How Much is Brain Data Worth for Machine Learning?
本論文は、脳データが機械学習モデルの改善において有する価値を定量化するためのスケーリング則と交換率を数学的に確立し、タスクと脳の整合性、ノイズ、サンプルサイズに関する特定の条件を特定することで、神経記録の収集が性能と頑健性の向上に寄与する領域を明らかにする。
✓ 著者確認済み
著者が確認した論文
原著者が当サイトのやさしい解説を確認した論文。
このページに掲載されている各論文については、少なくとも一人の原著者が当サイトのやさしい解説を確認し、内容の正確性を認めるか、または修正を依頼しその修正を私たちが反映しています。確認は各文への正式な承認を意味するものではありませんが、論文を書いた本人たちの目を通ったことを意味します。
607 件の論文を著者が確認済み · 341–350 / 607
FairHealth: An Open-Source Python Library for Trustworthy Healthcare AI in Low-Resource Settings
本論文は、公平性監査、プライバシー保護型連合学習、低帯域幅での説明可能性、およびグローバルサウス向けデータセットに特化したツールの統合を可能にする統一されたモジュール型フレームワークを提供することで、低リソース環境における医療AIの重要なギャップを埋めることを目的としたオープンソースのPythonライブラリ「FairHealth」を紹介する。
Microscopic origin of Boson peak in amorphous solids
本論文は、非解析的モデルを提案し、非晶質固体におけるボソンピークは配位数の揺らぎにのみ起因し、ばね定数の揺らぎは主に減衰に寄与するのみであることを示す。
Fault-tolerant syndrome extraction in [[n,1,3]] non-CSS code family generated using measurements on graph states
本論文は、グラフ状態と裸のアンシラ法を介して生成される一連の耐故障性非 CSS 量子誤り訂正コードを導入し、それらがフック誤りに対する耐性を有し、多様なノイズモデル下において既存のフラグ・キュービット法および裸のアンシラ法よりも優れた性能を示すことを実証する。
Gas Phase Distribution in the Neutral ISM: A Comparison between Observation and Numerical Simulation
本研究は、GWA 及び LAB 調査からの HI 21cm 放射・吸収観測を TIGRESS 数値シミュレーションと比較し、中性星間物質が約 19.8% の冷たい相、32.5% の不安定な相、および 47.8% の温かい相から構成されることを明らかにし、この分布はシミュレーション結果と一致しており、これらのガス割合をさらに制約するための将来の感度の高い電波観測の必要性を浮き彫りにしている。
A Call to Lagrangian Action: Learning Population Mechanics from Temporal Snapshots
本論文は、減衰作用を最小化することで時間的なスナップショットから二階の集団動態を学習する新規の枠組みおよびアルゴリズムであるワッサーシュタインラグランジュ力学（WLM）を導入し、これにより周期、渦の力学、群れ行動といった複雑な挙動を正確にモデル化する際の勾配流の限界を克服する。
A Sample of Active Galactic Nuclei with Intermediate-mass Black Holes Extended to 0.6
本論文は、SDSS DR17 から一様に抽出された 930 個の中間質量ブラックホール活動銀河核の標本を提示し、低質量 AGN の赤方偏移カバレッジをまで拡張し、より低い赤方偏移において最大降着率と光度が減少する傾向によって特徴づけられる降着活動における潜在的な宇宙進化を明らかにする。
Deep Learning for CMB Foreground Removal and Beam Deconvolution: A U-Net GAN Approach
本論文は、現実的なプランク衛星に類似したシミュレーションデータを用いて訓練されたU-Netベースの生成敵対ネットワーク（GAN）を導入するものであり、このネットワークは銀河系領域外で1%未満の再構成誤差を達成しつつ、前景汚染、機器雑音、ビーム畳み込み効果を同時に除去することで、高忠実度宇宙マイクロ波背景放射マップの再構成に成功する。
Agent-First Tool API: A Semantic Interface Paradigm for Enterprise AI Agent Systems
本論文は、従来の人間向け CRUD インターフェースを意味論的 6 動詞プロトコルと構造化された意思決定支援メタデータに置き換える「エージェントファースト・ツール API」パラダイムを提案・検証し、企業向け本番システムにおける自律エージェントのタスク成功率とエラー回復を大幅に向上させるものである。
Contextual Plackett-Luce: An Efficient Neural Model for Probabilistic Sequence Selection under Ambiguity
本論文は、曖昧で多モーダルなシーケンス予測タスクを効果的に処理しつつ計算効率を維持するために、並列スコアリングと軽量な自己回帰的選択プロセスを組み合わせる効率的なニューラルモデルであるコンテクスト付きプラケット・ルー（CPL）を提案する。