Looking Through Glass Box
이 논문은 퍼지 인지 지도 (FCM) 를 신경망으로 구현하고 랑주뱅 미분 동역학을 활용하여 과적합을 방지하며 인과 관계 패턴을 학습하고 출력 노드 값을 역해석하여 수정 기준을 도출하는 FHM 모델의 설계와 여러 데이터셋에 대한 성능 평가를 다룹니다.
💻 Category
cs.NE
66 편의 논문
Enhanced Protein Intrinsic Disorder Prediction Through Dual-View Multiscale Features and Multi-objective Evolutionary Algorithm
이 논문은 진화적 관점과 심층 의미적 관점을 통합한 이중 뷰 다중 스케일 특징 추출과 다목적 진화 알고리즘을 결합하여 단백질 내재적 무질서 영역의 예측 정확도를 획기적으로 향상시킨 D2MOE 모델을 제안합니다.
NOBLE: Accelerating Transformers with Nonlinear Low-Rank Branches
이 논문은 사전 학습 단계에서 기존 선형 계층에 비선형 저랭크 분기를 영구적으로 추가하여 최소한의 오버헤드로 학습 효율성과 속도를 획기적으로 개선하는 새로운 아키텍처 'NOBLE'을 제안합니다.
Hybrid Quantum-Classical Encoding for Accurate Residue-Level pKa Prediction
이 논문은 가우시안 커널 기반의 양자 영감 특징 매핑과 고전적 구조 특징을 결합한 하이브리드 양자 - 고전 딥러닝 프레임워크를 제안하여, 기존 모델보다 우수한 일반화 성능과 실험적 전이성을 보이는 잔기 수준 pKa 예측 방법을 제시합니다.
Efficient Approximation to Analytic and functions by Height-Augmented ReLU Networks
이 논문은 3 차원 네트워크 아키텍처를 통해 sawtooth 함수의 효율적인 표현을 가능하게 함으로써, 해석 함수 및 함수에 대한 기존 이론의 한계를 극복하고 지수적 근사율 향상과 고차 비점근적 근사 정리를 제시합니다.
Quantum mechanical framework for quantization-based optimization: from Gradient flow to Schroedinger equation
이 논문은 양자 터널링을 통해 국소 최적해 탈출과 전역 최적해 수렴을 보장하는 양자 역학적 프레임워크를 제시하여 양자 역학, 열역학, 최적화 알고리즘을 통합하고 머신러닝 및 조합 최적화 문제에서 기존 알고리즘보다 우수한 성능을 입증합니다.
Topological DeepONets and a generalization of the Chen-Chen operator approximation theorem
이 논문은 고전적인 Chen-Chen 연산자 근사 정리를 바나흐 공간에서 국소 볼록 공간으로 확장하여, 임의의 하우스도르프 국소 볼록 공간에 정의된 연속 연산자를 위상학적 DeepONet 을 통해 균일하게 근사할 수 있음을 증명합니다.
Dance of the ADS: Orchestrating Failures through Historically-Informed Scenario Fuzzing
이 논문은 오픈드라이브 (OPENDRIVE) 맵 데이터와 그래프 신경망을 활용해 과거 테스트 데이터를 기반으로 고위험 시나리오를 예측·선별하는 'ScenarioFuzz'를 제안함으로써, 기존 방법 대비 시간 비용을 60.3% 절감하고 단위 시간당 발견되는 오류 시나리오를 103% 증가시켜 자율주행 시스템의 안전성을 검증하는 새로운 패러다임을 제시합니다.
Prediction performance of random reservoirs with different topology for nonlinear dynamical systems with different number of degrees of freedom
이 논문은 다양한 위상 구조를 가진 리저버 컴퓨팅 네트워크가 비선형 동역학 시스템의 예측 성능에 미치는 영향을 분석하여, 대칭적 연결 구조가 열 대류와 같은 특정 시스템에서 예측 정확도를 향상시키지만, 강한 혼돈을 보이는 난류 모델에는 큰 영향을 미치지 않음을 규명했습니다.
Motion Illusions Generated Using Predictive Neural Networks Also Fool Humans
이 논문은 뇌의 예측 능력을 기반으로 한 생성 모델 (EIGen) 을 통해 새로운 시각적 운동 착시를 생성하고 인간 실험을 통해 이를 검증함으로써, 착시가 실제 시각 입력이 아닌 뇌의 예측에 따른 결과일 수 있음을 시사하며 인공지능 연구에 '동기 부여된 실패'라는 새로운 관점을 제시합니다.
LLEMA: Evolutionary Search with LLMs for Multi-Objective Materials Discovery
이 논문은 대규모 언어 모델의 과학적 지식과 화학 기반 진화 규칙, 그리고 메모리 기반 정제 기법을 결합하여 다중 목적을 충족하는 새로운 소재 후보를 효율적으로 탐색하는 통합 프레임워크인 LLEMA 를 제안하고, 이를 통해 기존 방법론 대비 우수한 성능을 입증했습니다.
Yukthi Opus: A Multi-Chain Hybrid Metaheuristic for Large-Scale NP-Hard Optimization
이 논문은 평가 횟수 제약 하의 대규모 NP-난제 최적화를 위해 MCMC, 탐욕적 지역 탐색, 적응적 재가열을 갖춘 시뮬레이티드 어닐링을 결합한 다중 체인 하이브리드 메타휴리스틱 'Yukthi Opus'를 제안하고, 다양한 벤치마크에서 경쟁력 있는 성능과 예측 가능한 평가 예산을 입증합니다.
A Dynamical Theory of Sequential Retrieval in Input-Driven Hopfield Networks
이 논문은 입력 주도 가소성 (IDP) 을 가진 홉필드 네트워크에서 빠른 연관 기억 검색과 느린 추론 역학을 결합한 2 시간 척도 아키텍처를 분석하여, 자기 유지적 기억 전환을 위한 명시적 조건을 유도함으로써 연상 기억 모델 내의 순차적 추론에 대한 원리 있는 수학적 이론을 제시합니다.
Evolution 6.0: Robot Evolution through Generative Design
이 논문은 비전 - 언어 모델, 비전 - 언어 - 행동 모델, 텍스트 - 3D 생성 모델을 활용하여 로봇이 필요한 도구를 스스로 설계하고 제작한 뒤 이를 활용해 작업을 수행하는 '진화 6.0'이라는 새로운 자율 로봇 시스템을 제안하고 그 성능을 평가한 내용을 담고 있습니다.
Akkumula: Evidence accumulation driver models with Spiking Neural Networks
이 논문은 기존 방법의 한계를 극복하고 운전자의 인지 및 의사결정 과정을 더 현실적으로 모델링하기 위해 스파이킹 신경망과 딥러닝 기술을 활용한 증거 누적 기반의 새로운 운전 모델 프레임워크인 'Akkumula'를 제안하고 실험 데이터를 통해 그 유효성을 입증합니다.
AutoQD: Automatic Discovery of Diverse Behaviors with Quality-Diversity Optimization
이 논문은 마르코프 결정 과정의 정책 점유 측도를 임베딩하여 사전 정의된 행동 기술자가 필요 없는 자동 행동 발견을 가능하게 하는 이론적으로 정립된 품질 - 다양성 최적화 방법인 AutoQD 를 제안하고, 이를 통해 연속 제어 작업에서 다양한 정책을 성공적으로 발견함을 입증합니다.
CaRe-BN: Precise Moving Statistics for Stabilizing Spiking Neural Networks in Reinforcement Learning
이 논문은 강화학습 환경에서 스파이킹 신경망 (SNN) 의 불안정한 학습을 해결하기 위해 신뢰도 기반 적응적 업데이트와 재보정 메커니즘을 도입한 CaRe-BN 을 제안하여, 추론 시 에너지 효율성을 유지하면서도 SNN 의 성능을 기존 ANN 대비 5.9% 이상 향상시켰음을 보여줍니다.
Soft Quality-Diversity Optimization
이 논문은 고차원 행동 공간에서 이산화의 한계를 극복하기 위해 이산화 없이 다양성을 유지하는 'Soft QD'라는 새로운 프레임워크를 제안하고, 이를 기반으로 개발된 미분 가능한 QD 알고리즘인 SQUAD 가 기존 최첨단 방법과 경쟁력 있으면서도 더 높은 확장성을 보임을 실험적으로 입증했습니다.
NeuroPareto: Calibrated Acquisition for Costly Many-Goal Search in Vast Parameter Spaces
이 논문은 고차원 다목적 최적화 문제에서 계산 비용을 최소화하면서도 수렴성과 다양성을 균형 있게 확보하기 위해 순위 기반 필터링, 불확실성 분리, 그리고 역사적 히퍼볼륨 개선을 학습한 획득 네트워크를 통합한 'NeuroPareto'라는 새로운 아키텍처를 제안하고, 이를 통해 기존 방법론보다 우수한 성능을 입증합니다.
mlx-snn: Spiking Neural Networks on Apple Silicon via MLX
이 논문은 애플 실리콘 사용자를 위해 MLX 프레임워크에 네이티브로 구축된 최초의 스파이킹 신경망 (SNN) 라이브러리인 'mlx-snn'을 소개하며, 다양한 뉴런 모델과 학습 파이프라인을 제공하여 기존 PyTorch 기반 라이브러리 대비 더 빠른 학습 속도와 낮은 메모리 사용량을 달성함을 보여줍니다.