Pavement Missing Condition Data Imputation through Collective Learning-Based Graph Neural Networks
이 논문은 센서 오류 등으로 인해 불완전한 도로 포장 상태 데이터를 해결하기 위해, 인접 구간 특성과 관측된 구간 간 의존성을 모두 학습하는 집단 학습 기반 그래프 합성곱 신경망 (GCN) 모델을 제안하고 텍사스 주 교통부 데이터를 통해 그 유효성을 입증했습니다.
🤖 Category
cs.LG
13021 편의 논문
Grouter: Decoupling Routing from Representation for Accelerated MoE Training
이 논문은 사전 학습된 MoE 모델에서 고품질 구조를 추출하여 고정된 라우팅을 적용함으로써 구조 최적화와 가중치 업데이트를 분리하는 'Grouter'를 제안하여 MoE 학습의 수렴 속도와 효율성을 획기적으로 개선합니다.
T-REX: Transformer-Based Category Sequence Generation for Grocery Basket Recommendation
이 논문은 온라인 장바구니 추천의 고유한 도전을 해결하기 위해 짧은 기간의 장바구니 의존성과 장기적인 사용자 선호도를 모두 학습하여 차원을 축소하면서도 추천 품질을 유지하는 새로운 트랜스포머 아키텍처인 T-REX 를 제안하고, 기존 모델보다 향상된 성능을 입증했습니다.
Leakage Safe Graph Features for Interpretable Fraud Detection in Temporal Transaction Networks
이 논문은 시간적 누출을 방지하는 인과적 그래프 특징 추출 프로토콜을 제안하여, 거래 속성만으로는 포착하기 어려운 네트워크 구조적 패턴을 활용함으로써 해석 가능한 사기 탐지 성능을 향상시키고 위험 분석 워크플로우를 지원함을 보여줍니다.
A new Uncertainty Principle in Machine Learning
이 논문은 머신러닝에서 다항식 해 탐색 시 발생하는 심한 퇴화 현상을 '최소값이 날카로울수록 계곡이 매끄러워지는' 새로운 불확정성 원리로 규명하고, 이를 푸리에 및 웨이블릿 분석의 불확정성 원리를 확장한 물리학적 현상으로 해석합니다.
Graph Property Inference in Small Language Models: Effects of Representation and Inference Strategy
이 논문은 소규모 언어 모델의 그래프 속성 추론 성능이 모델의 규모뿐만 아니라 이웃 구조를 보존하는 입력 표현 방식과 다중 분기 추론 전략과 같은 구조적 조직화 및 추론 설계에 크게 의존한다는 것을 체계적으로 규명했습니다.
SmartBench: Evaluating LLMs in Smart Homes with Anomalous Device States and Behavioral Contexts
이 논문은 스마트 홈 환경의 비정상적인 상태와 행동 맥락을 감지하는 대형 언어 모델 (LLM) 의 능력을 평가하기 위해 고안된 최초의 벤치마크 'SmartBench'를 소개하고, 기존 최첨단 모델들이 이러한 비정상 상태 감지에서 여전히 미흡한 성능을 보임을 실험을 통해 입증했습니다.
HEARTS: Benchmarking LLM Reasoning on Health Time Series
이 논문은 다양한 건강 시계열 데이터와 110 가지의 과제를 포함하는 통합 벤치마크 'HEARTS'를 제안하여, 현재 대규모 언어 모델 (LLM) 이 전문 모델에 비해 건강 시계열 추론에서 심각한 한계를 보이며 단순한 휴리스틱에 의존하고 시간적 복잡도가 증가할수록 성능이 저하된다는 사실을 규명했습니다.
RECAP: Local Hebbian Prototype Learning as a Self-Organizing Readout for Reservoir Dynamics
이 논문은 오차 역전파 없이 고차원 리저브 동역학과 국소 헤비안 프로토타입 읽기출을 결합하여, 손상된 훈련 데이터 없이도 MNIST-C 와 같은 다양한 왜곡에 대해 강인한 이미지 분류를 가능하게 하는 RECAP 알고리즘을 제안합니다.
Roots Beneath the Cut: Uncovering the Risk of Concept Revival in Pruning-Based Unlearning for Diffusion Models
이 논문은 확산 모델의 프루닝 기반 학습 제거 방식이 제거된 개념의 위치 정보를 누출시켜 데이터나 재학습 없이도 개념을 부활시킬 수 있는 치명적인 취약점이 있음을 발견하고, 이를 방어하기 위한 안전한 프루닝 메커니즘을 제안합니다.
SR-TTT: Surprisal-Aware Residual Test-Time Training
이 논문은 TTT(Test-Time Training) 모델의 긴 문맥 기억 한계를 해결하기 위해, 예측하기 어려운 토큰만 전통적인 어텐션 캐시에 저장하고 나머지는 압축된 상태에 유지하는 'SR-TTT'라는 새로운 아키텍처를 제안합니다.
Quantum Deep Learning: A Comprehensive Review
이 논문은 양자 심층 학습 (QDL) 에 대한 운영적 정의와 네 가지 주요 패러다임을 제시하고, 이론적 원리부터 다양한 하드웨어 구현, 응용 분야, 그리고 양자 우위 주장의 비판적 평가에 이르기까지 포괄적으로 검토하며 확장 가능한 양자 심층 학습을 위한 검증 중심의 로드맵을 제시합니다.
Trust Aware Federated Learning for Secure Bone Healing Stage Interpretation in e-Health
이 논문은 분산 의료 센싱 환경에서 신뢰할 수 없거나 적대적인 참여자의 영향을 완화하고 모델 무결성을 보장하기 위해 적응형 신뢰 점수 관리 메커니즘을 통합한 신뢰 인식 연동 학습 프레임워크를 제안하여 골절 치유 단계 해석의 안정성과 예측 성능을 향상시키는 방법을 제시합니다.
HURRI-GAN: A Novel Approach for Hurricane Bias-Correction Beyond Gauge Stations using Generative Adversarial Networks
이 논문은 물리 기반 해일 모델 (ADCIRC) 의 계산 시간 단축과 정확도 향상을 위해 시간 계열 생성적 적대 신경망 (TimeGAN) 을 활용한 새로운 AI 기반 태풍 편차 보정 방법론인 HURRI-GAN 을 제안하며, 관측소 위치를 넘어선 공간적 외삽을 통해 모델 오차를 효과적으로 보정하고 예측 성능을 입증했습니다.
Geodesic Gradient Descent: A Generic and Learning-rate-free Optimizer on Objective Function-induced Manifolds
이 논문은 목적 함수에 의해 유도된 다양체의 기하학적 구조를 정확히 반영하고 학습률 설정 없이도 최적화 경로를 다양체 상에 유지하도록 설계된 새로운 최적화 알고리즘인 '측지선 경사 하강법 (GGD)'을 제안하며, 이를 통해 기존 Adam 알고리즘 대비 Fully Connected 네트워크와 CNN 에서 각각 MSE 와 교차 엔트로피 손실을 유의미하게 감소시키는 효과를 입증했습니다.
How the Graph Construction Technique Shapes Performance in IoT Botnet Detection
본 논문은 IoT 봇넷 탐지를 위해 VAE 로 차원을 축소하고 다양한 그래프 구성 기법을 적용한 GAT 모델을 평가한 결과, 가브리엘 그래프가 97.56% 의 정확도로 가장 우수한 성능을 보임을 입증했습니다.
Approximate Nearest Neighbor Search for Modern AI: A Projection-Augmented Graph Approach
이 논문은 현대 AI 애플리케이션의 다양한 요구사항을 충족하기 위해 투영 기법을 그래프 인덱스에 통합하여 기존 방법보다 5 배 빠른 검색 속도와 우수한 성능을 제공하는 새로운 근사 최근접 이웃 검색 프레임워크인 '투영 증강 그래프 (PAG)'를 제안합니다.
EnsAug: Augmentation-Driven Ensembles for Human Motion Sequence Analysis
이 논문은 데이터 증강의 기하학적 제약을 고려하여 각기 다른 단일 변환으로 학습된 전문가 모델들의 앙상블인 'EnsAug'을 제안함으로써, 기존 단일 모델 접근법보다 뛰어난 성능과 효율성을 입증했습니다.
HyperTokens: Controlling Token Dynamics for Continual Video-Language Understanding
이 논문은 기존 작업 간 간섭과 메모리 비용을 해결하기 위해 메타 학습 기반 정규화와 인과적 보조 감독을 통해 토큰 생성을 동적으로 제어하는 'HyperTokens'을 제안하여, 지속적인 비디오 - 언어 이해에서 망각을 줄이고 성능을 향상시키는 방법을 제시합니다.
ERP-RiskBench: Leakage-Safe Ensemble Learning for Financial Risk
이 논문은 데이터 유출을 방지하고 과대평가된 성능을 교정하기 위해 중첩 교차검증과 시간/그룹 인식 분할을 적용한 앙상블 학습 기반의 ERP 재무 리스크 탐지 프레임워크 'ERP-RiskBench'를 제안하며, 이를 통해 조달 규정 준수 이상과 거래 사기를 효과적으로 식별할 수 있는 재현 가능한 실험 환경을 구축합니다.