Enhancing Computational Efficiency in Multiscale Systems Using Deep Learning of Coordinates and Flow Maps
이 논문은 좌표와 흐름 맵의 결합적 발견을 통해 딥러닝 기반의 정밀 시간 단계 접근법을 제시함으로써, 다양한 시공간 스케일을 가진 다중 스케일 시스템의 시뮬레이션 비용을 줄이면서도 최첨단 예측 정확도를 달성하는 프레임워크를 제안합니다.
💻 Category
cs.NE
66 편의 논문
Multimodal LLM-assisted Evolutionary Search for Programmatic Control Policies
이 논문은 투명하고 검증 가능한 제어 정책 개발을 위해 멀티모달 대형 언어 모델과 진화적 탐색을 결합한 MLES 방식을 제안하며, 시각적 피드백을 통해 정책 생성을 자동화하고 PPO 와 유사한 성능을 달성함을 보여줍니다.
Energy-Aware Spike Budgeting for Continual Learning in Spiking Neural Networks for Neuromorphic Vision
이 논문은 기존 방법론이 간과했던 정확도와 에너지 효율성의 동시 최적화를 위해 경험 재생, 가변적 누적 - 적분 - 방출 뉴런 매개변수, 적응형 스파이크 스케줄러를 통합한 에너지 인식 스파이크 예산 관리 프레임워크를 제안하여, 프레임 기반 및 이벤트 기반 데이터셋 모두에서 지속적 학습 성능을 향상시키고 동적 전력 소비를 최소화하는 뉴로모픽 비전 시스템의 실용성을 입증합니다.
B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency
이 논문은 확산 모델의 고해상도 추론 지연과 희소 감독의 한계를 해결하기 위해, 교사의 궤적 중간 단계를 모두 학습하는 밀집 앙상블 네트워크 (B-DENSE) 를 제안하여 이미지 생성 품질을 향상시킵니다.
Memory-Augmented Spiking Networks: Synergistic Integration of Complementary Mechanisms for Neuromorphic Vision
이 논문은 N-MNIST 데이터셋에서 수행된 실험을 통해 Leaky Integrate-and-Fire 뉴런, 감독 대비 학습, 홉필드 네트워크, 계층적 게이트 순환 네트워크를 통합한 메모리 증강 스파이킹 신경망이 개별 최적화보다 균형 잡힌 아키텍처를 통해 분류 정확도, 에너지 효율성, 그리고 신경 군집 구조를 동시에 향상시킨다는 것을 입증했습니다.
Hebbian-Oscillatory Co-Learning
이 논문은 RSGN 의 쌍곡선 희소 기하학과 SSA 의 발진기 기반 주파수 동기화를 결합하여, 위상 일관성이 구조적 가소성을 제어하는 'Hebbian-Oscillatory Co-Learning(HOC-L)'이라는 통합 동적 프레임워크를 제안하고, 이에 대한 수렴성 증명 및 희소성 유지 효율성을 입증합니다.
Robust Parameter and State Estimation in Multiscale Neuronal Systems Using Physics-Informed Neural Networks
이 논문은 전통적인 수치 해법의 한계를 극복하고, 부분적이고 잡음이 섞인 전압 관측 데이터로부터 다중 스케일 뉴런 모델의 숨겨진 상태 변수와 생리학적 매개변수를 강건하게 추정하기 위해 물리 정보 신경망 (PINN) 프레임워크를 제안하고 그 유효성을 입증합니다.
An accurate flatness measure to estimate the generalization performance of CNN models
이 논문은 완전 연결 네트워크에 국한되거나 근사적인 기존 방법의 한계를 극복하기 위해, 합성곱 신경망 (CNN) 의 기하학적 구조를 정확히 반영하는 폐쇄형 평탄도 측정치를 제안하고 이를 통해 CNN 모델의 일반화 성능을 정밀하게 평가하고 아키텍처 설계에 활용할 수 있음을 입증합니다.
DendroNN: Dendrocentric Neural Networks for Energy-Efficient Classification of Event-Based Data
이 논문은 뇌의 수지상 구조에서 영감을 받아 시공간 스파이크 시퀀스를 식별하고 그래디언트 없이 재배선 학습을 수행하는 'DendroNN'을 제안하며, 이를 통해 기존 뉴로모픽 하드웨어 대비 최대 4 배의 에너지 효율성을 달성하는 비동기 디지털 하드웨어 아키텍처를 제시합니다.
Symbolic Discovery of Stochastic Differential Equations with Genetic Programming
이 논문은 유전적 프로그래밍을 기반으로 드리프트와 확산 함수를 최대우도추정으로 공동 최적화하여, 노이즈가 포함된 확률 미분방정식을 기호적으로 발견하고 해석 가능한 과학적 지식을 확장하는 새로운 방법을 제시합니다.
A Variational Latent Equilibrium for Learning in Cortex
이 논문은 에너지 보존과 극값 작용 원리를 기반으로 시간 연속 신경망의 역전파 (BPTT) 를 생물학적으로 타당한 국소적 방식으로 근사하는 새로운 변분 잠재 평형 프레임워크를 제시하여 뇌의 시공간 학습 메커니즘과 물리적 회로 구현을 위한 청사진을 제공합니다.
A White-Box SVM Framework and its Swarm-Based Optimization for Supervision of Toothed Milling Cutter through Characterization of Spindle Vibrations
이 논문은 톱니형 밀링 커터의 실시간 스핀들 진동 특성을 분석하여 공구 상태를 감시하기 위해 의사결정나무 기반의 특성 선택과 5 가지 군집 최적화 알고리즘을 적용한 백-박스 서포트 벡터 머신 (SVM) 프레임워크를 제안합니다.
Utility Theory based Cognitive Modeling in the Application of Robotics: A Survey
이 논문은 로봇 공학에서 의사결정 및 학습을 위한 인지 모델링의 진화와 가치 시스템의 역할을 utility theory 관점에서 종합적으로 검토하고, 향후 연구 방향과 해결해야 할 과제를 제시합니다.
A 1.6-fJ/Spike Subthreshold Analog Spiking Neuron in 28 nm CMOS
이 논문은 28 nm CMOS 공정을 통해 1.6 fJ/spike 의 초저전력으로 구현된 아날로그 스파이킹 뉴런을 제시하고, 이를 MNIST 데이터셋에서 82.5\%의 정확도로 동작하는 에너지 효율적인 뉴로모픽 시스템 온 칩 (NeuroSoC) 의 가능성을 입증했습니다.
Reconsidering the energy efficiency of spiking neural networks
이 논문은 기존 평가의 한계를 지적하고, 데이터 이동 및 메모리 접근 오버헤드를 고려한 정밀한 에너지 모델을 통해 특정 운영 조건 (낮은 스파이크율과 적절한 시간 창) 에서만 SNN 이 QNN 보다 에너지 효율이 우수함을 입증하고, 이를 통해 스마트워치 배터리 수명을 두 배로 늘릴 수 있음을 보여줍니다.
Balancing Interpretability and Performance in Motor Imagery EEG Classification: A Comparative Study of ANFIS-FBCSP-PSO and EEGNet
이 논문은 BCI Competition IV-2a 데이터셋을 기반으로 해석 가능한 ANFIS-FBCSP-PSO 모델과 EEGNet 을 비교하여, 단일 사용자 환경에서는 전자가, 사용자 간 일반화 성능에서는 후자가 우세함을 입증함으로써 MI-BCI 시스템 설계 시 해석성과 강건성 중 어떤 목표를 우선시할지에 대한 실용적 지침을 제시합니다.
Distributionally Robust Geometric Joint Chance-Constrained Optimization: Neurodynamic Approaches
이 논문은 분포 불확실성 하의 기하학적 결합 확률 제약 최적화 문제를 해결하기 위해 3 가지 불확실성 집합을 기반으로 한 2 시간 척도 신경 동적 듀플렉스 접근법을 제안하며, 이는 기존 최적화 방법 없이 전역 최적해로 확률적으로 수렴하는 신경망 기반 솔루션을 제공합니다.
OptiRoulette Optimizer: A New Stochastic Meta-Optimizer for up to 5.3x Faster Convergence
이 논문은 학습 중 업데이트 규칙을 동적으로 선택하는 확률적 메타 옵티마이저 'OptiRoulette'를 제안하며, CIFAR-100 등 다양한 이미지 분류 작업에서 기존 AdamW 대비 최대 5.3 배 빠른 수렴 속도와 더 높은 정확도를 달성하는 것을 입증합니다.
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.
Large Language Model-Driven Full-Component Evolution of Adaptive Large Neighborhood Search
이 논문은 손으로 설계된 기존 ALNS 의 한계를 극복하기 위해 대규모 언어 모델을 활용하여 파괴, 복구, 연산자 선택 등 ALNS 의 7 가지 핵심 구성 요소를 자동으로 진화시키고 MAP-Elites 메커니즘을 통해 해의 품질과 전략적 다양성을 동시에 최적화하는 폐루프 프레임워크를 제안합니다.