2315 편의 논문
이 논문은 작업 식별자가 없는 클래스 증분 학습 환경에서 과적합을 방지하고 안정성을 유지하기 위해 작업별 배치 정규화와 '알 수 없음' 클래스를 활용한 이상치 탐지 기반의 새로운 continual learning 프레임워크를 제안하여 의료 및 자연 이미지 데이터셋에서 최첨단 성능을 달성함을 보여줍니다.
이 논문은 LIME 과 SHAP 과 같은 기존 방법들의 한계를 극복하고, 지역적 변수 간 의존성과 상호작용을 포착하며 다중 분류 문제에 직접 적용 가능한 새로운 모델-무관 로컬 변수 중요도 측정법인 CLIQUE 를 제안합니다.
이 논문은 리 대수와 위상적 특성을 활용하여 CNOT 게이트 수를 지수적으로 줄인 단일 층 양자 신경망 (SRBB 기반) 을 제안하고, 이를 시뮬레이션 및 실제 양자 하드웨어에서 다양한 유니터리 행렬에 대해 검증함으로써 확장 가능한 유니터리 합성 알고리즘의 효율성을 입증합니다.
이 논문은 확률적 전이성을 가정하지 않고 저차원 반대칭 행렬을 통해 쌍별 비교 확률을 모델링하여, 기존 브래들리 - 테리 모델의 한계를 극복하고 희소 데이터에서도 최적의 예측 성능을 보장하는 새로운 통계적 추정 방법론을 제안합니다.
이 논문은 라르 TPC(액체 아르곤 시간 투영 챔버) 의 3D 점 구름 데이터에 대한 물리적으로 의미 있는 표현 학습을 위해 마스킹 포인트 모델링을 적용한 'PoLAr-MAE'를 제안하며, 소량의 레이블 데이터만으로도 최상위 수준의 분할 성능을 달성하고 100 만 개의 LArTPC 이벤트 데이터셋을 공개하여 해당 분야의 기초 모델 구축 가능성을 입증했습니다.
이 논문은 항공기 대기 기동으로 인한 지연을 예측하기 위해 그래프 머신러닝을 적용한 연구로, 복잡한 항공 교통 네트워크의 공간적·시간적 관계를 그래프 특성으로 추출하여 CatBoost 모델을 GAT 보다 우수한 성능과 해석 가능성으로 입증하고, 이를 실시간 예측 웹 도구를 통해 운영 효율성 및 연료 절감에 기여할 수 있음을 제시합니다.
이 논문은 KL 정규화가 유도하는 최적화 환경과 낙관적 보상 추정을 활용하여 온라인 KL 정규화 강화학습에 대해 기존 연구의 한계를 극복하는 로그(regret) 오차 상한을 달성하는 새로운 알고리즘과 이론적 분석을 제시합니다.
이 논문은 훈련 없이 추론 시간 적응 (DIFU-Ada) 을 통해 확산 기반 신경 조합 최적화 솔버가 TSP 에서 PCTSP 및 오리엔티어링 문제와 같은 다양한 문제 유형과 규모로 제로샷 일반화 성능을 달성할 수 있음을 제안하고 실험적으로 입증합니다.
이 논문은 CLIP 의 잠재 공간이 특정 기하학적 한계를 가지므로 이를 해결하기 위해 이미지 패치와 텍스트 토큰의 의미적 위상을 유지하는 '밀집 코사인 유사도 맵 (DCSM)'을 제안하여 기존 모델의 성능을 획기적으로 개선했다고 주장합니다.
이 논문은 심층 음성 제거 (DNS) 모델이 저배경 잡음 및 시뮬레이션된 오버더에어 환경에서도 청각적으로 숨겨진 적대적 잡음에 의해 이해할 수 없는 소음으로 변질될 수 있음을 보여주며, 안전이 중요한 응용 분야에서 이러한 취약성을 해결하기 위한 실질적인 대응책이 시급함을 강조합니다.
이 논문은 풍력 발전사가 시장 가격에 영향을 미치는 가격 결정자 (price-maker) 역할을 할 때, 복잡한 시장 모델 없이도 문맥적 다중 팔대역 (contextual multi-armed bandit) 알고리즘을 통해 최적 입찰 전략을 학습하여 불균형 비용을 최소화하는 온라인 학습 방법을 제안합니다.
이 논문은 유클리드 공간의 최대 마진 원리가 비유클리드 공간에서는 최적이지 않음을 지적하고, 클래스 공분산 구조의 초로레스키 분해를 활용하여 공분산 보정 SVM 분류기를 반복적으로 추정하는 알고리즘을 제안함으로써 비유클리드 공간에서의 분류 성능을 기존 SVM 보다 크게 향상시켰음을 보여줍니다.
이 논문은 과립 구체 (Granular Ball) 기반의 불완전 사전 지식을 도입하여 소량의 데이터로도 다양한 이미지 퓨전 작업에서 뛰어난 성능과 경량화를 달성하는 새로운 심층 퓨전 방법론을 제안합니다.
이 논문은 과거 수요에 의존하고 재고 부족으로 인해 판매 데이터가 검열 (censored) 되는 동적 재고 및 가격 결정 문제를 해결하기 위해, 검열된 의존적 수요 환경에서 최적 정책을 학습하는 새로운 데이터 기반 알고리즘을 제안하고 그 성능을 이론적 및 실험적으로 검증합니다.
이 논문은 비선형 제어 시스템의 상태 확률 밀도를 제어하기 위해, 잡음 확산 과정을 통해 상태 공간을 탐색한 후 이를 목표 분포로 되돌리는 결정론적 역과정 (Denoising) 을 기반으로 한 피드백 제어 및 계획 프레임워크를 제안하고, 이를 통해 비선형 제어 문제를 밀도 제어의 완화 문제로 간주하여 해결하는 방법을 제시합니다.
이 논문은 고정된 작업 전환 간격의 한계를 극복하고 간섭을 줄이며 확장 가능한 다중 작업 학습을 가능하게 하기 위해, 활성 수상돌기와 듀얼 구조를 갖춘 심층 스파이킹 Q-네트워크와 보상 및 내부 동역학을 기반으로 한 적응형 작업 전환 정책을 결합한 'SwitchMT' 방법론을 제안합니다.
이 논문은 진화 알고리즘으로 생성된 2 만 개의 카오스 동역학 시스템으로 학습된 사전 훈련 모델 'Panda'를 소개하며, 이 모델이 저차원 상미분방정식 훈련 데이터만으로도 고차원 편미분방정식 및 실제 실험 데이터에 대한 제로샷 예측 능력을 포함한 다양한 emergent 특성을 보인다고 설명합니다.
이 논문은 2022 년부터 2025 년 초까지의 25 만 건의 학술 논문을 분석하여 대규모 언어 모델 (LLM) 의 한계 연구 동향을 데이터 기반으로 체계적으로 조사하고, 추론과 일반화, 환각, 편향, 보안 등 주요 연구 주제의 변화와 성장 추세를 제시합니다.
이 논문은 새로운 환경에서 여러 사전 학습된 모델의 예측 오류를 식별하고 관리하기 위해 일관성 기반 귀납 추론을 적용하여, 개별 모델이나 기존 앙상블 방법보다 높은 정밀도와 재현율을 달성하는 프레임워크를 제안합니다.
이 논문은 불균형 회귀 문제에서 임계값 설정 없이 표적 밀도와 관련성을 기반으로 한 CART 기반 합성 샘플링 기법 (CARTGen-IR) 을 제안하여, 기존 생성 모델보다 빠르고 해석 가능한 방식으로 희귀한 목표값 영역을 효과적으로 보강하는 방법을 제시합니다.