Overcoming Representation Bias in Fairness-Aware data Repair using Optimal Transport
이 논문은 베이지안 비모수 정지 규칙을 도입하여 표현 편향을 완화하고 아카이브 데이터에도 적용 가능한 최적 수송 기반의 공정한 데이터 복구 프레임워크를 제안합니다.
🤖 Category
cs.LG
2316 편의 논문
Unsupervised Representation Learning from Sparse Transformation Analysis
이 논문은 잠재 변수의 변환을 희소 성분으로 분해하여 시퀀스 데이터에서 비지도 학습을 수행함으로써, 독립적인 요인과 변환 원리를 모두 포착하는 새로운 형태의 분리된 표현을 학습하고 데이터 가능성과 근사 공변성 오류 측면에서 최첨단 성능을 달성함을 보여줍니다.
Learning responsibility allocations for multi-agent interactions: A differentiable optimization approach with control barrier functions
이 논문은 제어 장벽 함수와 미분 가능 최적화를 기반으로 한 데이터 중심 접근법을 통해 다중 에이전트 상호작용에서 안전성을 보장하기 위해 에이전트가 얼마나 자신의 행동을 조정하는지 (책임 할당) 를 학습하고 해석 가능한 정량적 통찰을 제공하는 방법을 제시합니다.
Calabi-Yau metrics through Grassmannian learning and Donaldson's algorithm
이 논문은 머신러닝 기법과 도널드슨의 알고리즘을 결합하여 그라스만 다양체 상의 경사 하강법을 통해 칼라비 - 야우 계량을 효율적으로 근사하는 새로운 방법을 제안하고, 이를 더커 가족 3-다양체에 적용하여 모듈라이 공간에서의 수렴 거동과 비자명한 국소 최소값의 출현을 분석합니다.
Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
이 논문은 유한 분포를 가진 중꼬리 잡음, -오염, 그리고 -혼합 의존성 하에서 고차원 강건한 희소 회귀를 위해 적응형 중요도 샘플링 (AIS) 과 계층적 하위표본 추출 (SS) 두 가지 추정기를 제안하며, 이론적 최적성, 편향 보정, 그리고 실증적 성능 개선을 입증합니다.
Scalable Message Passing Neural Networks: No Need for Attention in Large Graph Representation Learning
이 논문은 어텐션 메커니즘 대신 표준 합성곱 메시지 패싱을 Pre-Layer Normalization 트랜스포머 블록에 통합하여, 계산 비용이 적게 드면서도 오버스무딩 문제를 해결하고 대규모 그래프에서 최첨단 성능을 내는 확장 가능한 메시지 패싱 신경망 (SMPNN) 을 제안하고 이론적으로 분석합니다.
SPDIM: Source-Free Unsupervised Conditional and Label Shift Adaptation in EEG
이 논문은 뇌파 (EEG) 데이터의 비정상성과 라벨 시프트 문제를 해결하기 위해 SPD 다양체 기반의 기하학적 딥러닝 프레임워크인 SPDIM 을 제안하고, 정보 최대화 원리를 활용하여 타겟 도메인별 단일 파라미터를 최적화함으로써 기존 방법보다 우수한 적응 성능을 입증했습니다.
Prognostics for Autonomous Deep-Space Habitat Health Management under Multiple Unknown Failure Modes
이 논문은 라벨이 없는 고장 데이터를 기반으로 잠재 고장 모드를 식별하고 정보성 센서를 선택하여 심우주 서식지의 잔여 수명을 예측하는 새로운 비지도 예지 프레임워크를 제안하고, 이를 시뮬레이션 및 NASA C-MAPSS 벤치마크를 통해 기존 방법보다 향상된 정확도로 검증했습니다.
Morphological-Symmetry-Equivariant Heterogeneous Graph Neural Network for Robotic Dynamics Learning
이 논문은 로봇의 운동학적 구조와 형태적 대칭성을 통합하여 높은 일반화 능력과 샘플 효율성을 보장하는 'MS-HGNN'이라는 새로운 이종 그래프 신경망 아키텍처를 제안하고, 이를 다양한 4 족 보행 로봇 동역학 학습 문제에서 실증적으로 검증합니다.
CuriousBot: Interactive Mobile Exploration via Actionable 3D Relational Object Graph
이 논문은 모바일 로봇의 능동적 상호작용을 통한 환경 탐사 한계를 극복하기 위해 다양한 물체 관계를 인코딩한 3D 관계 객체 그래프를 제안하고, 이를 기반으로 한 시스템이 기존 비전 - 언어 모델 기반 방법보다 다양한 장면과 물체에서 뛰어난 일반화 성능을 보임을 입증합니다.
Molecular Fingerprints Are Strong Models for Peptide Function Prediction
이 논문은 복잡한 장기 의존성 모델링 없이도 단순한 분자 지문 (Molecular Fingerprints) 과 LightGBM 을 활용하여 펩타이드 기능 예측에서 그래프 신경망 및 트랜스포머 기반 모델보다 뛰어난 성능을 달성했음을 132 개 데이터셋을 통해 입증했습니다.
Astromer 2
이 논문은 MACHO 서베이 데이터로 사전 학습된 자기지도 학습 기반의 새로운 기초 모델인 Astromer 2 를 제안하며, 기존 모델인 Astromer 1 보다 제한된 레이블 데이터에서도 더 높은 분류 성능과 일반화 능력을 입증합니다.
When Machine Learning Gets Personal: Evaluating Prediction and Explanation
이 논문은 의료와 같은 고위험 분야에서 개인화된 머신러닝 모델이 예측 성능과 설명 가능성에 미치는 영향을 통합적으로 평가하는 프레임워크를 제안하고, 데이터셋의 통계적 특성에 따라 이러한 효과를 검증할 수 있는 한계를 규명합니다.
On the Impact of the Utility in Semivalue-based Data Valuation
이 논문은 시미밸류 기반 데이터 가치 평가의 유틸리티 선택에 따른 민감도 문제를 해결하기 위해 데이터 포인트를 저차원 공간에 매핑하는 '공간 서명' 개념을 도입하고, 이를 통해 유틸리티 변경에 따른 평가 결과의 강건성을 정량적으로 측정하는 실용적인 방법론을 제시합니다.
A Distributional Treatment of Real2Sim2Real for Object-Centric Agent Adaptation in Vision-Driven Deformable Linear Object Manipulation
이 논문은 가소성 선형 물체 (DLO) 의 물리적 매개변수에 대한 확률적 추정을 통해 시뮬레이션과 현실 간의 차이를 해소하고, 이를 기반으로 학습된 제어가 추가 미세 조정 없이도 실제 환경에서 성공적으로 적용될 수 있는 통합된 Real2Sim2Real 프레임워크를 제안합니다.
Improving clustering quality evaluation in noisy Gaussian mixtures
이 논문은 노이즈가 포함된 가우시안 혼합 모델에서 클러스터링 품질 평가의 신뢰성을 높이기 위해 특징의 분산에 기반한 특징 중요도 재조정 (FIR) 방법을 제안하고, 이를 통해 무지도 학습 환경에서 클러스터링 유효성 지수와 실제 정답 간의 상관관계를 개선한다는 것을 보여줍니다.
Functional Unit: A New Perspective on Materials Science Research Paradigms
이 논문은 데이터 기반 AI 패러다임으로 전환되는 재료 과학 연구에서 '구조 - 특성' 상관관계와 지식 계승의 공백을 메우기 위해 새로운 개념인 '기능 단위 (Functional Units)'를 도입하고, 이를 통한 다중 규모 재료 설계 및 AI 기반 재료 혁신의 기회와 과제를 논의합니다.
HyConEx: Hypernetwork classifier with counterfactual explanations for tabular data
이 논문은 표 형식 데이터를 위해 설계된 하이퍼네트워크 기반의 분류기인 HyConEx 를 제안하여, 정확도 높은 예측과 동시에 모델의 결정 근거를 설명하는 반사실적 예제를 생성하는 통합 딥러닝 모델을 제시합니다.
Experiments with Optimal Model Trees
이 논문은 선형 서포트 벡터 머신을 리프 노드로 사용하는 최적 모델 트리를 혼합 정수 선형 프로그래밍을 통해 학습하고, 기존 탐욕적 알고리즘 및 다른 머신러닝 모델과 비교하여 해석 가능성과 정확도 측면에서 경쟁력 있는 성능을 입증했습니다.
A Consequentialist Critique of Binary Classification Evaluation: Theory, Practice, and Tools
이 논문은 기계 학습의 이진 분류 평가가 임계값과 기저율 전반에 걸친 예측 품질을 우선시하는 결과주의적 관점 (적절한 스코어링 규칙 등) 으로 전환해야 함을 주장하며, 현재 관행과의 간극을 해소하기 위한 이론적 프레임워크, 새로운 평가 지표, 그리고 실용적 Python 도구인 `briertools`를 제시합니다.