SimGrowNet: Efficient Neural Growth with Similarity-Based Redundancy Control
SimGrowNetは、ヒトの神経発生に着想を得た効率的なニューラル成長手法であり、類似性に基づく制約を通じてニューロンの冗長性を最小限に抑えながら、学習中にコンパクトなモデルを漸進的に拡張することで、特徴の多様性を高め、ショートカット学習を軽減し、複数の画像認識データセットにおいて既存のベースラインを凌駕します。
4092 件の論文
SimGrowNetは、ヒトの神経発生に着想を得た効率的なニューラル成長手法であり、類似性に基づく制約を通じてニューロンの冗長性を最小限に抑えながら、学習中にコンパクトなモデルを漸進的に拡張することで、特徴の多様性を高め、ショートカット学習を軽減し、複数の画像認識データセットにおいて既存のベースラインを凌駕します。
本研究は、再利用されたコンテンツが短い一節へと断片化されるにつれてWordBinaryのテキスト類似性検出性能が系統的に低下する一方で、当該システムは堅牢かつ効果的であり、意図的に再利用された単語が多数の小さな断片に分散されている場合でも、それらの90%以上を正常に復元できることを実証している。
本論文は、古典的な中心性指標を再定義することにより、テヘラン大学の教員を対象としたケーススタディを通じて、この手法が微細な関係性の強さを捉え、従来のクリスプモデルと比較して異なるアクターのランキングをもたらすことを示しながら、ソーシャルネットワークにおける不確実性をモデル化するためのファジィグラフに基づいた手法を提案するものである。
本論文は、物理学に基づいたマルチビューおよびマルチインスタンス学習アプローチを活用することで、10種類の頭部・胸部NCCT品質欠陥をリアルタイムで正確に特定し、リソースの限られた環境下において若手の診療放射線技師を大幅に上回る性能を発揮し、再撮影率を低減させる軽量かつ迅速なAIシステムであるPHCTQAを紹介するものである。
本論文は、構文を考慮した不一致モデリングと、残差グラフラベル伝播を通じてLLM由来のソフト事前分布を統合することで、グローバルな意味構造とサンプル間の関係的推論を捉え、複数のベンチマークにおいて最先端の結果を達成する、新しいフレームワークであるSA-RGLPを提案する。
本論文は、英語の形態論を学習していると主張するDeep Q-Networkのノートブックが、報酬関数、行動の表現力、状態のエンコーディング、および評価手法における根本的な欠陥により、実際には文法規則を獲得できていないことを示すための、報酬・行動妥当性監査を導入するものである。
この実証的研究は、手話画像分類においてCNNの容量を増やすことが必ずしも性能向上を保証するものではないこと、および、アーキテクチャに依存した割合におけるドロップアウト正則化がL1およびL2ペナルティを大幅に上回ること、そして中規模モデルが96.66%という最高の精度を達成したことを示している。
本論文は、実データの代わりにプライバシーを保護した学習分析研究を可能にする、インドの私立大学からの170万件のLMSインタラクションイベントからなる、完全合成かつFAIR準拠のLMS-FAIR-Indiaを紹介するものである。
本論文は、実務家へのエビデンスに基づくガイダンスを提供し、将来的なフレームワーク改訂に向けた具体的なギャップを特定するために、131件の実世界のインシデントを通じて、3つの主要なエージェンティックAIリスク分類(OWASP-ASI、MSFT-AIRT、およびNIST AI RMF)の網羅性と相補性を実証的に評価するものである。
本論文は、付加製造におけるマルチマシン・スケジューリング問題を解決するために、エネルギーコスト、メイクスパン、および部品の向きを同時に最適化する可変近傍探索法を統合した新しいメメティック・アントコロニー・システム・アルゴリズムを提案し、既存の手法と比較して大幅な効率向上を実証している。