2316 편의 논문
이 논문은 리튬이온 배터리의 비정상적 노화 하에서 상태-of-건강 (SOH) 궤적을 예측하기 위해 전압, 전류, 온도 시계열 데이터를 잠재 상태로 인코딩하고 학습된 동역학을 통해 미래로 전파하는 '월드 모델' 접근법을 제안하며, 단일 입자 모델 (SPM) 제약을 도입하여 특히 노화 무릎 (degradation knee) 구간에서 예측 정확도를 향상시켰음을 보여줍니다.
이 논문은 통신 및 위치 제약 하에서 불확실한 의료 수요에 대응하기 위해 부분 관측 마르코프 결정 과정 (POMDP) 으로 모델링된 UAV 군집을 조정하고, 비동기식 및 순차적 학습 전략보다 우수한 성능을 보이는 Proximal Policy Optimization (PPO) 기반의 다중 에이전트 강화학습 프레임워크를 제안합니다.
이 논문은 강화 학습에서 발생하는 길이 팽창 문제를 보상 손실 없이 해결하기 위해, 길이를 제어하기 위해 곱셈적 재조정 패러다임을 도입하고 그룹 상대 정규화 및 이득 인식 보정을 결합한 '그룹 상대 보상 재조정 (GR³)' 방법을 제안합니다.
이 논문은 ODE 에서 영감을 받은 수축적 반복 업데이트를 통해 레이어 스택링을 대체하는 SCORE 를 제안하여, 가중치 공유로 파라미터를 줄이면서도 다양한 아키텍처에서 수렴 속도와 학습 효율성을 개선함을 보여줍니다.
이 논문은 클러스터 스케줄러의 점수 함수 가중치를 강화학습으로 자동 조정하여 다양한 워크로드와 클러스터 환경에서 작업의 종단간 성능을 평균 33% 향상시키는 방법을 제안합니다.
이 논문은 미국과 중국 주식 시장의 비중첩 거래 시간을 활용하여 방향성 지향적 이분 그래프를 구축하고, 이를 기계 학습 프레임워크에 통합함으로써 미국 시장 수익률이 중국 시장 수익률 예측에 유의미한 비대칭적 예측력을 가진다는 것을 규명했습니다.
이 논문은 단조 연산자 균형 네트워크의 가중치 양자화를 스펙트럼 섭동으로 분석하여, 양자화 오차가 단조성 마진보다 작을 때만 수렴이 보장되며 MNIST 실험을 통해 5 비트 이상에서 수렴하고 4 비트 이하에서는 발산하는 임계값을 확인하고 양자화 인식 학습으로 이를 회복할 수 있음을 증명합니다.
이 논문은 뇌파 공분산 행렬의 대칭 양정부호 성질을 보존하는 리만 기하학적 특성을 반영한 변이 오토인코더 (RGP-VAE) 를 제안하여, 운동 상상 뇌-컴퓨터 인터페이스 (MI-BCI) 의 데이터 증강 및 개인화 문제 해결에 기여하는 고품질 합성 데이터를 생성하는 방법을 제시합니다.
이 논문은 컨텍스트 학습 (ICL) 이 단순한 유사도 매칭이 아니라, 사전에 알려진 최적 알고리즘과 비교하여 Transformer 가 맥락에서 베이지안 최적 통계량을 근사하고 작업 유형에 따라 선형적 투표 또는 심층 순차 계산을 동적으로 구성하는 통계적 추정기를 구축함으로써 구현됨을 보여줍니다.
이 논문은 예측 성능과 하드웨어 효율성 간의 최적 균형을 찾아 다양한 테이블 데이터 분류 작업에서 기존 방법보다 우수한 성능을 보이는 새로운 사후 앙상블 방법인 HAPEns 를 제안합니다.
이 논문은 도덕적 추론 작업에서도 분포 매칭 기반의 다양성 추구 알고리즘이 아닌, 기존 보상 극대화 RLVR 방법이 더 효과적일 수 있음을 실증적으로 규명하며, 도덕적 추론의 고수익 응답 분포가 수학 추론보다 더 집중되어 있음을 발견했습니다.
이 논문은 커널 밀도 추정을 통해 KL 발산의 Wasserstein 기울기 흐름과 동치임을 증명하고, 모드 붕괴와 모호함을 동시에 해결하기 위해 역 KL 및 발산을 결합한 새로운 생성 모델 프레임워크인 'Gradient Flow Drifting'을 제안합니다.
이 기술 노트는 JAX 및 Optimistix 라이브러리를 기반으로 BFGS, DFP, Broyden 방법과 그 자기 스케일링 변형들을 구현한 오픈소스 코드를 소개하고, JAX 커뮤니티 내에서의 활용을 촉진하기 위해 구현 세부사항을 문서화합니다.
이 논문은 지리 정보 시스템 데이터에서 추출된 지리 공간 의미적 맥락 (GSC) 을 오디오 신호와 결합하여 다중 레이블 오디오 태깅의 모호성을 해결하는 'Geo-AT'작업과 이를 평가하기 위한 벤치마크 'Geo-ATBench', 그리고 통합 융합 프레임워크 'GeoFusion-AT'를 제안합니다.
이 논문은 수학적 영역을 넘어 자유형 답변이 필요한 일반 추론 영역에서도 외부 검증기 없이 대규모 언어 모델을 활용하여 정답 생성에 대한 조건부 기댓값을 보상으로 제공하는 '조건부 기댓값 보상 (CER)'을 제안함으로써 강화 학습의 적용 범위를 확장하고 있음을 보여줍니다.
이 논문은 정상 입력에서는 정상 작동하지만 특정 트리거가 포함될 때 공격자의 의도대로 작동하는 머신러닝 백도어를 탐지하고 제거하기 위해 신경망 내의 활성 경로를 기반으로 한 설명 가능한 새로운 접근법을 제시하며, 이를 침입 탐지 시스템에 적용한 실험을 통해 그 유효성을 입증합니다.
이 논문은 추상 해석과 LiRPA 기반 바운딩을 활용하여 대규모 신경망에서도 설명 크기를 줄이면서 확장 가능한 새로운 형태의 귀납적 설명인 FAME(Formal Abstract Minimal Explanation) 을 제안하고, 이를 통해 기존 방법 대비 설명 크기와 실행 시간 측면에서 일관된 개선을 달성했음을 보여줍니다.
이 논문은 산업 제어 시스템 (ICS) 의 사이버 - 물리적 위협을 탐지하기 위해 시공간적 주의 메커니즘을 활용한 그래프 신경망 (STA-GNN) 을 제안하여, 불규칙한 시스템 변화 (drifting) 에 대응하고 높은 설명 가능성을 갖춘 신뢰할 수 있는 이상 탐지 솔루션을 제시합니다.
이 논문은 핵융합 관련 자기유체역학 (MHD) 문제에서 소수의 센서 데이터만으로도 전체 유동장을 정확하게 재구성할 수 있는 경량 순환 디코더 네트워크 (SHRED) 기반의 효율적인 대리 모델 프레임워크를 제안하고, 이를 통해 실시간 모니터링 및 제어에의 적용 가능성을 입증합니다.
이 논문은 지식 증류와 탐색 공간의 정밀한 축소를 기반으로 하여 블랙박스 신경망에 대한 적대적 예제를 보장된 수렴성으로 계산하는 'Contract And Conquer (CAC)' 방법을 제안하고 ImageNet 데이터셋에서 기존 최첨단 방법들을 능가하는 성능을 입증합니다.