MU-MIMO通信のための統一AIモデルに向けて：テンソル等変性フレームワーク
本稿では、多入力多出力（MU-MIMO）システムにおける人工知能（AI）支援技術の設計に、等変性に基づく統一フレームワークを提案する。
フィードバック戦略に基づく人工ニューラルネットワークを用いたポートフォリオ最適化
本論文では、確率的ボラティリティの下での最適資産配分のための深層学習フレームワークを、経験的効用最大化を通じて提示し、S&P 500とVIXデータに基づいて較正された2つの市場モデルに基づく様々なシナリオで、そのアプローチを検証しています。
グラフニューラルネットワークは必ずしも過剰平滑化を起こすとは限らない
グラフニューラルネットワーク（GNN）は、深い層構造を持つ場合にノードの特徴が均質化してしまう「過剰平滑化」問題を抱えているが、初期重みの分散を調整することで、過剰平滑化を回避し、深いGNNでもノード特徴の表現力を維持できる。
拡張型双曲深層畳み込みニューラルネットワークの普遍的な統計的一致性について
本稿では、従来のユークリッド空間における深層畳み込みニューラルネットワーク（DCNN）の限界を克服するため、双曲空間における拡張型深層畳み込みニューラルネットワーク（eHDCNN）を提案し、その優れた性能の理論的根拠と実験結果を示しています。
OneNet: チャネル単位1D畳み込みU-Net - エッジデバイス向けに効率化されたセマンティックセグメンテーション
OneNetは、U-Netアーキテクチャの計算コストを削減しながらセマンティックセグメンテーションの精度を維持する、チャネル単位の1D畳み込みとピクセルシャッフルを用いた新しいエンコーダ・デコーダ構造である。
ニューラルネットワークを用いたヘッジによるアメリカンオプション価格の上限と下限の同時計算
本稿では、ニューラルネットワークを用いて、アメリカンオプションの価格とその双対形式の上限と下限を同時に計算する2つの新しい手法を提案する。
知覚の扉を超えて：Vision Transformerはオブジェクト間の関係を表現する
Vision Transformer（ViT）は、オブジェクト間の関係の理解と操作に成功できる場合があり、その処理はオブジェクト表現の抽出と関係の評価という2段階で行われる。
放物型偏微分方程式のための構造情報に基づくオペレーター学習
本稿では、偏微分方程式の解作用素を学習する際に、基底関数を活用して関数空間の構造情報を組み込むことで、従来のDeepONetよりも効果的な新しい深層学習フレームワークを提案している。
NeuralDEM：産業における粒子流れのリアルタイムシミュレーションを実現する革新的な深層学習アプローチ
NeuralDEMは、従来のDEMやCFD-DEMシミュレーションの計算コストの課題を克服し、産業規模の粒子流れのリアルタイムシミュレーションを可能にする、マルチブランチニューラルオペレーターを用いた新しい深層学習フレームワークである。
スケールアウェアな高忠実度パッチングアプローチとグラフアテンションを用いたビジョントランスフォーマー：SAG-ViT
SAG-ViTは、マルチスケールな特徴表現を効率的に統合することで、従来のビジョントランスフォーマー(ViT)が抱えていた問題を解決し、画像分類のパフォーマンスを向上させる新しいフレームワークである。
© 2024 by Linnk AI