DT-BEHRT: Disease Trajectory-aware Transformer for Interpretable Patient Representation Learning
이 논문은 진단 중심의 상호작용과 비동기적 진행 패턴을 명시적으로 모델링하여 해석 가능한 환자 표현 학습을 가능하게 하는 '질병 궤적 인식 트랜스포머 (DT-BEHRT)'를 제안하고, 이를 통해 임상적 추론과 정렬된 강력한 예측 성능을 입증합니다.
🤖 Category
cs.LG
2316 편의 논문
Stability and Robustness via Regularization: Bandit Inference via Regularized Stochastic Mirror Descent
이 논문은 스토캐스틱 미러 디센트 프레임워크를 기반으로 한 정규화 EXP3 알고리즘이 적응적 샘플링 환경에서도 안정적인 추론을 가능하게 하면서 동시에 최적의 후회 (regret) 보장을 제공하고, 적대적 오염에 대한 강인성까지 갖춘다는 것을 증명합니다.
ARCHE: Autoregressive Residual Compression with Hyperprior and Excitation
이 논문은 재귀적 잔차 압축, 하이퍼프리오어 및 엑시테이션을 통합하여 기존 학습 기반 이미지 압축 방식의 계산 비용과 병렬성 한계를 극복하면서도 Balle, Minnen & Singh 모델 및 VVC 인트라 코덱 대비 우수한 비트율-왜곡 효율을 달성하는 ARCHE 프레임워크를 제안합니다.
Adaptive Activation Cancellation for Hallucination Mitigation in Large Language Models
이 논문은 신호 처리의 적응형 잡음 제거 개념을 차용하여, 추가 학습이나 외부 지식 없이 추론 시 실시간으로 환각 관련 뉴런을 선택적으로 억제함으로써 사실성 정확도를 높이는 동시에 모델의 일반적 성능을 전혀 저하시키지 않는 '적응형 활성화 취소 (AAC)' 프레임워크를 제안합니다.
Actor-Accelerated Policy Dual Averaging for Reinforcement Learning in Continuous Action Spaces
이 논문은 연속 행동 공간에서의 정책 듀얼 애버리징 (PDA) 의 계산적 한계를 해결하기 위해 학습된 정책 네트워크를 활용한 '액터 가속 PDA'를 제안하고, 이론적 수렴 보장을 유지하면서 로봇 공학 및 제어 분야에서 PPO 보다 우수한 성능을 입증했습니다.
Hybrid Hidden Markov Model for Modeling Equity Excess Growth Rate Dynamics: A Discrete-State Approach with Jump-Diffusion
이 논문은 SPY 데이터를 기반으로 점프 - 확산 메커니즘과 포아송 기반의 점프 지속 시간 메커니즘을 결합한 하이브리드 은닉 마르코프 모델을 제안하여, 기존 모델들이 동시에 충족하지 못했던 중후미 분포, 낮은 자기상관성, 그리고 지속적 변동성 군집화라는 세 가지 핵심 통계적 특성을 모두 보존하는 고품질 합성 금융 시계열 생성을 가능하게 함을 보여줍니다.
Flexible Cutoff Learning: Optimizing Machine Learning Potentials After Training
이 논문은 훈련 후에도 각 원자별 컷오프 반경을 조정하여 정확도와 계산 비용의 균형을 최적화할 수 있는 새로운 기계학습 전위 (MLIP) 학습 방법인 '유연한 컷오프 학습 (FCL)'을 제안하고, 이를 통해 재학습 없이 다양한 응용 분야에 맞춰 단일 모델을 적응시킬 수 있음을 보여줍니다.
FusionNet: a frame interpolation network for 4D heart models
이 논문은 짧은 시간 동안 촬영된 심장 MRI 영상을 기반으로 고해상도의 4 차원 심장 운동을 복원하기 위해 인접한 3 차원 심장 형태를 추정하는 새로운 신경망 'FusionNet'을 제안하고, 기존 방법보다 높은 정밀도 (Dice 계수 0.897 이상) 를 입증했습니다.
SDSR: A Spectral Divide-and-Conquer Approach for Species Tree Reconstruction
이 논문은 스펙트럼 그래프 이론에 기반한 분할 정복 알고리즘인 SDSR 을 제안하여, 다중 유전자 마커 데이터를 이용한 대규모 종 계통수 재구성 시 계산 효율성을 10 배 이상 향상시키면서도 기존 방법과 동등한 정확도를 유지함을 보여줍니다.
A Diffusion Analysis of Policy Gradient for Stochastic Bandits
이 논문은 확률적 밴딧 문제에 대한 정책 경사법의 연속 시간 확산 근사를 분석하여 학습률 조건에 따른 후회 (regret) 의 상한과 하한을 증명합니다.
Rethinking the Harmonic Loss via Non-Euclidean Distance Layers
이 논문은 교차 엔트로피 손실의 한계를 극복하고 해석 가능성과 지속 가능성을 향상시키기 위해 유클리드 거리를 다양한 거리 척도로 대체한 조화 손실 (harmonic loss) 을 체계적으로 연구하여, 비유클리드 거리 기반 손실이 비전 및 언어 모델에서 성능과 효율성을 동시에 개선함을 입증했습니다.
A Trust-Region Interior-Point Stochastic Sequential Quadratic Programming Method
이 논문은 확률적 목적 함수와 결정론적 비선형 제약 조건을 가진 최적화 문제를 해결하기 위해, 적응적 정확도 조건을 만족하는 확률적 오라클과 내점법을 결합한 새로운 '신뢰영역 내점법 확률적 순차 2 차 프로그래밍(TR-IP-SSQP)' 알고리즘을 제안하고 그 수렴성과 실용성을 입증합니다.
Why Does It Look There? Structured Explanations for Image Classification
이 논문은 사후 XAI 기법에서 추출된 프로토타입을 기반으로 학습 과정의 진행을 정량화하여 모델의 '왜 그 부분을 보았는가'에 대한 구조화된 설명을 제공하고, 이를 통해 모델의 예측 정확도를 향상시킬 수 있는 새로운 프레임워크인 I2X 를 제안합니다.
One Adapter for All: Towards Unified Representation in Step-Imbalanced Class-Incremental Learning
이 논문은 단계 불균형 클래스 증분 학습 환경에서 기존 방법의 한계를 극복하기 위해, 비대칭 부분공간 정렬과 방향성 게이트 메커니즘을 통해 단일 어댑터에 태스크 업데이트를 통합하면서도 추론 비용을 일정하게 유지하는 'One-A' 프레임워크를 제안합니다.
Intrinsic Numerical Robustness and Fault Tolerance in a Neuromorphic Algorithm for Scientific Computing
이 논문은 편미분 방정식을 해결하는 네이티브 스파이킹 뉴로모픽 알고리즘이 구조적 교란 (뉴런 제거 및 스파이크 손실) 에 대해 본질적으로 강인하며, 최대 32% 의 뉴런과 90% 의 스파이크가 손실되더라도 정확도 저하 없이 작동할 수 있음을 보여줍니다.
SiMPO: Measure Matching for Online Diffusion Reinforcement Learning
이 논문은 확산 기반 강화학습에서 음수 샘플의 피드백을 활용하고 과도한 탐욕적 행동을 방지하기 위해 부호 측도 (signed measure) 를 도입하여 가중치 조정 방식을 일반화한 'SiMPO' 프레임워크를 제안하고, 이를 통해 다양한 보상 환경에서 우수한 성능을 달성함을 보여줍니다.
Bayesian Hierarchical Models and the Maximum Entropy Principle
이 논문은 하이퍼파라미터를 통해 정의된 계층적 베이지안 모델에서 조건부 사전분포가 최대 엔트로피 분포일 때, 하이퍼파라미터를 적분하여 얻은 종속적인 주변 사전분포 역시 다른 제약 조건 하에서 최대 엔트로피 성질을 가진다는 것을 증명함으로써 계층적 모델 할당이 실제로 어떤 정보를 가정하는지에 대한 통찰을 제공합니다.
Improving TabPFN's Synthetic Data Generation by Integrating Causal Structure
이 논문은 TabPFN 의 순차적 생성 과정에서 인과 구조를 통합하여 (DAG 기반 조건부 샘플링 및 CPDAG 전략) 인과적 관계를 왜곡하는 허위 상관관계를 방지하고, 생성된 합성 데이터의 구조적 정확성과 인과 효과 보존 능력을 향상시키는 방법을 제안합니다.
Discovery of a Hematopoietic Manifold in scGPT Yields a Method for Extracting Performant Algorithms from Biological Foundation Model Internals
이 논문은 단일세포 기초 모델인 scGPT 의 내부 메커니즘을 해석하여 혈액 세포 발달 알고리즘을 추출하는 새로운 방법을 제시하고, 기존 모델보다 높은 성능과 효율성을 입증했습니다.
From Prior to Pro: Efficient Skill Mastery via Distribution Contractive RL Finetuning
이 논문은 사전 학습된 생성 로봇 정책을 온라인 피드백을 통해 성공적인 행동을 증폭시키는 '분산 수축 강화 학습 (DICE-RL)' 프레임워크를 도입하여, 고차원 픽셀 입력으로부터 복잡한 장기 작업 기술을 안정적이고 효율적으로 마스터할 수 있음을 제시합니다.