361 편의 논문
이 논문은 다중 시간 규모의 동역학을 포착하는 데 한계가 있는 기존 해밀토니안 신경망의 문제를 해결하기 위해, 서로 다른 시간 규모에서 샘플링된 데이터로 학습되는 여러 네트워크를 통해 해밀토니안을 주파수 분리 방식으로 파라미터화하는 '주파수 분리형 해밀토니안 신경망 (FS-HNN)'을 제안하고, 이를 통해 ODE 및 PDE 문제에서 장기 예측 성능과 일반화 능력을 크게 향상시켰음을 보여줍니다.
이 논문은 고차원 산업 데이터의 복잡성과 노이즈를 해결하기 위해 비지도 딥러닝 표현 학습과 지도 분류를 통합한 CLAIRE 프레임워크를 제안하며, 이를 통해 기존 방법보다 우수한 고장 탐지 성능과 게임 이론 기반의 해석 가능성을 동시에 달성함을 보여줍니다.
이 논문은 제어 장벽 함수와 안전 운동 통로를 통합한 새로운 '제어 장벽 통로' 개념을 제안하여, 안전성과 반응성 간의 균형을 유지하면서 자율 시스템이 안전하고 지속적으로 목표 지점을 선택하며 미지의 환경을 탐색할 수 있도록 합니다.
이 논문은 사전 지식과 온라인 입력 - 상태 데이터를 활용하여 선형 시변 시스템의 무한 시간 비용 상한을 최소화하는 적응형 데이터 기반 최소 - 최대 모델 예측 제어 (MPC) 기법을 제안하고, 이를 통해 시스템의 지수적 안정화와 제약 조건 준수를 보장하며 잡음이 있는 경우에도 강인하게 안정화됨을 증명합니다.
이 논문은 기존 연구에서 제안된 AMAF-RIS 하이브리드 MIMO 아키텍처를 3GPP 5G NR 표준에 부합하는 실용적인 빔 코드북 설계와 다중 경로 채널 환경에서의 저복잡도 기저대역 프리코딩 프레임워크로 확장하여, 하드웨어 효율성을 유지하면서도 높은 스펙트럼 효율과 다중화 이득을 달성하는 방법을 제시합니다.
이 논문은 수중 환경에서 유체역학적 효과로 인한 시간 변화 매개변수를 처리하기 위해 불확실성을 고려한 적응 동역학 프레임워크를 제안하고, 이동 구간 추정을 통해 물리적 일관성 제약과 불확실성 정량화를 수행하여 BlueROV2 Heavy 실험에서 높은 정확도와 실시간 성능을 입증했습니다.
이 논문은 무선 센서 네트워크에서 데이터 전송과 측정을 동시에 수행하는 '동시 홍수 (concurrent flooding)' 기법을 통해 전송 전력을 제어함으로써 간섭 그래프 추정의 오버헤드를 줄이고 기존 스케줄링 알고리즘의 실용성을 높이는 방법을 제안합니다.
이 논문은 다중 에이전트 시스템에서 각 에이전트가 부분 궤적만 활용하여 국소적으로 딥koopman 모델을 학습하고, 학습된 역학 정보만 교환하여 전역 역학 모델의 합의를 이루는 분산 데이터 기반 제어 프레임워크 (DDKL-PT) 를 제안하고 이를 모델 예측 제어에 성공적으로 적용한 결과를 제시합니다.
이 논문은 마르코프 점프 불확실성을 가진 선형 쌍곡형 편미분 방정식의 강인한 안정화 문제를 해결하기 위해 연산자 학습과 백스테핑 기법을 결합하여 신경 연산자로 커널을 근사하고, 평균 제곱 지수 안정성 조건을 유도한 후 freeway 교통 제어에 적용하여 검증했습니다.
이 논문은 손상된 운영체제 환경에서도 우회할 수 없는 파일시스템 계층의 심층 디스크 활동을 분석하여 랜섬웨어를 탐지하고 실시간으로 차단하는 오프-호스트 프레임워크 'SHIELD'를 제안하고, 이를 통해 FPGA/ASIC 배포가 가능한 높은 탐지 정확도와 낮은 오검출률을 입증합니다.
이 논문은 시간 불변 (LTI) 특성을 유지하면서도 기하학적 제어 원리를 활용해 선택적 상태 공간 모델 (Geometric SSM) 을 제안함으로써, 기존 Mamba 모델이 수행하지 못한 다중 토큰 패턴 인식 및 선택적 태스크를 효율적으로 처리할 수 있음을 입증합니다.
이 논문은 앙상블 첨도 (kurtosis) 를 활용한 선택적 탐색, 분산된 다양성 정규화 앙상블 비평가, 그리고 잘린 TD() 알고리즘을 결합하여 다중 에이전트 강화학습의 샘플 효율성을 획기적으로 개선하는 새로운 알고리즘을 제안하고 SMAC II 등 다양한 벤치마크에서 기존 최첨단 방법들을 능가하는 성능을 입증합니다.
이 논문은 수축 이론을 활용하여 부분 관측 데이터 하에서 서로 다른 네트워크 구조가 동일한 동역학을 보일 수 있는 조건을 규명하고, 쿠라모토 진동자 네트워크의 구조 식별 불가능성을 분석합니다.
이 논문은 부분적인 노드 관측 데이터로부터 선형 동적 시스템의 네트워크 구조를 고유하게 식별하는 데 한계가 있음을 규명하고, 관측성 행렬의 영공간과 확장된 관측성 그라미안의 스펙트럼 특성을 통해 구조적 유사성 및 엣지 오분류 가능성을 분석하며, 무작위 네트워크 모델에서 약 6% 이상의 노드를 관측할 때 엣지 분류 정확도가 99% 에 달함을 시뮬레이션을 통해 입증합니다.
이 논문은 IMU, LiDAR 및 제어 입력만을 활용하여 차량 및 타이어 모델이나 학습 데이터 없이도 실시간으로 미끄러짐을 감지하고 타이어 - 도로 마찰 계수를 추정하는 경량화 방법을 제안하며, 자율 레이싱 환경에서 높은 정확도를 입증했습니다.
이 논문은 SHAP 기반의 설명 가능한 머신러닝과 인과 추론을 결합하여 O-RAN 환경에서 다수의 xApp 간 충돌을 식별하고 그 영향을 정량화하는 새로운 관리 프레임워크를 제안합니다.
이 논문은 극한 상황 하에서 전력 계통의 붕괴를 유발하는 지속적이고 숨겨진 취약점을 식별하기 위해 다기간 희소 최적화 기법과 회로 이론 기반 전력 흐름 모델을 결합한 새로운 사전 진단 방법을 제안합니다.
이 논문은 제한된 포트 수를 가진 레이더 시뮬레이터를 사용하여 대규모 안테나 어레이를 갖춘 통합 감지 및 통신 (ISAC) 기지국의 다중 표적 특성을 정밀하게 모사할 수 있는 전도성 진폭 및 위상 행렬 프레임워크를 제안하고, 다양한 감지 모드에서의 실험적 검증을 통해 그 유효성을 입증합니다.
이 논문은 GPS 가 부재하고 통신이 제한된 수중 환경에서 대규모 언어 모델 (LLM) 이 생성한 의미론적 토큰을 퍼지 제어 시스템과 결합하여 다중 로봇의 협력적 탐사 및 효율적인 영역 커버리지를 가능하게 하는 새로운 프레임워크를 제안합니다.
이 논문은 마찰 브리스틀 역학 (FrBD) 프레임워크 내에서 일반화된 맥스웰 및 켈빈 - 보이트 선형 점탄성 모델을 기반으로 한 새로운 마찰 모델 두 가지를 제안하고, 이들의 유계성과 수동성 (passivity) 을 분석하여 로봇 공학 제어 설계에 적용 가능성을 입증합니다.