Fibration Policy Optimization
이 논문은 토큰, 궤적, 도메인 등 다양한 수준의 안정성 제어를 통합하기 위해 신뢰 영역 이론과 대수적 구조를 결합한 새로운 정책 최적화 프레임워크인 'Fibration Policy Optimization (FiberPO)'을 제안합니다.
🤖 Category
cs.LG
8916 편의 논문
Optimising antibiotic switching via forecasting of patient physiology
이 논문은 과거 임상 결정이 아닌 환자 생리학적 지표의 확률적 예측을 통해 정맥 주사 항생제에서 경구제로 전환할 적절한 시기를 판단하고 환자를 우선순위화하는 해석 가능한 신경 프로세스 기반 의사결정 지원 시스템을 제안하여 항생제 관리 효율성을 증진시키는 방법을 제시합니다.
FedPrism: Adaptive Personalized Federated Learning under Non-IID Data
FedPrism 은 비동일 분포 (Non-IID) 데이터 환경에서 글로벌 모델의 일반화와 개인화된 적응 사이의 균형을 달성하기 위해, 클라이언트 모델을 글로벌 기반, 유사 클라이언트 공유 부분, 개인 전용 부분으로 분해하는 프리즘 분해와 일반 모델 및 로컬 전문가 간의 신뢰도 기반 라우팅을 결합한 이중 스트림 아키텍처를 제안합니다.
FlowTouch: View-Invariant Visuo-Tactile Prediction
이 논문은 카메라 시점과 센서 설정에 구애받지 않고 시각 정보를 기반으로 접촉 패턴을 예측하여 시뮬레이션과 현실 간의 격차를 해소하고 그립 안정성 예측에 활용 가능한 새로운 모델 'FlowTouch'를 제안합니다.
Beyond ReinMax: Low-Variance Gradient Estimators for Discrete Latent Variables
이 논문은 ReinMax 추정기의 높은 분산을 Rao-Blackwellisation 및 제어 변수 기법을 통해 개선한 ReinMax-Rao 와 ReinMax-CV 추정기를 제안하고, 이를 통해 이산 잠재 변수를 가진 변이 오토인코더의 학습 성능을 향상시켰음을 보여줍니다.
Airborne Magnetic Anomaly Navigation with Neural-Network-Augmented Online Calibration
이 논문은 사전 보정 비행 없이 항공기 자기 간섭을 실시간으로 보상하여 위성 항법에 대한 견고한 대안을 제공하는, 물리 기반 보정 모델과 신경망을 결합한 적응형 공중 자기 이상 항법 (MagNav) 아키텍처를 제안합니다.
Towards a more efficient bias detection in financial language models
이 논문은 금융 언어 모델의 편향을 탐지하는 데 드는 막대한 계산 비용을 줄이기 위해, 여러 모델 간 편향 패턴의 유사성을 분석하고 한 모델의 결과를 활용해 다른 모델의 편향 유발 입력을 조기에 식리는 효율적인 방법을 제안합니다.
SCL-GNN: Towards Generalizable Graph Neural Networks via Spurious Correlation Learning
이 논문은 노드 특징과 레이블 간의 허위 상관관계를 힐베르트-슈미트 독립성 기준 (HSIC) 을 통해 식별하고 완화하는 메커니즘과 이중 수준 최적화 전략을 도입하여, 분포 변화 (OOD) 상황에서도 강건한 일반화 성능을 달성하는 새로운 그래프 신경망 프레임워크인 SCL-GNN 을 제안합니다.
TA-RNN-Medical-Hybrid: A Time-Aware and Interpretable Framework for Mortality Risk Prediction
이 논문은 불규칙한 시계열 구조와 복잡한 질병 경로를 가진 중환자실 전자의무기록을 기반으로 사망 위험을 정확하고 해석 가능하게 예측하기 위해, 명시적 연속 시간 인코딩과 SNOMED 기반 의학적 개념 표현을 통합한 'TA-RNN-Medical-Hybrid'라는 새로운 딥러닝 프레임워크를 제안하고 MIMIC-III 데이터셋에서 우수한 성능과 임상적 통찰력을 입증합니다.
PolyFormer: learning efficient reformulations for scalable optimization under complex physical constraints
이 논문은 물리적 및 기하학적 지식을 활용하여 복잡한 물리 법칙으로 제약된 최적화 문제를 효율적인 다면체 재형식으로 변환함으로써 계산 속도를 최대 6,400 배 향상시키고 메모리 사용량을 99.87% 줄이면서 고품질 해를 제공하는 'PolyFormer'를 제안합니다.
Posterior Sampling Reinforcement Learning with Gaussian Processes for Continuous Control: Sublinear Regret Bounds for Unbounded State Spaces
이 논문은 비구속 상태 공간에서 가우시안 프로세스 사후 샘플링 강화 학습 (GP-PSRL) 알고리즘의 베이지안 후회 상한을 유도하여, 최대 정보 획득량에 대한 최적의 의존성과 비구속 상태 공간의 문제를 해결하고 기존 이론적 한계를 극복했습니다.
Minor First, Major Last: A Depth-Induced Implicit Bias of Sharpness-Aware Minimization
이 논문은 선형 분리 가능한 이진 분류에서 심층 선형 대각 네트워크를 학습할 때, SAM(Sharpness-Aware Minimization) 이 깊이 이상에서 초기화에 민감하게 반응하거나 '순차적 특징 증폭' 현상을 보이는 등 경사 하강법 (GD) 과는 근본적으로 다른 암시적 편향을 가짐을 이론적으로 증명하고 실험적으로 검증합니다.
Graph-Instructed Neural Networks for parametric problems with varying boundary conditions
이 논문은 다양한 경계 조건을 가진 매개변수 편미분방정식 (PDE) 의 효율적이고 정확한 시뮬레이션을 위해, 기존 축소 차원 기법의 한계를 극복하고 복잡한 PDE 를 강력하게 표현할 수 있는 그래프 지시 신경망 (GINN) 프레임워크를 제안합니다.
Concept-Guided Fine-Tuning: Steering ViTs away from Spurious Correlations to Improve Robustness
이 논문은 LLM 과 VLM 을 활용해 자동 생성된 개념 기반 마스크를 사용하여 비전 트랜스포머 (ViT) 의 내부 관련성 지도를 정렬함으로써, 배경과 같은 허위 상관관계에 의존하는 문제를 해결하고 분포 변화에 대한 강건성을 향상시키는 새로운 파인튜닝 프레임워크를 제안합니다.
Sign Identifiability of Causal Effects in Stationary Stochastic Dynamical Systems
이 논문은 확산 행렬을 알지 못하는 연속 시간 선형 정상 확률 미분방정식에서 인과 구조 하의 드리프트 계수 부호의 식별 가능성 (edge-sign identifiability) 을 연구하고, 충실도 (faithfulness) 개념을 기반으로 일반 그래프에 대한 식별성 판별 기준을 제시하며 다양한 인과 구조에서의 부호 식별성을 규명합니다.
Beyond Attention Heatmaps: How to Get Better Explanations for Multiple Instance Learning Models in Histopathology
이 논문은 디지털 병리학에서 다중 인스턴스 학습 (MIL) 모델의 주석 열지도 (heatmap) 의 유효성을 검증하기 위한 새로운 평가 프레임워크를 제시하고, 기존 주의 메커니즘 기반 방법보다 교란 (perturbation) 및 계층별 관련성 전파 (LRP) 같은 기법이 모델 의사결정 메커니즘을 더 정확하게 반영하여 생물학적 통찰력을 제공할 수 있음을 대규모 벤치마크 실험을 통해 입증했습니다.
Electrocardiogram Classification with Transformers Using Koopman and Wavelet Features
이 논문은 확장 동적 모드 분해 (EDMD) 를 활용한 koopman 연산자 기반 특징과 트랜스포머를 결합하여 심전도 (ECG) 다중 클래스 분류에서 기존 웨이블릿 방법보다 우수한 성능을 달성하고, 특히 적절한 EDMD 사전 (라디얼 기저 함수) 선택의 중요성을 규명했습니다.
Rethinking Attention Output Projection: Structured Hadamard Transforms for Efficient Transformers
이 논문은 어텐션 출력 프로젝션에 가중치 매개변수가 없는 월시-해다마르 변환을 도입하여 모델 파라미터와 메모리 사용량을 줄이면서도 성능은 유지하거나 오히려 향상시키는 효율적인 트랜스포머 아키텍처를 제안합니다.
Towards plausibility in time series counterfactual explanations
이 논문은 유효성, 희소성, 근접성 및 새로운 소프트-DTW 기반의 타당성 요소를 결합한 손실 함수를 통해 시계열 분류 문제에 대해 현실적인 시간적 구조를 가진 반사실적 설명을 생성하는 새로운 방법을 제안하고, 기존 방법들보다 타겟 클래스와의 분포 정렬 및 시간적 현실성 측면에서 우수한 성능을 입증합니다.
Unifying On- and Off-Policy Variance Reduction Methods
이 논문은 온라인 A/B 테스트의 차분 평균 추정기와 최적 제어 변수를 갖춘 오프 정책 역확률 가중 추정기 간의 수학적 동등성, 그리고 회귀 보정 기법과 이중 강건 추정 간의 구조적 동등성을 증명하여 두 분야의 분산 감소 방법을 통합하는 이론적 틀을 제시합니다.