能であることを実証している。