Neural Precoding in Complex Projective Spaces
이 논문은 다중 사용자 MISO 시스템에서 전구간 위상 불변성을 활용하여 전구간 위상 중복성을 제거한 복소 사영 공간 (CPS) 기반 딥러닝 프리코딩 프레임워크를 제안함으로써, 기존 방식 대비 합계 용량 성능과 일반화 능력을 크게 향상시킨다는 점을 보여줍니다.
🤖 Category
cs.LG
11572 편의 논문
Learning embeddings of non-linear PDEs: the Burgers' equation
이 논문은 물리 정보 신경망 (PINN) 에 다중 헤드 구조와 주성분 분석 (PCA) 을 결합하여 비선형 편미분방정식 (버거스 방정식) 의 해 공간에 대한 저차원 임베딩을 구축하고, 이를 통해 역학적 특성을 포착하는 소수의 잠재 모드를 추출하는 방법을 제시합니다.
Fusion Complexity Inversion: Why Simpler Cross View Modules Outperform SSMs and Cross View Attention Transformers for Pasture Biomass Regression
이 논문은 목초 생체량 회귀 과제에서 데이터의 희소성으로 인해 복잡한 융합 모듈보다 단순한 국소 모듈이 더 우수한 성능을 보이며, 특히 백본 모델의 사전 학습 품질이 아키텍처 선택보다 결정적인 요소임을 규명했습니다.
Transferable Optimization Network for Cross-Domain Image Reconstruction
이 논문은 다양한 도메인의 대규모 이질적 데이터로 범용 특징 추출기를 학습한 후, 제한된 데이터만 있는 새로운 타겟 도메인에 맞춰 어댑터를 학습하는 이중 최적화 기반 전이 학습 프레임워크를 제안하여, 데이터 부족 문제를 해결하고 고품질의 이미지 재구성을 가능하게 합니다.
Gradient Iterated Temporal-Difference Learning
이 논문은 이동하는 타겟에 대한 기울기를 계산하여 반-기울기 방법과 경쟁할 수 있는 학습 속도를 가지면서도 수렴성을 보장하는 '기울기 반복 시간차 (Gradient Iterated TD) 학습' 알고리즘을 제안하고, 아타리 게임 등 다양한 벤치마크에서 기존 반-기울기 방법과 경쟁하는 성능을 입증했습니다.
Guess & Guide: Gradient-Free Zero-Shot Diffusion Guidance
이 논문은 역전파 오버헤드 없이 다양한 역문제에 대해 가장 빠르고 파레토 최적의 성능을 달성하는 경량 가능도 대리 모델을 제안하여, 사전 학습된 확산 모델을 활용한 제로샷 생성의 계산 비용을 획기적으로 줄였습니다.
An Interpretable Generative Framework for Anomaly Detection in High-Dimensional Financial Time Series
이 논문은 복잡한 시계열 의존성과 교차-sectional 구조의 진화를 고려하여, 예측 불일치와 재구성 저하 등을 통합한 해석 가능한 생성 모델 ReGEN-TAD 를 제안함으로써 레이블이 없는 고차원 금융 시계열 데이터의 이상 탐지 및 경제적 요인 귀속을 가능하게 합니다.
Viewpoint-Agnostic Grasp Pipeline using VLM and Partial Observations
이 논문은 가시성 제한과 부분 관측이 있는 혼란스러운 환경에서도 자연어 명령에 따라 안전하고 실행 가능한 6 자유도 집기를 보장하기 위해, VLM 기반의 객체 인식과 깊이 보상을 통한 점구름 완성을 결합한 종단간 그립 파이프라인을 제안하고 실제 4 족 보행 로봇을 통해 기존 방식 대비 집기 성공률을 30% 에서 90% 로 획기적으로 향상시켰음을 입증합니다.
Slumbering to Precision: Enhancing Artificial Neural Network Calibration Through Sleep-like Processes
이 논문은 생물의 수면과 기억 재생 메커니즘에서 영감을 받아, 지도 재학습 없이도 신경망의 확률 예측 정확도를 향상시키는 '수면 재생 통합 (SRC)'이라는 새로운 보정 기법을 제안하고 그 유효성을 입증합니다.
Hospitality-VQA: Decision-Oriented Informativeness Evaluation for Vision-Language Models
본 논문은 호텔 및 시설 이미지 기반의 소비자 의사결정에 초점을 맞춘 새로운 VQA 데이터셋과 '정보성 (Informativeness)' 평가 프레임워크를 제안하여, 현재 시각 - 언어 모델이 도메인 특화 미세조정 없이는 의사결정에 필요한 핵심 정보를 효과적으로 활용하지 못함을 규명했습니다.
Toward Unified Multimodal Representation Learning for Autonomous Driving
이 논문은 자율주행을 위한 엔드투엔드 성능 향상을 위해 기존 쌍별 유사도 정렬의 한계를 극복하고, 다중 모달리티를 통합된 임베딩 공간에 동시 정렬하는 '대조 텐서 프리트레이닝 (CTP)' 프레임워크를 제안합니다.
Reject, Resample, Repeat: Understanding Parallel Reasoning in Language Model Inference
이 논문은 입자 필터링 (Sequential Monte Carlo) 알고리즘의 렌즈를 통해 언어 모델 추론 시 다중 샘플을 집계하고 가지치기하는 방법의 정확도 - 비용 트레이드오프를 이론적으로 분석하고 실험적으로 검증하여, 샘플링 오차를 설명하는 기준을 제시하지만 최종 정확도에는 한계가 있음을 밝힙니다.
VLM-SubtleBench: How Far Are VLMs from Human-Level Subtle Comparative Reasoning?
이 논문은 기존 벤치마크가 놓치고 있는 미세한 시각적 차이 식별 능력을 평가하기 위해 산업, 의료, 항공 등 다양한 도메인과 10 가지 차이 유형을 포괄하는 'VLM-SubtleBench'를 제안하고, 이를 통해 현재 VLM 들이 인간 수준의 비교 추론에 도달하기까지 여전히 큰 격차가 있음을 규명합니다.
Designing probabilistic AI monsoon forecasts to inform agricultural decision-making
이 논문은 다양한 농가의 상황에 맞춰 최적의 의사결정을 지원하기 위해 의사결정 이론 프레임워크를 도입하고, 인공지능 기상 예측 모델과 진화하는 농가 기대치 통계 모델을 결합하여 인도 몬순 강우 시작 시기를 정확히 예측해 3,800 만 명의 농가에 배포한 사례를 제시합니다.
SMGI: A Structural Theory of General Artificial Intelligence
이 논문은 표현 매핑, 가설 공간, 구조적 사전 지식, 평가자, 기억 연산자를 명시적으로 유형화된 동적 구성 요소로 정의하여 기존 학습 최적화 패러다임을 학습 인터페이스의 제어된 진화로 재해석하고, 고전적 및 현대적 AI 접근법을 SMGI 의 구조적 하위 집합으로 포함시키는 일반 인공지능의 구조적 이론을 제시합니다.
LeJOT-AutoML: LLM-Driven Feature Engineering for Job Execution Time Prediction in Databricks Cost Optimization
이 논문은 Databricks 작업 실행 시간 예측을 위해 LLM 에이전트와 검색 증강 생성 (RAG) 을 활용한 LeJOT-AutoML 프레임워크를 제안하여, 기존 수동 피처 엔지니어링의 한계를 극복하고 20~30 분 내에 200 개 이상의 동적 피처를 생성함으로써 19.01% 의 비용 절감 효과를 달성했다고 요약할 수 있습니다.
Revisiting Unknowns: Towards Effective and Efficient Open-Set Active Learning
이 논문은 레이블이 지정된 미지 클래스를 활용하여 기존 오픈셋 활성 학습의 한계를 극복하고, 검출기 없이도 높은 정확도와 효율성을 달성하는 통합 프레임워크인 EOAL 을 제안합니다.
Bayesian Transformer for Probabilistic Load Forecasting in Smart Grids
이 논문은 몬테카를로 드롭아웃, 변분 피드포워드 레이어, 확률적 어텐션 메커니즘을 PatchTST 백본에 통합한 베이지안 트랜스포머 (BT) 를 제안하여, 기존 심층 학습 모델이 극단적인 기상 변화에서 겪는 과도한 자신감 문제를 해결하고 스마트 그리드의 부하 예측 불확실성을 정교하게 추정하는 새로운 기준을 제시합니다.
NaviDriveVLM: Decoupling High-Level Reasoning and Motion Planning for Autonomous Driving
본 논문은 대규모 VLM 의 추론 능력과 경량 모델의 효율성을 결합하여 추론과 동작 계획을 분리한 'NaviDriveVLM'을 제안함으로써, nuScenes 벤치마크에서 기존 대규모 VLM 기반 시스템보다 우수한 종단간 운동 계획 성능을 달성했다고 요약할 수 있습니다.
DyQ-VLA: Temporal-Dynamic-Aware Quantization for Embodied Vision-Language-Action Models
이 논문은 시계열적 동적 민감도를 고려하여 실시간 킨매틱 프로시를 기반으로 비트 폭을 동적으로 할당하는 'DyQ-VLA' 프레임워크를 제안함으로써, embodied Vision-Language-Action 모델의 메모리 사용량을 30.9% 로 줄이면서도 성능을 99.5% 유지하고 추론 속도를 크게 향상시킵니다.