329 편의 논문
이 논문은 라벨이 없는 고장 데이터를 기반으로 잠재 고장 모드를 식별하고 정보성 센서를 선택하여 심우주 서식지의 잔여 수명을 예측하는 새로운 비지도 예지 프레임워크를 제안하고, 이를 시뮬레이션 및 NASA C-MAPSS 벤치마크를 통해 기존 방법보다 향상된 정확도로 검증했습니다.
이 논문은 노이즈가 포함된 가우시안 혼합 모델에서 클러스터링 품질 평가의 신뢰성을 높이기 위해 특징의 분산에 기반한 특징 중요도 재조정 (FIR) 방법을 제안하고, 이를 통해 무지도 학습 환경에서 클러스터링 유효성 지수와 실제 정답 간의 상관관계를 개선한다는 것을 보여줍니다.
이 논문은 기계 학습의 이진 분류 평가가 임계값과 기저율 전반에 걸친 예측 품질을 우선시하는 결과주의적 관점 (적절한 스코어링 규칙 등) 으로 전환해야 함을 주장하며, 현재 관행과의 간극을 해소하기 위한 이론적 프레임워크, 새로운 평가 지표, 그리고 실용적 Python 도구인 `briertools`를 제시합니다.
이 논문은 데이터 수집 및 정책 배포 비용이 큰 환경에서 단일 에이전트 및 연방 강화학습을 위해 선형 번인 비용과 로그 스위칭/통신 비용을 달성하면서 최적의 후회 (regret) 를 보장하는 두 가지 새로운 모델 없는 알고리즘을 제안하고 이론적 보장을 제시합니다.
이 논문은 정보 캐스케이드와 사용자 간의 상호작용을 공동으로 모델링하기 위해 제안된 '혼합 상호작용 캐스케이드 (MIC)' 모델을 통해 기존 방법보다 우수한 정보 확산 예측 성능과 통찰력 있는 시각화를 달성함을 보여줍니다.
이 논문은 동적 평활화 정규화를 적용한 반복 재가중 최소제곱법 (IRLS) 변형이 임의의 초기화에서 기저 부분공간으로 선형 수렴함을 증명하여, 로버스트 부분공간 복원 및 비볼록 리만 다양체 상의 IRLS 에 대한 최초의 전역 수렴 보장을 제시합니다.
이 논문은 구면 상의 함수 적분, 특히 슬라이스된 워터스테인 거리 계산을 위해 부정적 의존성을 가진 반발적 몬테카를로 방법 (DPP, 반발 점 과정 등) 과 UnifOrtho 추정기를 제안하고 벤치마크하여, 차원에 따라 무작위 준몬테카를로 또는 UnifOrtho 를 사용하는 것이 최적임을 규명합니다.
이 논문은 이질적인 다중 에이전트 환경에서 에이전트 간 유사도 (affinity) 에 기반한 편향 및 중요도 보정 메커니즘을 통해 독립 학습 대비 샘플 복잡도를 줄이면서도 개인화와 협업의 이점을 자동으로 조절하는 'AffPCL' 프레임워크를 제안하고, 이질성이 높은 상황에서도 선형 속도 향상을 달성할 수 있음을 이론적으로 증명합니다.
이 논문은 학습된 단일 모델로 재학습 없이도 임의의 조건부 추론을 수행하고 불확실성을 정량화할 수 있도록, 확률적 반복 베이지안 업데이트 알고리즘을 기반으로 한 새로운 베이지안 생성 모델링 (BGM) 프레임워크를 제안합니다.
이 논문은 고객 선호도 변화와 모델 오차로 인한 일반화 실패를 해결하기 위해, 관찰 데이터에서 최악의 경우 기대 수익을 최대화하는 통계적 효율성과 견고함을 동시에 보장하는 새로운 강건한 품목 최적화 프레임워크를 제안합니다.
이 논문은 직사각형 가정을 요구하지 않는 비직사각형 평균 보상 강건 MDP 에서 최적 정책의 존재성을 증명하고, 평균 보상 최적성만으로는 과도기적 성능이 나쁠 수 있음을 보여주며, 이를 해결하는 상수 차수의 과도기적 성능을 갖는 에포크 기반 정책을 제안합니다.
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.
이 논문은 다변량 시계열 모델링에서 변수 순서의 인위적 의존성을 제거하기 위해 순열 동등성을 보장하는 이론적 기저를 제시하고, 이를 바탕으로 변수 축의 순차적 의존성을 제거하며 상태-of-the-art 성능을 달성하는 'VI 2D Mamba' 아키텍처를 제안합니다.
이 논문은 AI 정렬 검증이 명제성, 일반성, 실용성이라는 세 가지 속성을 동시에 만족할 수 없음을 증명하여 정렬 인증의 형식적 한계를 규명하고, 이를 완화함으로써 실용적인 보장이 여전히 가능함을 시사합니다.
이 논문은 희소 관측으로 인한 예측 편향을 보정하기 위해 이진 트리 구조를 활용한 미세 확산 (Micro-Diffusion) 은닉층을 도입하여 적응형 통계 모델의 확률 추정 정확도를 향상시키고 무손실 압축 효율을 높이는 'Midicoth' 시스템을 제안합니다.
이 논문은 하위 작업들을 계층적으로 압축하고 기술을 임베딩과 기능으로 분해하여 커리큘럼 학습 프레임워크 내에서 복잡한 의사결정 문제의 효율성을 높이고 작업 간 전이를 가능하게 하는 다단계 메타-강화 학습 방법을 제안합니다.
이 논문은 시계열 데이터의 비정상적 동역학을 효과적으로 포착하기 위해, 전역 전이 행렬 대신 시간 구간별 국소 전이 행렬을 사용하여 시계열을 이미지로 변환하는 '시간적 마르코프 전이 필드 (TMTF)'를 제안합니다.
이 논문은 소스 도메인의 위험 프로파일을 활용하여 데이터가 부족한 환경에서도 더 엄격한 위험 보장을 제공하는 '전이 기반 베팅 (Transfer-Informed Betting)'을 포함한 선택적 예측을 위한 9 가지 유한 표본 경계 가족에 대한 포괄적인 분석과 벤치마크 평가를 제시합니다.
이 논문은 변분 추론에서 사후 분포 함수량의 편향을 분석하기 위한 기하학적 프레임워크를 제시하여, 변분 접공간에 수직인 성분이 편차의 주요 원인이 되며 특히 평균장 가정 하에서 교차 블록 간 의존성 측정이 체계적으로 왜곡되는 현상을 설명합니다.
이 논문은 효율적 영향 함수의 명시적 유도 없이도 반모수적 효율성을 달성할 수 있는 범용 최소불리 하위모델 기반 커널 편향 보정 플러그인 추정량 (ULFS-KDPE) 을 제안하고, 이를 함수해석학적 근거와 수치적 안정성을 갖춘 알고리즘으로 정립했습니다.