3496 articles
群oid 同調に関する普遍係数と Mayer-Vietoris 列
Universal Coefficients and Mayer-Vietoris Sequence for Groupoid Homology
arXiv:2602.08998v1 発表タイプ：横断 要約：我々は、群oid Nerve の Moore 複体からのコンパクト支えを介して ample 群oid の同調を研究する。$A$ を頂多学的可換群とする。$n \\ge 0$ とおいて $C_n(\\mathcal{G};A) := C_c(\\mathcal{G}_n,A)$ とし、$\\partial_n^A=\\sum_{i=0}^...
Original: arXiv:2602.08998v1 Announce Type: cross Abstract: We study homology of ample groupoids via the compactly supported Moore complex of the nerve. Let $A$ be a topological abelian group. For $n\ge 0$ set...
接触アタッチメントに基づく政策：接触条件付付は強固なロボット有用性モデルを創出する
Contact-Anchored Policies: Contact Conditioning Creates Strong Robot Utility Models
arXiv:2602.09017v1 発表タイプ: cross 要約: ロボットの学習における主要なパラダイムは、ランタイムで言語プロンプトを使用して環境、実装、タスクを超えて一般化することを目指しています。このアプローチに根本的な緊張が存在します: 言語は、堅牢な操作に必要な具体的な物理的理解を導くにはあまりにも抽象的であることが多いからです。この研究では、Contact-Anchored Po...
Original: arXiv:2602.09017v1 Announce Type: cross Abstract: The prevalent paradigm in robot learning attempts to generalize across environments, embodiments, and tasks with language prompts at runtime. A funda...
Semi-Supervised Node Classificationにおける幾何的不均衡
Geometric Imbalance in Semi-Supervised Node Classification
arXiv:2303.10371v2 Announce Type: replace 要旨: グラフデータのクラス不均衡は、特に半教師ありシナリオにおいて効率的なノード分類の重大な課題となっています。本研究では、少数クラスノードがリーマン多様体の埋め込み空間において経験則的不均衡をもたらすメカニズムを、メッセージ伝播がクラス不均衡のグラフにどう影響するかを捉える新しい概念である「幾何的不均衡」を公式...
Original: arXiv:2303.10371v2 Announce Type: replace Abstract: Class imbalance in graph data presents a significant challenge for effective node classification, particularly in semi-supervised scenarios. In thi...
産業プロセスにおける透過的かつ効率的な異常検出のための ExIFFI
Towards Transparent and Efficient Anomaly Detection in Industrial Processes through ExIFFI
arXiv:2405.01158v3 発表型：置換 要約：産業環境における異常検出（Anomaly Detection: AD）は、根本的な問題を検出して作業を効率化する際に不可欠です。従来の手法は観測値を正常または異常とだけラベル付けし、重要な洞察を提供しないままです。インダストリー 5.0 では、ユーザーがモデルの意思決定の根拠を理解できるようにするため、解釈可能な結果が望ましくなります。本論...
Original: arXiv:2405.01158v3 Announce Type: replace Abstract: Anomaly Detection (AD) is crucial in industrial settings to streamline operations by detecting underlying issues. Conventional methods merely label...
Kernel-based Optimally Weighted Conformal Time-Series Prediction
arXiv:2405.16828v3 Announce Type: replace 抽象：本稿では、KOWCPI（Kernel-based Optimally Weighted Conformal Prediction Intervals）と呼ぶ、新しい時間系列用のコンフォーマル予測手法を提示します。KOWCPI は、交換可能性のない依存データにおける分位回帰に適用される经典的な再重み付け Nad...
Original: arXiv:2405.16828v3 Announce Type: replace Abstract: In this work, we present a novel conformal prediction method for time-series, which we call Kernel-based Optimally Weighted Conformal Prediction In...
Why Rectified Power Unit Networks Fail and How to Improve It: An Effective Field Theory Perspective
arXiv:2408.02697v5 Announce Type: replace Abstract: The Rectified Power Unit (RePU) activation function, a differentiable generalization of the Rectified Linear Unit (ReLU), has shown promise in const...
Original: arXiv:2408.02697v5 Announce Type: replace Abstract: The Rectified Power Unit (RePU) activation function, a differentiable generalization of the Rectified Linear Unit (ReLU), has shown promise in cons...
限られたサンプルにおけるオフライン強化学習の証明可能なドメイン適応
Provable Domain Adaptation for Offline Reinforcement Learning with Limited Samples
arXiv:2408.12136v5 Announce Type: replace 要約: オフライン強化学習（RL）は、静的なターゲットデータセットから効果的なポリシーを学習します。現在の最先端のオフライン RL アルゴリズムのパフォーマンスにかかわらず、それはターゲットデータセットの大きさに依存しており、ターゲットデータセットにサンプル数が限られている場合は性能が低下します。これは、実際のアプ...
Original: arXiv:2408.12136v5 Announce Type: replace Abstract: Offline reinforcement learning (RL) learns effective policies from a static target dataset. The performance of state-of-the-art offline RL algorith...
パラメトリック偏微分方程式のための分離表現学習
Disentangled Representation Learning for Parametric Partial Differential Equations
arXiv:2410.02136v2 Announce Type: replace 要約：ニューラルオペレータ（NO）は、関数空間間の写像を学習する際に卓越しており、PDE に統括される系に対する効率的な事前解近似器として機能します。しかし、ブラックボックスソルバーであるため、系の物理パラメータを駆動する物理メカニズムの解釈可能な表現を欠くため、根本的な物理メカニズムへの洞察が限られています。この...
Original: arXiv:2410.02136v2 Announce Type: replace Abstract: Neural operators (NOs) excel at learning mappings between function spaces, serving as efficient forward solution approximators for PDE-governed sys...
ポケットの中の大型言語モデルを理解する：商用オフザシェルフモバイルデバイスの性能評価
Understanding Large Language Models in Your Pockets: Performance Study on COTS Mobile Devices
arXiv:2410.03613v5 発表種別：置換 摘要：大型言語モデル（LLM）が私たちの仕事や生活のあらゆる側面に組み込まれているにつれて、ユーザープライバシーに関する懸念が高まり、これらのモデルのローカルデプロイメントへのトレンドが進んでいます。スマートフォン上でローカルで実行可能ないくつかの軽量 LLM（例：Gemini Nano、LLAMA2 7B）が存在し、ユーザーが個人データへのア...
Original: arXiv:2410.03613v5 Announce Type: replace Abstract: As large language models (LLMs) increasingly integrate into every aspect of our work and daily lives, there are growing concerns about user privacy...
データドリフトへの適応による Federated Learning クライアントのクラスタリング
Federated Learning Clients Clustering with Adaptation to Data Drifts
arXiv:2411.01580v3 発表形式：置換 要旨：Federated Learning（FL）は、中央データセンターに生データを集めずにエッジデバイス間で深度モデルを学習させ、ユーザーのプライバシーを保全します。しかし、クライアント間の異質性（heterogeneity）は収束を遅くし、グローバルモデルの精度の上限を制限します。Clustered FL（CFL）は、類似した表現を持つクラ...
Original: arXiv:2411.01580v3 Announce Type: replace Abstract: Federated Learning (FL) trains deep models across edge devices without centralizing raw data, preserving user privacy. However, client heterogeneit...
Disentangled Parameter-Efficient Linear Model for Long-Term Time Series Forecasting
arXiv:2411.17257v2 Announce Type: replace 摘要：長期的時系列予測（LTSF）は多種多様な分野において重要な役割を果たしていますが、変換器などの複雑な深層モデルは、長序列において過学習しやすい傾向があります。フル接続線形モデルは、パラメータが少ないにもかかわらず競争力のある結果を達成することで、強力な代替手段として台頭してきました。しかし、それらは単一の巨...
Original: arXiv:2411.17257v2 Announce Type: replace Abstract: Long-term Time Series Forecasting (LTSF) is crucial across various domains, but complex deep models like Transformers are often prone to overfittin...
SoK: ブロックチェーンに基づく分散型 AI（DeAI）
SoK: Blockchain-Based Decentralized AI (DeAI)
arXiv:2411.17461v5 Announce Type: replace 要約：中央集権化は人工知能（AI）の効率性を高めますが、単一故障点、内在するバイアス、データプライバシーリスク、スケーラビリティ制限などの重要な課題をもたらします。これらの問題に対処するため、分散化と透明性を活用して AI システムの信頼性を改善する、ブロックチェーンに基づく分散型人工知能（DeAI）が有望なパラダ...
Original: arXiv:2411.17461v5 Announce Type: replace Abstract: Centralization enhances the efficiency of Artificial Intelligence (AI) but also introduces critical challenges, including single points of failure,...
DeMo: 分断されたモーメンタム最適化
DeMo: Decoupled Momentum Optimization
arXiv:2411.19870v2 Announce Type: replace 摘要：神経ネットワークのトレーニングのスケールアップは、同期データ並列化に依存度が高まりつつありますが、完全精度の勾配全-AllReduceは深刻な通信ブottleneckを招きます。当論文では、通信帯域幅を劇的に削減 tout converge の特性を維持する、どのモーメンタムベースの最適化器にも即応として導入...
Original: arXiv:2411.19870v2 Announce Type: replace Abstract: Scaling neural network training increasingly depends on synchronous data-parallelism, yet full-precision gradient all-reduce imposes a severe commu...
欠損値を含むデータセット向けの解釈可能な一般化加積モデル (M-GAM)
Interpretable Generalized Additive Models for Datasets with Missing Values
arXiv:2412.02646v3 発表型: 代替 要旨: 多くの重要なデータセットは、1 つ以上の特徴量の値が欠落しているサンプルを含んでいます。このような欠損値が存在する環境において、機械学習モデルの解釈可能性を維持するのは課題です。欠損値を単一または多重に補完するアプローチは、特徴量とラベル間のマッピングを複雑化します。他方、欠損を表す指示変数に基づく推論は、スパース性を犠牲にして追加の多...
Original: arXiv:2412.02646v3 Announce Type: replace Abstract: Many important datasets contain samples that are missing one or more feature values. Maintaining the interpretability of machine learning models in...
LEASE: 高サンプル効率を備えたオフライン基盤の強化学習
LEASE: Offline Preference-based Reinforcement Learning with High Sample Efficiency
arXiv:2412.21001v3 Announcement Type: replacement 要約：オフライン基盤の強化学習（PbRL）は、報酬関数の設計やオンライン相互作用に伴う高コストといった課題を克服する有効なアプローチを提供します。しかし、ラベリングにはリアルタイムでの人間によるフィードバックが必要であり、十分な数の偏好ラベルを取得することは困難です。この問題に対処するため、本稿で...
Original: arXiv:2412.21001v3 Announce Type: replace Abstract: Offline preference-based reinforcement learning (PbRL) provides an effective way to overcome the challenges of designing reward and the high costs ...
先任モデルの重みをシミュレートして効率の良いデータ選択のためのサンプルユーティリティの評価
Evaluating Sample Utility for Efficient Data Selection by Mimicking Model Weights
arXiv:2501.06708v4 Announce Type: replace Abstract: Large-scale web-crawled datasets contain noise, bias, and irrelevant information, necessitating data selection techniques. Existing methods depend...
Original: arXiv:2501.06708v4 Announce Type: replace Abstract: Large-scale web-crawled datasets contain noise, bias, and irrelevant information, necessitating data selection techniques. Existing methods depend ...
マルチモーダルデータ収集による偶然不確性と认识的不確性の削減
Reducing Aleatoric and Epistemic Uncertainty through Multi-modal Data Acquisition
arXiv:2501.18268v2 Announce Type: replace Abstract: 現代の AI システムは、テキスト、画像、音声、スプレッドシート、時間 series データなど複数のモーダルからのデータを組み合わせて、正確で信頼性の高い予測を生成する必要があります。マルチモーダルデータは、不確実性の分解に対して新たな機会と課題をもたらします。機械学習のコミュニティでは、认...
Original: arXiv:2501.18268v2 Announce Type: replace Abstract: To generate accurate and reliable predictions, modern AI systems need to combine data from multiple modalities, such as text, images, audio, spread...
CoHiRF: スケーラビリティ限界を超える解釈可能なクラスタリングのための階層的コンセンサス
CoHiRF: Hierarchical Consensus for Interpretable Clustering Beyond Scalability Limits
arXiv:2502.00380v3 Announce Type: replace 本研究では、既存のクラスタリング手法が通常のパフォーマンス・メモリ制約を超えて動作できるようにする階層的コンセンサスフレームワークである CoHiRF（Consensus Hierarchical Random Features）を導入します。CoHiRF はメタアルゴリズムであり、基底クラスタリング手法によって...
Original: arXiv:2502.00380v3 Announce Type: replace Abstract: We introduce CoHiRF (Consensus Hierarchical Random Features), a hierarchical consensus framework that enables existing clustering methods to operat...
特徴からトランスフォーマーへ：スケーラビリティのあるインパクトを実現するランキングの再定義
From Features to Transformers: Redefining Ranking for Scalable Impact
arXiv:2502.03417v3 Announce Type: replace 要旨：私たちは LinkedIn で開発された、次世代トランスフォーマーベースのモデルアーキテクチャを実稼働に導入する大規模ランキング枠組み LiGR を提示します。学習された正規化とユーザー履歴およびランキングアイテムの同時セットベース注意を備えた変形されたトランスフォーマーアーキテクチャを導入しました。このアー...
Original: arXiv:2502.03417v3 Announce Type: replace Abstract: We present LiGR, a large-scale ranking framework developed at LinkedIn that brings state-of-the-art transformer-based modeling architectures into p...
マルチエージェント強化学習のためのディープメタ調整グラフ (Deep Meta Coordination Graphs)
Deep Meta Coordination Graphs for Multi-agent Reinforcement Learning
arXiv:2502.04028v2 発表タイプ：置換 要約：この論文は、マルチエージェント強化学習 (MARL) における協調政策の学習に向けたディープメタ調整グラフ (DMCG) を提案します。調整グラフ記述は局所的な相互作用をエンコードし、すべてのエージェントの联合価値関数を書き分解することで、MARL の効率性を向上させます。DMCG を通じて、我々が参照する「メタ調整グラフ」というものを...
Original: arXiv:2502.04028v2 Announce Type: replace Abstract: This paper presents deep meta coordination graphs (DMCG) for learning cooperative policies in multi-agent reinforcement learning (MARL). Coordinati...