3496 articles
Learn2Synth: ハイパグラディエンツを用いた脳画像セグメンテーションのための最適データ合成の学習
Learn2Synth: Learning Optimal Data Synthesis Using Hypergradients for Brain Image Segmentation
arXiv:2411.16719v4 Announce Type: replace-cross 要旨：合成によるドメインランダム化は、入力画像のドメインに対してバイアスを伴わないネットワークをトレーニングするための強力な戦略です。ランダム化により、ネットワークはトレーニング中にほぼ無限の範囲の強度とアーチファクトを目にすることができ、外観への過学習を最小化し、未見データへの一般化を最大化します。こ...
Original: arXiv:2411.16719v4 Announce Type: replace-cross Abstract: Domain randomization through synthesis is a powerful strategy to train networks that are unbiased with respect to the domain of the input ima...
自己報告に基づく LLM エージェントによる一般目的の個人シミュレーション
LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals
arXiv:2411.10109v2 Announce Type: replace-cross 摘要：機械学習は、大量の構造化データと明確に定義された結果が入手可能な場合、人間行動を十分に予測できますが、これらのモデルは特定の結果に限定されており、新しいドメインへの適用は容易ではありません。本研究では、自己報告データに基づき個々人固有のシミュレーション（すなわち、「生成エージェント」）を構築するこ...
Original: arXiv:2411.10109v2 Announce Type: replace-cross Abstract: Machine learning can predict human behavior well when substantial structured data and well-defined outcomes are available, but these models a...
最も安いもの生き残る：敵対的頑健性を考慮したハードウェア適応
Survival of the Cheapest: Cost-Aware Hardware Adaptation for Adversarial Robustness
arXiv:2409.07609v2 Announce Type: replace-cross 要旨：敵対的頑健な機械学習システムを配備するには、頑健性、コスト、および遅延の間の恒常的なトレードオフが必要となります。私たちは、クラウドネイティブなディープラーニングにおける適応的ハードウェア選択とハイパーパラメータチューニングのための定量的基盤を提供する自律的意思決定支援フレームワークを提示します。...
Original: arXiv:2409.07609v2 Announce Type: replace-cross Abstract: Deploying adversarially robust machine learning systems requires continuous trade-offs between robustness, cost, and latency. We present an a...
FASE: 予測型警务における公平性意識を持つ時空間事象グラフフレームワーク
FASE : A Fairness-Aware Spatiotemporal Event Graph Framework for Predictive Policing
arXiv:2604.18644v2 発表タイプ: 置換 摘要: 予測型警务システムは、犯罪リスクに基づき警邏資源を割り当てることで、フィードバックを駆使したデータバイアスを通じて意図せず人種的差別を拡大させる可能性があります。私たちは、時空間犯罪予測と公平性制約付き警邏割り当て、およびクローズドループ型のデプロイフィードバックシミュレータを統合した、Fairness Aware Spatiot...
Original: arXiv:2604.18644v2 Announce Type: replace Abstract: Predictive policing systems that allocate patrol resources based solely on predicted crime risk can unintentionally amplify racial disparities thro...
Bounded Ratio Reinforcement Learning
arXiv:2604.18578v2 発表 タイプ：置換 概要：Proximal Policy Optimization（PPO）は、そのスケーラビリティと多分野での実証的堅牢さにより、オンラインリナードラーニングにおいて支配的なアルゴリズムとなっている。しかし、信頼領域手法の根本的な基礎と、PPO に使用されるヘueristisch な切り取り目的関数の間には、大きな断絶が存在する。本論文では、...
Original: arXiv:2604.18578v2 Announce Type: replace Abstract: Proximal Policy Optimization (PPO) has become the predominant algorithm for on-policy reinforcement learning due to its scalability and empirical r...
保健システム規模におけるバーチャル患者表現のためのマルチモーダル・時間的ファウンデーションモデル
A multimodal and temporal foundation model for virtual patient representations at healthcare system scale
arXiv:2604.18570v2 発表タイプ: 置換 要約：現代の医療は、サイロ化したシステムを超えた広大なマルチモーダルデータを生成していますが、既存のモデルはいずれも臨床記録の全幅と時間的な深さを統合した統一された患者表現を提供していません。私たちは、主要な米国の病院システムから得られた、3 年以上にわたる縦断的な病院記録を 250 億以上の記録から、720 万の患者でトレーニング・評価し...
Original: arXiv:2604.18570v2 Announce Type: replace Abstract: Modern medicine generates vast multimodal data across siloed systems, yet no existing model integrates the full breadth and temporal depth of the c...
QuanBench+: 一貫したマルチフレームワーク ベンチマークとしての LLM 基盤量子コード生成
QuanBench+: A Unified Multi-Framework Benchmark for LLM-Based Quantum Code Generation
arXiv:2604.08570v2 Announce Type: replace 要約：大型言語モデル（LLM）はコード生成にますます利用されていますが、量子コード生成の評価はまだ単一フレームワーク内に限られており、量子論理をフレームワークへの慣れから分離するのが困難です。私たちは、Qiskit、PennyLane、Cirq をまたぐ統一されたベンチマーク QuanBench+ を導入します。こ...
Original: arXiv:2604.08570v2 Announce Type: replace Abstract: Large Language Models (LLMs) are increasingly used for code generation, yet quantum code generation is still evaluated mostly within single framewo...
聞き取りながら思考する：長距離シーケンシャルモデリングのためのファスト・スロー再帰性
Thinking While Listening: Fast-Slow Recurrence for Long-Horizon Sequential Modeling
arXiv:2604.01577v2 Announce Type: replace 要約：私たちは最近の潜在的な再帰的モデリングをシーケンシャルな入力ストリームへと拡張します。ファストな潜在的な再帰的な更新と、スロウな観察更新間の自己組織化能力を交互に組み合わせることで、入力と並行して進化する安定した内部構造の学習を促進します。このメカニズムは、モデルが長距離において統一的かつクラスター化された...
Original: arXiv:2604.01577v2 Announce Type: replace Abstract: We extend the recent latent recurrent modeling to sequential input streams. By interleaving fast, recurrent latent updates with self-organizational...
Overparameterized シーシャルニューラルネットワークにおける初期化依存かつ非空の一般化境界への道
Towards Initialization-dependent and Non-vacuous Generalization Bounds for Overparameterized Shallow Neural Networks
arXiv:2604.00505v3 発表 タイプ：置換 サマリー：過剰パラメータ化されたニューラルネットワークは、パラメータ数が学習サンプル数を超えていても優れた一般化挙動を示すという、良性質の過学習特性を示すことがしばしばあります。良性質の過学習を説明するための有望な方向として、経験的な観察からこの距離が本来のノルムと比べてしばしば著しく小さいことが示唆されており、一般化を初期化からの距離のノ...
Original: arXiv:2604.00505v3 Announce Type: replace Abstract: Overparameterized neural networks often show a benign overfitting property in the sense of achieving excellent generalization behavior despite the ...
潜在空間における構成則普遍化を、意味相互作用情報（SII）が媒介する
Semantic Interaction Information mediates compositional generalization in latent space
arXiv:2603.27134v4 発表型：置換 要旨：すべての関連変数が既知になった後、依然として普遍化の障壁が残っているのか？ 本稿は、構成則普遍化をパラメータ化された相互作用を伴う潜在変数に対する変分推論の問題として捉える枠組みを通じてこの問いに答えます。探索为此，我々が「認知グリッドワールド（Cognitive Gridworld）」という静的部分観測マルコフ決定過程（POMDP）を開発...
Original: arXiv:2603.27134v4 Announce Type: replace Abstract: Are there still barriers to generalization once all relevant variables are known? We address this question via a framework that casts compositional...
VAN-AD: 時間系列異常検出のための正規化フロー付きビジュアルマスクドオートエンコーダー
VAN-AD: Visual Masked Autoencoder with Normalizing Flow For Time Series Anomaly Detection
arXiv:2603.26842v2 発表タイプ：置き換え 要約：時間系列異常検出（TSAD）は、IoT 環境のサービスシステムの信頼性とセキュリティ維持に不可欠です。既存の方法は、各データセット用に特定のモデルを学習する必要があるため、異なる目標データセットへの一般化能力が限られており、データが不足している多様なシナリオにおける異常検出性能を阻害しています。この課題に対処するため、ファウンデーシ...
Original: arXiv:2603.26842v2 Announce Type: replace Abstract: Time series anomaly detection (TSAD) is essential for maintaining the reliability and security of IoT-enabled service systems. Existing methods req...
ノ-アナログ分布シフト下における気候ファウンデーションモデルの強固性の評価
Assessing the Robustness of Climate Foundation Models under No-Analog Distribution Shifts
arXiv:2603.23043v2 Announce Type: replace 摘要：気候変動の加速化は、機械学習に基づく気候エミュレーターの訓練分布を超えて一般化する能力に深刻な非定常性を生じさせ、その課題を提起している。これらのエミュレーターは従来の地球システムモデルに比べて計算効率的な代替策を提供しているが、「ノ-アナログ」未来気候状態下での信頼性が、潜在的なボトルネックとなっている。こ...
Original: arXiv:2603.23043v2 Announce Type: replace Abstract: The accelerating pace of climate change introduces profound non-stationarities that challenge the ability of Machine Learning based climate emulato...
自動アンロール近隣勾配降法：解釈可能な波形最適化のための AuToML アプローチ
Auto-Unrolled Proximal Gradient Descent: An AutoML Approach to Interpretable Waveform Optimization
本文書: arXiv:2603.17478v2 型: 差し替え 要約: 本研究は、無線ビーム形成と波形の最適化に、自動機械学習 (AutoML) とモデルベースの深層アンロール (DU) を組み合わせることを探求します。我々は、反復的な近隣勾配降法 (PGD) アルゴリズムを深層ニューラルネットワークに変換し、各層のパラメータを事前設定から学習可能にします。さらに、近隣投影の前に学習可能な線形勾...
Original: arXiv:2603.17478v2 Announce Type: replace Abstract: This study explores the combination of automated machine learning (AutoML) with model-based deep unfolding (DU) for optimizing wireless beamforming...
Wasserstein 制約されたデータ摂動を用いたブラックボックス脆弱性の評価
Evaluating Black-Box Vulnerabilities with Wasserstein-Constrained Data Perturbations
arXiv:2603.15867v2 Announce Type: replace 要約：機械学習 (ML) ツールの利用拡大は、モデルの説明可能性の限界など重大な課題も伴います。本稿では、最適輸送と分布的に頑健な最適化を組み合わせ、機械学習アルゴリズムが制約されたデータ摂動にどう反応するかを解析するグローバルな説明可能性フレームワークを提案します。当アプローチは特徴レベルの統計量（例：輝度、年齢...
Original: arXiv:2603.15867v2 Announce Type: replace Abstract: The growing use of Machine Learning (ML) tools comes with critical challenges, such as limited model explainability. We propose a global explainabi...
SphUnc: 情報幾何学に基づく擬球面不確実性の分解および因果特定
SphUnc: Hyperspherical Uncertainty Decomposition and Causal Identification via Information Geometry
arXiv:2603.01168v2 発表タイプ：更新 要約：複雑な多エージェントシステムの信頼性の高い意思決定には、精度調整された予測と解釈可能な不確実性が不可欠です。我々は、擬球面表現学習と構造因果モデルを統合したユニファイド・フレームワークである SphUnc を提案します。このモデルは、Von Mises-Fisher 分布を使用して特徴量を単位の擬球面上の潜在変数に変換し、情報幾何学的な...
Original: arXiv:2603.01168v2 Announce Type: replace Abstract: Reliable decision-making in complex multi-agent systems requires calibrated predictions and interpretable uncertainty. We introduce SphUnc, a unifi...
デマンド予測におけるホライズン誘発劣化に適合した適応型ホライズン認識モデル選択フレームワーク
An Adaptive Horizon-Aware Model Selection Framework for Demand Forecasting under Horizon-Induced Degradation
arXiv:2602.13939v5 Announce Type: replace 要旨: 間欠的デマンド、高い変動性、そして多段階計画が特徴的なビジネス環境では、静的なテストホライズンの評価ではなく、将来の運用ホライズンと整合性のあるモデル選択手順が必要となります。予測モデルに万能な優等者が存在せず、またランク付けは指標、デマンド構造、そして予測ホライズンによって異なるため、各シリーズに適した...
Original: arXiv:2602.13939v5 Announce Type: replace Abstract: Business environments characterized by intermittent demand, high variability, and multi-step planning require model selection procedures aligned wi...
彩色な図解付きトークン：大規模言語モデル向け人間解釈可能な図のエンコーディング
Colorful Talks with Graphs: Human-Interpretable Graph Encodings for Large Language Models
arXiv:2602.10386v2 Announce Type: replace 摘要：大規模言語モデル（LLM）は図問題に対して本質的に困難を要します。LLM は非構造化テキストの処理に優れていますが、図タスクは明示的な構造、置換不変性、および計算的に複雑な関係性の処理を必要とするため、テキストベースモデルの表現と不整合を生じます。本稿では、これらの障壁にもかかわらず LLM を図問題に効果的...
Original: arXiv:2602.10386v2 Announce Type: replace Abstract: Graph problems are fundamentally challenging for large language models (LLMs). While LLMs excel at processing unstructured text, graph tasks requir...
強化された推論を組み合わせたトレーニングフリーなリトリエバル・オーギュメント・ジェネレーションによる洪水被害現在予測
Training-free retrieval-augmented generation with reinforced reasoning for flood damage nowcasting
arXiv:2602.10312v2 発表形式：置換 要旨：本稿では、洪水被害の現在予測に特化した強化された推論を組み合わせたトレーニングフリーなリトリエバル・オーギュメント・ジェネレーション（R2RAG-Flood）フレームワークを提案する。このフレームワークは、ラベル付けされたテーブル記録から、構造化された予測因子、コンパクトなテキスト形式の要約、モデルによって生成された推論経路を含む各サンプ...
Original: arXiv:2602.10312v2 Announce Type: replace Abstract: We propose R2RAG-Flood, a training-free retrieval-augmented generation framework for flood damage nowcasting with reinforced reasoning. The framewo...
SwiftRepertoire: Few-Shot 免疫シグネチャ合成のための動的核コード
SwiftRepertoire: Few-Shot Immune-Signature Synthesis via Dynamic Kernel Codes
arXiv:2602.01051v4 発表タイプ: 差し替え 摘要：T 細胞受容体のレピュアレベル解析は、病気の検出や免疫モニタリングにおいて生物学的根拠に基づいたシグナルを提供しますが、ラベルの希少性、コホートの異質性、大規模エンコーダーの新たなタスクへの適応における計算負荷などにより、実用的なデプロイメントが阻害されています。我々は、軽量級タスク記述子から条件付けられたプロトタイプを含む学習...
Original: arXiv:2602.01051v4 Announce Type: replace Abstract: Repertoire-level analysis of T cell receptors offers a biologically grounded signal for disease detection and immune monitoring, yet practical depl...
Shapley 加法的説明（SHAP）を用いて異常検知アルゴリズムの挙動とその補完性を理解する
Analyzing Shapley Additive Explanations to Understand Anomaly Detection Algorithm Behaviors and Their Complementarity
arXiv:2602.00208v3 Announce Type: replace 摘要： unlabeled データの多様性とラベルの欠如により、非教師付けによる異常検知は困難な課題です。複数の検出器を組み合わせるアンサンブル手法は、個々のバイアスを軽減し堅牢性を高めるため採用されていますが、本質的に補完的なアンサンブルの構築は依然として困難です。多くの検出器は類似した判断基準に依存しており、...
Original: arXiv:2602.00208v3 Announce Type: replace Abstract: Unsupervised anomaly detection is a challenging problem due to the diversity of data distributions and the lack of labels. Ensemble methods are oft...