3623 件の論文
本論文は、LeJEPAに基づく自己教師あり学習による事前学習が、フローズン・プロービングにおいてランダム初期化を大幅に上回り、従来のフィンガープリントを補完する高品質な分子表現をもたらす一方で、その恩恵は標準的なファインチューニングを通じたダウンストリームの性能向上には堅牢に転移しないことを示しており、これらの事前学習済み埋め込みを活用するための最適な戦略は特徴レベルでの組み合わせであることを示唆している。
本論文では、相乗的な基底関数を動的に生成および選択することで、コンパクトな特徴表現による競争力のある予測性能を実現し、計算コストの高い進化的な探索を必要とすることなくベースラインモデルを大幅に上回る精度を達成する、非進化型記号回帰手法である相乗的基底関数回帰（SBFR）を提案する。
本論文は、リソース制約のあるクラウド・エッジ協調型アーキテクチャ内における暗号化トラフィックの高精度かつ低遅延な侵入検知を実現するために、マルチスケール時間畳み込み、クロスアテンション融合、および適応型投票を統合した新しいディープアンサンブルフレームワークであるDETECXを提案する。
本論文は、自動化されたシンボル化とループ反復制限を通じてプロシージャ間パスの実現可能性を効率的に検証することにより、静的セキュリティ解析を強化する指向型シンボリック実行手法を提案し、それによって実世界のベンチマークにおいて再現率を維持しつつ精度を大幅に向上させるものである。
本論文は、高速重み行列を波長固有の層へと整理し、反事実的信頼性ゲーティングを採用することで、動的な2Dおよび3Dスキャニング環境において既存のDeltaベースの手法を凌駕する、長期的かつファジーな空間メモリを強化する固定容量オペレータであるS3-Deltaを導入する。
Sparse Mamba Decoder (SMD)は、アクティブな検出イベントのみをO(k)の計算量で処理することにより、優れた精度とほぼ一定の低レイテンシを実現する欠陥中心型のニューラルデコーダであり、様々な量子誤り訂正ベンチマークにおいて、既存のデコーダを速度および論理エラー率の両面で大幅に上回っています。
本論文は、リフティング項を介してディリクレ境界条件を試行関数に直接埋め込むことで、最小二乗系における構造的不均衡を排除し、マシン精度での境界条件充足を実現するとともに、標準的なソフト制約形式と比較して相対L²誤差を最大で7桁減少させる、ハード制約付き物理情報型極限学習マシン（PIELM）を提案する。
本論文は、線形に更新可能な二次算術プログラム・ファミリーを利用して、Groth16やNovaといった既存の手法と比較して証明および検証時間が大幅に高速化された、定サイズ160バイトの証明を生成する、逐次的な状態遷移のための軽量かつ更新可能な検証可能計算スキームを提案する。
本論文は、最先端のAIエージェントの性能データを分析することで、エージェントが安定して完了できるタスクの期間がその平均的な能力限界のおよそ2.4倍短いという重大な「信頼性のギャップ」を明らかにしており、これは主に失敗がランダムではなく特定のタスク内で強く相関していることに起因するため、安全なデプロイメントに向けて評価指標を平均的な成功から信頼性調整済みのホライゾンへと転換する必要があることを示している。
本論文は、新規な複素数型Squeeze-and-Excitationブロックを備えた、235Kパラメータの軽量な複素数値CNNを提案しており、これはモデルサイズを大幅に削減しつつ位相情報を保持しながら、共周波数通信信号に対して競争力のある単一チャネル盲音源分離性能を実現するものである。