그래프 구조 지원 집합에 대한 근사 프랭크-울프 알고리즘을 소개하고, 백트래킹 라인 서치 및 향상된 DMO 방법을 통해 알고리즘의 성능을 향상시키는 방법을 제시한다.
딥 생성 모델(DGM) 기반 합성 데이터의 통계적 추론 정확도를 향상하기 위해, 표본 평균 및 선형 회귀 계수 추정에 대한 새로운 편향 제거 전략을 제안한다.
정보 병목 현상을 활용하여 시간적 프로세스 간의 정보 흐름을 분석하고, 전이 엔트로피를 구성하는 정보 비트의 출처와 목적지를 특정하여 복잡한 시스템 내의 인과 관계를 더욱 명확하게 파악할 수 있다.
대규모 언어 모델 정렬을 위한 보상 모델링에서 널리 사용되는 브래들리-테리(BT) 모델의 이론적 근거를 재검토하고, 순서 일관성이라는 핵심 개념을 기반으로 BT 모델의 대안으로 분류 기반 접근 방식을 제안하며, 다양한 실험을 통해 분류 기반 보상 모델의 효과를 입증합니다.
본 연구는 제한된 실험 데이터와 복잡한 다원소 조성을 가진 고 엔트로피 합금 (HEA)의 기계적 특성 예측을 위해 Transformer 기반 언어 모델을 활용하는 새로운 접근 방식을 제시하고, 기존 회귀 모델 대비 향상된 예측 정확도와 해석 가능성을 보여줍니다.
본 논문에서는 데이터 스트림 분석에 적합하며, 기존의 호프딩 트리보다 성능이 뛰어나면서도 높은 투명성을 제공하는 새로운 모델인 소프트 호프딩 트리를 제안합니다.
알려진 최적 값의 하한을 활용하는 새로운 대리 모델 및 획득 함수인 SlogGP 및 SlogTEI를 사용하는 경계 인식 베이지안 최적화(BABO)는 기존 베이지안 최적화 기법보다 뛰어난 성능을 보여줍니다.
이 논문에서는 저차원 구조를 나타내는 데이터를 모델링하기 위해 부분공간 제약 이차 행렬 분해(SQMF) 모델을 제안하고, 이 모델을 통해 접선 공간, 법선 부분공간 및 이차 형태를 포함한 핵심 저차원 구조를 효과적으로 학습할 수 있음을 보여줍니다.
MuZero는 장기적인 시뮬레이션에서 다이나믹스 네트워크의 정확성이 떨어지더라도 플래닝을 통해 오류를 수정하여 효과적으로 게임을 수행할 수 있습니다.
본 논문에서는 데이터 세트의 샘플 분포가 얼마나 왜곡되었는지 측정하는 통계적 이질성을 다루며, 특히 연합 시나리오에서 통계적 이질성이 개인정보 보호 및 정확도에 미치는 영향을 분석하고 이를 해결하기 위한 방법을 제시합니다.