65 편의 논문
이 논문은 외부 라벨 없이 뇌파 (EEG) 데이터에서 자기지도 진화 학습 (SSEL) 프레임워크를 통해 안전-중요 의사결정 상황에서의 개인별 신경역학적 진행과 정체성 매니폴드를 발견하여 사용자 인증 및 이상 탐지 성능을 획기적으로 향상시키는 새로운 접근법을 제시합니다.
이 논문은 그리드 기반 기법과 데이터 의존적 딥러닝의 한계를 극복하기 위해, 라벨 데이터나 이산화된 그리드 없이 연속 구면파 신호 모델과 차분 진화 알고리즘을 기반으로 근거리 다중 신호원 국소화를 수행하는 두 가지 새로운 모델 기반 진화 프레임워크 (NEMO-DE 및 NEEF-DE) 를 제안하고 그 성능을 검증합니다.
이 논문은 암시적 확률 분포 하의 다목적 확률제약 다중선택 배낭 문제를 해결하기 위해, 평가 효율성을 높이는 OPERA-MC 방법과 희소 feasible 영역 탐색을 위한 NHILS 라는 하이브리드 진화 알고리즘을 제안하여 5G 네트워크 구성 등 실세계 문제에서 기존 최첨단 알고리즘보다 우수한 성능을 입증했습니다.
이 논문은 랭크 순서 코딩을 기반으로 한 신경망 모델을 제안하여, 청각 입력에서 추상적 구조 표현으로의 전환과 이를 통한 문법적 일반화 및 P3B 와 유사한 전역적 새로움 감지 메커니즘을 설명합니다.
이 보고서는 1953 년 닐스 알 바리첼리의 선구적 연구에 영감을 받아, ALICE 2026 워크숍에서 'SymBa' 그룹이 1 차원 및 2 차원 세계에서의 공생 발생 시뮬레이션과 DNA 규범 실험을 수행하고, 이것이 인공생명 및 인공지능의 기원과 집단지성 이해에 미치는 함의와 향후 연구 방향을 논의한 내용을 담고 있습니다.
이 논문은 알고리즘의 최적값이나 경계 없이도 시간별 성능 순위 기반의 베이지안 레이싱을 통해 파레토 최적 알고리즘 집합을 효율적으로 식별하고 불확실성을 정량화하는 'PolarBear' 프레임워크를 제안합니다.
이 논문은 고정된 작업 전환 간격의 한계를 극복하고 간섭을 줄이며 확장 가능한 다중 작업 학습을 가능하게 하기 위해, 활성 수상돌기와 듀얼 구조를 갖춘 심층 스파이킹 Q-네트워크와 보상 및 내부 동역학을 기반으로 한 적응형 작업 전환 정책을 결합한 'SwitchMT' 방법론을 제안합니다.
이 논문은 진화 알고리즘으로 생성된 2 만 개의 카오스 동역학 시스템으로 학습된 사전 훈련 모델 'Panda'를 소개하며, 이 모델이 저차원 상미분방정식 훈련 데이터만으로도 고차원 편미분방정식 및 실제 실험 데이터에 대한 제로샷 예측 능력을 포함한 다양한 emergent 특성을 보인다고 설명합니다.
이 논문은 미분 프라이버시의 기본 정의와 이론적·실무적 진화를 개괄하고, 머신러닝 모델 학습 시 프라이버시를 보호하는 방법론과 평가 기법을 심층적으로 분석하여 안전하고 책임 있는 AI 시스템 개발에 기여하는 포괄적인 조사를 제공합니다.
이 논문은 JEPA 아키텍처를 추적 모델 예측으로 확장하여 GOT-JEPA 프레임워크를 제안하고, 가시성 추정을 위한 OccuSolver 를 결합함으로써 가려짐과 같은 열악한 환경에서도 일반화 능력과 강건성을 크게 향상시킨 객체 추적 방법을 제시합니다.
이 논문은 편미분 방정식을 해결하는 네이티브 스파이킹 뉴로모픽 알고리즘이 구조적 교란 (뉴런 제거 및 스파이크 손실) 에 대해 본질적으로 강인하며, 최대 32% 의 뉴런과 90% 의 스파이크가 손실되더라도 정확도 저하 없이 작동할 수 있음을 보여줍니다.
이 논문은 제한된 실험 데이터만으로도 강화학습 기반 예측 보행 시뮬레이션의 생체역학적 정확도와 일반화 능력을 향상시키기 위해 신경생리학적 구조인 근육 시너지 (muscle synergy) 를 제어 공간에 통합한 새로운 프레임워크를 제안하고 그 유효성을 입증합니다.
이 논문은 제한된 컴퓨팅 자원에서 그래프 어텐션 메커니즘과 GPT-4o-mini 를 결합한 경량 하이브리드 프레임워크를 제안하여, 노이즈가 있는 데이터에서도 아만존스 체스 게임에서 기존 베이스라인과 교사 모델보다 뛰어난 성능을 달성함을 입증합니다.
이 논문은 16x16 압저항성 촉각 어레이와 이벤트 기반 바이너리 스캔 전략을 통합하여 데이터 수집 오버헤드를 획기적으로 줄이고, FPGA 기반의 스파이킹 신경망 (Conv-SNN) 을 통해 실시간 손글씨 숫자 인식 정확도 92.11% 를 달성한 효율적인 뉴로모픽 전자 피부 시스템을 제안합니다.
이 논문은 시뮬레이션 데이터와 평균 제곱 오차 손실 함수를 사용하여 단일 요약 네트워크로 매개변수 추정 역문제를 해결하는 'ForwardFlow'라는 심층 학습 기반의 빈도주의 통계적 추론 프레임워크를 제안하며, 유한 표본 정확성, 데이터 오염에 대한 강건성, 알고리즘 근사라는 세 가지 이상적 특성을 입증합니다.
이 논문은 유튜브 코미디 영상 분석을 통해 학습된 LLM 비평가와 다양한 역할을 수행하는 에이전트 군집을 활용하여, 전문적인 스케치 코미디 수준의 자동화 AI 시스템 'COMIC'을 제안하고 그 성능을 입증합니다.
이 논문은 스파이킹 신경망 (SNN) 의 메모리 및 계산 오버헤드를 해결하기 위해 텐서 트레인 분해와 병렬 계산 파이프라인을 도입하여 모델 크기와 연산량을 획기적으로 줄이면서도 정확도 저하를 최소화하는 TT-SNN 을 제안합니다.
이 논문은 신경과학에서 영감을 받은 예측 부호화 네트워크 (PCN) 와 추론 학습 (IL) 에 대한 포괄적인 검토와 형식적 규정을 제공하며, 기존 역전파 방식의 한계를 넘어 생물학적 타당성과 효율성을 갖춘 차세대 머신러닝 프레임워크로서의 가능성을 제시합니다.
이 논문은 개미 군집 행동을 디지털 페로몬 메커니즘으로 모방하여 산업 공정 (감자튀김 튀김) 의 온도 데이터를 실시간으로 분석하고, 이를 통해 공정 상태를 정상/비정상으로 분류하며 유지보수가 필요한 전환을 예측하는 적응형 프레임워크를 제안합니다.
이 논문은 뇌과학에서 영감을 받은 확률적 잠재 변수 모델인 예측 코딩 그래프 (PCG) 가 다층 퍼셉트론을 포함하는 수학적 초집합임을 증명하여, 예측 코딩 네트워크를 현대 기계학습의 맥락에 더 강력하게 위치시키고 신경망 위상학 연구의 중요성을 재확인합니다.