5108 편의 논문
이 논문은 N-MNIST 데이터셋에서 수행된 실험을 통해 Leaky Integrate-and-Fire 뉴런, 감독 대비 학습, 홉필드 네트워크, 계층적 게이트 순환 네트워크를 통합한 메모리 증강 스파이킹 신경망이 개별 최적화보다 균형 잡힌 아키텍처를 통해 분류 정확도, 에너지 효율성, 그리고 신경 군집 구조를 동시에 향상시킨다는 것을 입증했습니다.
이 논문은 RSGN 의 쌍곡선 희소 기하학과 SSA 의 발진기 기반 주파수 동기화를 결합하여, 위상 일관성이 구조적 가소성을 제어하는 'Hebbian-Oscillatory Co-Learning(HOC-L)'이라는 통합 동적 프레임워크를 제안하고, 이에 대한 수렴성 증명 및 희소성 유지 효율성을 입증합니다.
이 논문은 클라우드 의존도의 한계를 극복하고 전기차 충전 인프라의 고장률을 해결하기 위해, 에지 환경에서 신뢰성 있는 자율 복구와 실시간 의사결정을 가능하게 하는 'Auralink SDC' 아키텍처와 이를 뒷받침하는 다중 에이전트 시스템을 제안합니다.
이 논문은 양자화 수준과 가지치기 비율 간의 트레이드오프를 체계적으로 탐색하여 정확도 저하 없이 FPGA 기반 리저버 컴퓨팅 가속기의 하드웨어 효율성을 극대화하는 민감도 기반 압축 프레임워크를 제안합니다.
이 논문은 AI 가속기를 위해 설계된 'AetherFloat' 패밀리를 제안하여, 기존 IEEE 754 표준의 하드웨어 오버헤드와 블록 스케일링 (Block-Scaling) 논리의 필요성을 제거하면서도 넓은 동적 범위와 향상된 에너지 효율을 제공하는 새로운 4 진법 (Quad-Radix) 부동소수점 아키텍처를 소개합니다.
이 논문은 전통적인 수치 해법의 한계를 극복하고, 부분적이고 잡음이 섞인 전압 관측 데이터로부터 다중 스케일 뉴런 모델의 숨겨진 상태 변수와 생리학적 매개변수를 강건하게 추정하기 위해 물리 정보 신경망 (PINN) 프레임워크를 제안하고 그 유효성을 입증합니다.
이 논문은 다변량 시계열 모델링에서 변수 순서의 인위적 의존성을 제거하기 위해 순열 동등성을 보장하는 이론적 기저를 제시하고, 이를 바탕으로 변수 축의 순차적 의존성을 제거하며 상태-of-the-art 성능을 달성하는 'VI 2D Mamba' 아키텍처를 제안합니다.
이 논문은 희소 보상 환경에서 장기적 할당 문제를 해결하기 위해 사후 추론을 통해 단계별 가치 추정과 기준선을 정교화하는 새로운 프레임워크인 HCAPO 를 제안하며, WebShop 과 ALFWorld 등 다양한 벤치마크에서 기존 최첨단 방법론보다 뛰어난 성과를 입증했습니다.
이 논문은 군 가 공간 에 전이적으로 작용할 때, 위의 -불변 함수를 의 등방성 부분군 가 에 작용하는 불변 함수로 명시적으로 축소하는 이론을 제시하여, 기존 방법의 구조적 제약을 해소하고 임의의 군 작용과 균질한 조건부 공간에 적용 가능한 일반화된 등변 신경장 (Equivariant Neural Fields) 을 확장합니다.
이 논문은 AI 정렬 검증이 명제성, 일반성, 실용성이라는 세 가지 속성을 동시에 만족할 수 없음을 증명하여 정렬 인증의 형식적 한계를 규명하고, 이를 완화함으로써 실용적인 보장이 여전히 가능함을 시사합니다.
이 논문은 기존 방법의 한계를 극복하고 저차원 부분공간에서 기하학적 구조를 보존하는 SPREAD 프레임워크를 제안함으로써, 평생 모방 학습에서 새로운 기술 습득과 기존 지식 유지 간의 균형을 이루며 재앙적 망각을 방지하고 최첨단 성능을 달성합니다.
이 논문은 희소 관측으로 인한 예측 편향을 보정하기 위해 이진 트리 구조를 활용한 미세 확산 (Micro-Diffusion) 은닉층을 도입하여 적응형 통계 모델의 확률 추정 정확도를 향상시키고 무손실 압축 효율을 높이는 'Midicoth' 시스템을 제안합니다.
이 논문은 하위 작업들을 계층적으로 압축하고 기술을 임베딩과 기능으로 분해하여 커리큘럼 학습 프레임워크 내에서 복잡한 의사결정 문제의 효율성을 높이고 작업 간 전이를 가능하게 하는 다단계 메타-강화 학습 방법을 제안합니다.
이 논문은 시계열 데이터의 비정상적 동역학을 효과적으로 포착하기 위해, 전역 전이 행렬 대신 시간 구간별 국소 전이 행렬을 사용하여 시계열을 이미지로 변환하는 '시간적 마르코프 전이 필드 (TMTF)'를 제안합니다.
이 논문은 JAX 와 PyTorch 의 단단한 연산자들에 대한 분산된 소프트 완화 기법을 통합하여, 최적화에 유용한 정보를 제공하는 미분 가능한 프로그래밍을 위한 오픈소스 라이브러리인 SoftJAX 와 SoftTorch 를 제안합니다.
이 논문은 트랜스포머와 같은 고도로 표현력 있는 백본 없이도, GenGNN 이라는 모듈형 메시지 전달 프레임워크를 사용하여 이산 그래프 생성에서 높은 유효성과 빠른 추론 속도를 달성할 수 있음을 보여줍니다.
이 논문은 LLM 기반 에이전트 시스템의 성능에 모델뿐만 아니라 토폴로지나 오케스트레이션 로직과 같은 구현 선택도 결정적인 영향을 미친다는 점을 강조하며, 전체 시스템을 분석 단위로 삼아 프레임워크 간 비교를 가능하게 하는 'MASEval' 평가 프레임워크를 제안합니다.
이 논문은 트랜스포머와 상태 공간 모델을 결합한 하이브리드 시퀀스 모델이 비하이브리드 모델의 이론적 한계를 극복하고, 더 적은 파라미터로 우수한 성능과 길이 일반화 능력을 달성함을 이론적 증명과 실험을 통해 입증합니다.
이 논문은 비전 - 언어 - 행동 (VLA) 모델을 활용하여 고전적 계획기의 매개변수를 적응적으로 학습하는 'APPLV'를 제안함으로써, 기존 방법들보다 뛰어난 항해 성능과 미시적 환경에 대한 일반화 능력을 달성함을 보여줍니다.
이 논문은 사설 5G 환경에서 채널 중심 모델이 단말기 간 종단 간 처리량 (throughput) 을 과대평가하는 한계를 측정 캠페인을 통해 입증하고, 실제 시스템 동작을 학습하는 데이터 기반 접근법이 더 정확한 예측을 가능하게 함을 보여줍니다.