361 件の論文
本論文は、深層学習のスペクトルバイアスに起因するマルチタイムスケール動的システムの学習限界を克服するため、ハミルトニアンを明示的な高速・低速モードに分解し、異なる時間スケールでサンプリングされたデータを用いて複数のネットワークでパラメータ化する「周波数分離型ハミルトニアンニューラルネットワーク（FS-HNN）」を提案し、ODE および PDE 問題における長期予測性能と汎化能力の向上を実証したものである。
この論文は、高次元の産業データにおけるノイズや冗長性を抑制し、潜在空間の学習とゲーム理論に基づく解釈可能性を統合したハイブリッド深層学習フレームワーク「CLAIRE」を提案し、スマート製造における高精度な故障検出と説明可能な AI の実現を示しています。
この論文は、制御バリア関数と安全運動廊下という 2 つの異なる安全手法を統合し、制御バリア関数を局所的な安全目標領域に変換する「制御バリア廊下」という新概念を導入することで、安全性と反応性のトレードオフを考慮しつつ、未知環境における自律探索のための安全かつ持続的な経路追従を実現する手法を提案しています。
本論文では、既知のシステム動特性と変動範囲の仮定のもと、オンラインの入力・状態データを用いて半正定値計画問題を解き、離散時間線形時変システムに対する適応データ駆動型ミニマックスモデル予測制御手法を提案し、その閉ループ系の指数安定性と制約満足、およびプロセス雑音下におけるロバスト安定性を理論的に証明しています。
この論文は、近接場の能動マルチアンテナフィーダー（AMAF）と反射型インテリジェント表面（RIS）をスタックしたハイブリッドデジタル・アナログ（HDA）マルチユーザー MIMO 構成において、3GPP 準拠のビーム獲得やチャネル推定を実用的に実現し、LOS/NLOS 両方の mmWave 多重経路環境下で高スペクトル効率と低電力消費を両立するコードブック設計とベースバンドプリコーディング手法を提案するものである。
本論文は、水動力学効果による時変パラメータを扱う水中ビークル・マニピュレータシステム向けに、物理的整合性制約を埋め込んだ不確実性認識型適応動力学モデルを提案し、実機実験で高い予測精度とオンライン適用性を実証したものである。
本論文は、無線センサーネットワークにおいて、送信電力を新たな次元として活用し、データ伝送と干渉グラフ推定を同時に行う「同時洪水」方式を提案することで、従来の測定オーバーヘッドの問題を解決し、実用的な干渉グラフ推定を実現することを示しています。
この論文は、マルチエージェントシステムにおいて各エージェントがオフラインの部分的な軌跡を局所的に学習し、学習データではなく推定された動的モデルのみを交換することでプライバシーを保護しつつ大域的なダイナミクスモデルに合意する分散型深層クープマン学習フレームワーク「DDKL-PT」を提案し、その有効性を表面航行体のシミュレーションとモデル予測制御による検証で示したものである。
本論文は、マルコフジャンピングパラメータ不確実性を持つ線形双曲型偏微分方程式のロバスト安定化問題に対し、バックステッピング法とニューラルオペレーターを組み合わせる制御則を提案し、平均二乗指数安定性の理論的保証と交通流制御への応用を通じてその有効性を検証したものである。
この論文は、侵害されたオペレーティングシステムの影響を受けないストレージコントローラレベルでファイルシステム機能を解析し、機械学習を用いてランサムウェアを高精度に検知・即時遮断するオフホスト型フレームワーク「SHIELD」を提案し、その有効性とハードウェア実装の可行性を実証したものである。
この論文は、幾何学的制御理論に基づく「Geometric SSM」を提案し、時間不変（LTI）なシステムでも動的残差生成器を用いることで選択性を達成し、Mamba が失敗する拡張誘導ヘッドタスクにおいてほぼ完璧な性能を発揮しつつ FFT による効率的な学習を維持できることを示しています。
この論文は、アンサンブルの尖度を利用した選択的探索、分散型アンサンブル学習を組み合わせた分解型中央クリティック、および混合サンプルに基づくアクタ更新を導入することで、マルチエージェント強化学習のサンプル効率と安定性を大幅に向上させる新しいアルゴリズムを提案し、SMAC II などを含むベンチマークで最先端の手法を上回る性能を実証しています。
本論文は、収縮理論を用いて部分観測データに基づく非線形ダイナミクス・ネットワークの構造同定性を分析し、半収縮性が異なるネットワーク構造を識別不能にする十分条件となることを示し、特にクラーモト振動子ネットワークにおける適用例を論じています。
この論文は、部分観測からネットワーク構造を一意に特定できないという限界を考察し、観測性行列の零空間と関連する誤分類の理論的性質を明らかにするとともに、ノードの 6% 以上を観測することでエッジの約 99% を正しく分類できることを示しています。
この論文は、車両モデルや大量の学習データを必要とせず、IMU と LiDAR のみを用いて自律レーシング車両におけるリアルタイムの滑り検出と路面摩擦係数を高精度に推定する軽量な手法を提案し、実車実験でその有効性を検証したものである。
この論文は、O-RAN における複数の xApp の競合を評価・解決するため、SHAP などの説明可能機械学習と因果推論を組み合わせ、RAN 制御パラメータと KPI の間の因果関係を可視化し、競合の影響を定量化するフレームワークを提案しています。
本論文は、負荷ストレスの増大に伴う系統崩壊の一連の事象において、共通の脆弱性源を特定するためのマルチ期間スパース最適化手法を提案し、回路理論に基づく定式化とヒューリスティックを用いて大規模システムへのスケーラビリティを実現するものである。
本論文は、限られたポート数を持つレーダ目標シミュレータを用いて、大規模アンテナアレイを備えた統合センシング・通信（ISAC）基地局のマルチターゲットを任意の RCS、距離、角度、ドップラー特性で高精度にエミュレートするための、調整可能な導電性振幅・位相マトリクスフレームワークを提案し、その有効性を実験的に実証したものである。
この論文は、大規模言語モデル（LLM）を用いて不確実な環境下の観測データを解釈可能な意味トークンに変換し、ファジィ制御と意味通信を組み合わせることで、GPS 非依存かつ地図不要の条件下でも複数の水中ロボットが効率的かつ協調的に海域を探索・カバーするための新たなフレームワークを提案しています。
この論文は、摩擦のブリストルダイナミクス（FrBD）フレームワークに一般化マクスウェルモデルと一般化ケルビン・フォイグトモデルという 2 つの線形粘弾性モデルを導入し、それらの有界性と受動性を証明するとともに、ロボティクスにおける制御設計への応用を示すものである。