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.
💻 Category
cs.NE
69 편의 논문
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.
Empirical Evaluation of No Free Lunch Violations in Permutation-Based Optimization
이 논문은 대수적 재조합을 통한 목적 함수의 재구성이 무작위 샘플링 기반의 '어떤 알고리즘도 모든 문제에 대해 우월하지 않다'는 NFL 정리의 전제를 위반하여 알고리즘 성능 순위와 군집 구조에 통계적으로 유의미한 변화를 일으킨다는 것을 실증적으로 규명합니다.
Joint Hardware-Workload Co-Optimization for In-Memory Computing Accelerators
이 논문은 단일 워크로드에 국한되지 않고 다양한 신경망 모델에 걸쳐 일반화된 인메모리 컴퓨팅 가속기 아키텍처를 설계하기 위해 최적화된 진화 알고리즘을 활용한 하드웨어 - 워크로드 공동 최적화 프레임워크를 제안하며, 이를 통해 기존 방법 대비 최대 95.5% 의 에너지 - 지연 - 면적 곱 (EDAP) 절감 효과를 입증했습니다.
An Adaptive KKT-Based Indicator for Convergence Assessment in Multi-Objective Optimization
이 논문은 다목적 최적화에서 참 파레토 프론트가 알려지지 않은 경우에도 적용 가능한 기존 KKT 기반 수렴 지표를 재검토하고, 이질적인 잔차 분포에 대한 강건성을 향상시키기 위해 분위수 정규화를 기반으로 한 적응형 지표를 제안합니다.
Lyapunov Stability of Stochastic Vector Optimization: Theory and Numerical Implementation
본 논문은 다목적 최적화를 위한 확률적 드리프트 - 확산 모델을 제시하여 리아푸노프 안정성 분석을 rigorously 수행하고 pymoo 호환 알고리즘을 구현함으로써, 고차원 환경에서 제한된 평가 예산 하에 유효한 대안적 최적화 접근법을 제안합니다.
VietNormalizer: An Open-Source, Dependency-Free Python Library for Vietnamese Text Normalization in TTS and NLP Applications
이 논문은 TTS 및 NLP 응용을 위해 숫자, 날짜, 통화, 약어 및 외래어 등을 발음 가능한 베트남어 형태로 변환하는 경량 규칙 기반 오픈소스 라이브러리 'VietNormalizer'를 제안합니다.
Improving neural networks by preventing co-adaptation of feature detectors
이 논문은 작은 훈련 데이터셋에서 발생하는 과적합을 줄이고 다양한 벤치마크 작업에서 새로운 기록을 세우기 위해, 각 훈련 단계에서 무작위로 일부 특징 검출기를 생략하는 '드롭아웃' 기법을 제안하여 신경망의 일반화 성능을 크게 향상시킨다는 내용입니다.