172 件の論文
この論文は、従来の再構成頑健性（ReRo）の限界を指摘し、差分プライバシーにおける攻撃者の優位性を包括的に評価する新たなリスク指標「再構成優位性（Reconstruction Advantage）」を提案することで、ノイズ調整と監査の精度向上と、より効果的な利便性・プライバシーのトレードオフの実現を可能にします。
STAMP は、トークンのタスク重要度とプライバシー感度を考慮してプライバシー予算を動的に配分し、埋め込みベクトルの方向のみを擾乱する極座標メカニズムを採用することで、プライバシー保護とタスク有用性の両立を達成する新しいテキストプライバシープライバシー化フレームワークです。
この論文は、一般のグラフィカルモデルにおける依存関係を「強いエッジ」と「弱いエッジ」に分割し、中央極限定理に基づく近似メッセージパッシング（AMP）を弱いエッジの集約に適用することで、複雑な計算を簡素化しつつ性能と計算量のバランスを調整できる「ハイブリッド一般化近似メッセージパッシング（HyGAMP）」という新しい枠組みを提案しています。
この論文は、条件付き独立な観測に基づく逐次投票モデルにおいて、過去の決定を無視し秘密投票を行うことが、集約センターを有するチームの最適性能を達成する唯一の手段であることを示し、従来の社会的学習研究とは対照的に「社会的学習は無益である」と結論づけています。
この論文は、逐次意思決定における社会的学習において、最後の意思決定者の性能を最大化するためには、初期信念を真の事前確率に正確に合わせるのではなく、真の確率が小さい場合は大きく、大きい場合は小さく設定するといった「不正確な初期信念」が最適であることを示しています。
本論文は、消去状態やフルランク状態を含む「超 2 重拡張可能状態」の任意の状態が、ローカル操作と一方通行の古典通信を用いた heralded 正確な一方通行秘密鍵の遠隔生成に利用できないことを証明し、近似遠隔生成と比べてその間に極端なギャップが存在することを示しています。
この論文は、Ziv と Merhav が多値マルコフ測度の対に対する普遍的な交差エントロピー推定について得た結果を、g-測度や統計力学における平衡測度など、より広範な非マルコフ的な decoupled 測度のクラスへと一般化したものである。
本論文では、生成拡散モデル（GDM）の概要と最近の研究動向を解説し、近距離場チャネル推定への適用事例を通じて、大規模 MIMO 通信における効率的なチャネル状態情報（CSI）取得への可能性を明らかにするとともに、将来の課題と研究の方向性を示唆しています。
この論文は、教育や医療など倫理的に敏感な領域における AI の解釈可能性と精度のバランスを定量化するため、粗粒度分割とカテゴリー統合に基づく情報損失の離散的枠組みを提案し、その数学的性質と応用可能性を示しています。
本論文は、連続アパーチャアレイ（CAPA）を用いたマルチグループマルチキャスト通信において、エネルギー効率を最大化するビームフォーミング設計を提案し、その最適解の導出と低複雑化手法を提示するとともに、CAPA が従来アレイより優れた性能を示す一方で、アパチャサイズやユーザー分布の影響を明らかにしたものである。
本論文は、円筒トポロジーにおける軸対称ナビエ - ストークス方程式の解を、三角関数とベッセル関数で記述されたベルトラミ・反ベルトラミ形式の完全基底を用いて展開し、その展開係数を物理情報ニューラルネットワーク（PINN）による最適化アルゴリズムで決定するための理論的基盤を構築したものである。
本論文は、リングトポロジ上の分散コンピューティングにおいて、冗長計算と隣接ノード間通信を活用した符号化方式を提案し、全収集および全対全タスクにおいて通信負荷と計算負荷・伝播距離の最適性を理論的に証明するものです。
この論文は、クラウド規模のデータウェアハウスにおけるクエリ遅延の主要因である推定値の過小評価という長年の課題に対処するため、結合サイズの理論的下限を証明する新たなフレームワーク「xBound」を提案し、それが実際のシステムで大幅な高速化を実現することを示しています。
この論文は、分布のドリフトが発生する非定常データストリームにおけるオンライン共形予測の訓練条件付き累積後悔を最小化し、分布シフト検出を組み込んだ分割共形法およびフル共形法によって、それぞれ最小最大最適性の後悔保証を達成する手法を提案し、理論的保証と数値実験でその有効性を示したものである。
本論文は、機械学習における抵抗クロスバーを用いたアナログインメモリ計算向けに提案された、複数の外れ値を処理可能な幾何学的アナログ誤り訂正符号の家族を研究し、その m-高さプロファイルを特徴づける幾何学的解析を開発したものである。
この論文は、記号列の因果方向発見のためにアルゴリズム情報理論とシャノン情報理論を統合し、候補原因におけるコンパクトな規則パターンが結果変数をどのように制約するかを辞書ベースのパターンエントロピー（DPE）で定量化する新しい枠組みを提案し、多様な合成および実データセットにおいて既存手法を上回る性能を実証したものである。
本論文は、測定を通じて古典的な滑らかなダイバージェンスを量子状態に持ち上げる新しい滑らかな条件付きエントロピーを導入し、量子側情報に対するプライバシー増幅の残差ハッシュ補題を大幅に強化するとともに、一ショット解析から漸近第二項展開に至るまで最適性の証明を達成した。
本論文は、確率行列の圏を量的に拡張する視点から、Kronecker 積と直接和という 2 つのモノイダル構造に対して、相対エントロピー（KL 発散および任意次数のレニイ発散）の完全な公理系を、量的モノイダル代数の枠組みと図式言語を用いて定式化したものである。
本論文は、LLM 推論におけるプリフィル・デコード分離アーキテクチャの最適リソース配分を、総スループットや SLO 制約、および入力・出力長を考慮した理論モデルと実証ベンチマークを組み合わせることで導出する手法を提案し、その有効性を示しています。
本論文は、ノイズを含む距離測定値から未知点の位置を推定する問題に対し、未知但有界な誤差を仮定した集合メンバーシップ手法を適用し、非凸な一致集合を凸最適化を用いて効率的に外側から近似する手法を提案している。