Adaptive Transfer Clustering: A Unified Framework
이 논문은 주 데이터와 보조 데이터 간의 잠재적 군집 구조 차이를 자동으로 보정하여 편향 - 분산 최적화를 통해 전이 학습 기반 군집화의 효율성을 극대화하는 '적응형 전이 군집화 (ATC)' 프레임워크를 제안하고, 가우시안 혼합 모델 하에서의 이론적 최적성과 다양한 실험을 통한 유효성을 입증합니다.
🤖 Category
cs.LG
2356 편의 논문
A Learned Proximal Alternating Minimization Algorithm and Its Induced Network for a Class of Two-block Nonconvex and Nonsmooth Optimization
이 논문은 두 블록 비볼록 및 비연속 최적화 문제를 해결하기 위해 잔차 학습 아키텍처와 블록 좌표 하강을 결합한 학습된 근사 교대 최소화 알고리즘 (LPAM) 과 이를 기반으로 한 해석 가능한 신경망 (LPAM-net) 을 제안하며, 특히 다중 모달 MRI 재구성에서 우수한 성능과 파라미터 효율성을 입증했습니다.
Autoassociative Learning of Structural Representations for Modeling and Classification in Medical Imaging
이 논문은 연속적인 특징에 의존하는 기존 딥러닝의 한계를 극복하고, 시각적 원리를 기반으로 이미지를 재구성하여 고수준 구조적 설명을 학습하는 신경기호 시스템을 제안하며, 조직학적 이미지 이상 진단에서 기존 딥러닝보다 높은 분류 정확도와 투명성을 입증했습니다.
Puppet-CNN: Continuous Parameter Dynamics for Input-Adaptive Convolutional Networks
이 논문은 신경 ODE 를 기반으로 가중치가 연속적인 동역학 시스템으로 진화하고 입력 복잡도에 따라 계산 깊이가 적응적으로 조절되는 새로운 CNN 프레임워크인 Puppet-CNN 을 제안하여, 저장된 학습 가능한 파라미터를 대폭 줄이면서도 경쟁력 있는 예측 성능을 달성함을 보여줍니다.
Input-Adaptive Generative Dynamics in Diffusion Models
이 논문은 각 샘플의 생성 난이도에 따라 고정된 확산 궤적이 아닌 입력 적응형 생성 역학을 도입하여, 생성 품질을 유지하면서 평균 샘플링 단계를 줄일 수 있음을 증명합니다.
Optimizing Locomotor Task Sets in Biological Joint Moment Estimation for Hip Exoskeleton Applications
이 논문은 다양한 보행 과제의 생체역학적 특징을 군집 분석하여 최소한의 대표 과제 세트를 선정함으로써, 데이터 수집 부담을 크게 줄이면서도 힙 엑소스케레톤 제어용 신경망 모델의 정확도를 유지하는 최적화 전략을 제안합니다.
Finite Sample Bounds for Non-Parametric Regression: Optimal Sample Efficiency and Space Complexity
이 논문은 노이즈가 포함된 점별 관측값으로부터 매끄러운 함수와 그 도함수를 초점 노름 하에서 학습하는 문제를 해결하기 위해, 기존 커널 기반 방법의 높은 계산 및 메모리 비용을 극복하면서도 최소극한 최적의 수렴 속도와 메모리 효율성을 동시에 달성하는 새로운 매개변수 기반 접근법과 이에 대한 엄밀한 유한 표본 오차 하한 및 하한을 제시합니다.
GDM4MMIMO: Generative Diffusion Models for Massive MIMO Communications
본 논문은 생성 확산 모델 (GDM) 의 원리와 최근 연구 동향을 개관하고 근거리 채널 추정 사례를 통해 5G/6G 대용량 MIMO 통신의 효율적인 채널 상태 정보 획득을 위한 GDM 의 잠재력과 향후 연구 방향을 제시합니다.
Exploring Embedding Priors in Prompt-Tuning for Improved Interpretability and Control
이 논문은 프롬프트 튜닝에서 발생하는 임베딩 붕괴 현상의 중요성을 탐구하고, 제어 가능한 임베딩 사전 (priors) 이 모델 성능에 미치는 영향과 활성화 공간 내 태스크별 클러스터링 패턴을 분석하여 모델의 일반화 능력에 대한 새로운 통찰을 제시합니다.
From Pixels to Predicates: Learning Symbolic World Models via Pretrained Vision-Language Models
이 논문은 사전 학습된 비전 - 언어 모델 (VLM) 을 활용하여 시각적 술어 (predicates) 를 추출하고 최적화 기반 학습을 통해 추상적 심볼릭 세계 모델을 구축함으로써, 제한된 짧은 시퀀스 데모만으로도 다양한 물체, 배경, 그리고 훈련 시 보지 못한 긴 시간 범위의 새로운 목표에 대해 제로샷 일반화가 가능한 로봇 의사결정 시스템을 제안합니다.
UFGraphFR: Graph Federation Recommendation System based on User Text description features
이 논문은 사용자의 텍스트 설명 기반 시맨틱 벡터를 활용하여 프라이버시를 보호하면서도 글로벌 사용자 관계 그래프를 재구성하고 개인화된 행동 시퀀스를 학습함으로써 추천 정확도를 획기적으로 향상시킨 새로운 연합 추천 프레임워크인 UFGraphFR 을 제안합니다.
Efficient Semi-Supervised Adversarial Training via Latent Clustering-Based Data Reduction
이 논문은 잠재 공간 클러스터링을 기반으로 결정 경계 근처의 핵심 데이터 샘플을 선별하거나 생성하여, 반지도 적대적 학습 (SSAT) 의 데이터 요구량과 계산 비용을 획기적으로 줄이면서도 강력한 적대적 견고성을 유지하는 효율적인 방법을 제안합니다.
The Exploration of Error Bounds in Classification with Noisy Labels
이 논문은 딥러닝 프레임워크 내 노이즈가 있는 레이블을 가진 분류 문제에서 초과 위험의 오차 상한을 유도하고, 이를 통계적 오차와 근사 오차로 분해하여 종속성 처리, 벡터 값 설정, 저차원 매니폴드 가정을 통해 각각 분석합니다.
Strengthening Generative Robot Policies through Predictive World Modeling
이 논문은 전문가 시연과 무작위 탐색을 기반으로 한 예측 세계 모델을 활용하여 생성형 확산 정책을 온라인으로 계획 및 최적화하는 '생성형 예측 제어 (GPC)' 프레임워크를 제안하며, 다양한 로봇 조작 작업에서 시뮬레이션과 실제 환경 모두에서 기존 행동 모방 (Behavior Cloning) 보다 뛰어난 성능을 입증합니다.
General Coded Computing in a Probabilistic Straggler Regime
이 논문은 확률적 스트래거 환경에서 BACC 와 LeTCC 두 가지 일반 부호화 계산 기법의 평균 근사 오차가 서버 수 이 증가함에 따라 0 으로 수렴함을 이론적으로 증명하고 실험을 통해 검증했습니다.
GRADIEND: Feature Learning within Neural Networks Exemplified through Biases
이 논문은 모델의 기울기를 활용하여 사회적 편향 정보를 인코딩하는 새로운 인코더-디코더 접근법인 GRADIEND를 제안함으로써, 모델의 특정 가중치를 식별하고 수정하여 다른 능력을 유지하면서 편향을 제거할 수 있음을 보여줍니다.
Security and Quality in LLM-Generated Code: A Multi-Language, Multi-Model Analysis
이 논문은 다양한 프로그래밍 언어와 LLM 모델을 대상으로 생성된 코드의 보안 및 품질을 분석한 결과, 모델들이 최신 보안 기능을 활용하지 못하고 구식 방법을 사용하는 등 언어별 보안 효율성에 차이가 있음을 밝혀냈습니다.
An Efficient Local Search Approach for Polarized Community Discovery in Signed Networks
이 논문은 부호화 네트워크에서 크기 불균형 문제를 해결하고 중립 정점을 허용하면서도 대규모 네트워크에 확장 가능한 효율적인 국소 탐색 알고리즘을 제안하여, 기존 방법들보다 우수한 분극된 커뮤니티 탐지 성능을 입증합니다.
Controllable Sequence Editing for Biological and Clinical Trajectories
이 논문은 생물학적 및 임상적 궤적에서 특정 시점과 변수에 대한 정밀한 제어가 가능한 새로운 시계열 편집 모델인 CLEF 를 제안하여, 기존 방법론보다 편집 정확도와 반사실적 추론 성능을 크게 향상시켰음을 보여줍니다.
Mitigating Unintended Memorization with LoRA in Federated Learning for LLMs
이 논문은 연방 학습 환경에서 저랭크 적응 (LoRA) 기법을 적용하면 모델의 성능 저하 없이 훈련 데이터의 암기 현상을 최대 10 배까지 감소시켜 개인정보 보호를 강화할 수 있음을 입증합니다.