단시간 푸리에 변환(STFT)을 활용하여 모터 전류 신호를 시간-주파수 2D 이미지로 변환하고, 이를 합성곱 신경망(CNN) 기반 딥러닝 모델에 적용하면 모터 고장 진단 성능을 향상시킬 수 있다.
본 논문에서는 데이터 스트림에 heavy-tailed 샘플과 이상치가 존재하는 경우에도 강력하고 효율적인 최적화를 제공하는 새로운 SGD 클리핑 전략인 분위수 클리핑을 소개하고, 이론적 분석과 실험을 통해 그 효과를 검증합니다.
이 논문에서는 서로 다른 작업에서 수집한 데이터에서 공통 특징 표현을 학습하는 방법을 제안하며, 특히 데이터가 독립적이거나 등방성을 갖지 않아도 효과적으로 작동하는 알고리즘을 제시합니다.
유한한 샘플링 속도를 가진 연속 시간 선형 시스템에 대한 온라인 제어 문제를 다루며, 비확률적 잡음 하에서 학습하고 고정된 최적 선형 컨트롤러와 비슷한 성능을 발휘하는 온라인 절차를 설계하는 것을 목표로 한다.
데이터셋 증류에서 기존 방법들이 정보 추출 및 임베딩 단계에서 잘못 정렬된 정보를 도입하여 성능이 저하되는 문제를 해결하기 위해, 정보 추출 대상 데이터셋과 에이전트 모델의 파라미터를 선택적으로 활용하여 정보 정렬을 우선시하는 PAD(Prioritize Alignment in Dataset Distillation) 방법을 제안한다.
인간 데이터로 훈련된 생성 모델은 다수의 전문가 지식을 종합하여, 특정 조건에서 개별 전문가의 능력을 뛰어넘는 성능을 보일 수 있다.
ICU-Sepsis는 실제 의료 데이터를 기반으로 구축된 벤치마크 MDP로, 강화학습 알고리즘 평가에 유용하지만 실제 환자 치료에 대한 결론 도출에는 적합하지 않습니다.
이상 데이터에 대한 사전 지식 없이 정상 데이터의 불변성을 활용하는 새로운 이상 탐지 방법론인 CON2를 제안합니다. CON2는 맥락 증강을 통해 정상 데이터의 다양한 표현을 학습하고, 이를 기반으로 새로운 샘플의 정상 여부를 판별합니다.
연합 학습 시스템의 클라이언트 행동을 시각화하고 분석하는 새로운 방법인 '연합 행동 평면(FBP)'을 소개하며, 이를 통해 시스템 역학을 설명하고 악의적인 클라이언트를 탐지하여 보안을 강화합니다.
FedCache 2.0은 지식 캐싱과 데이터셋 증류 기술을 결합하여 에지 환경에서 효율적인 개인 맞춤형 연합 학습을 가능하게 하는 새로운 아키텍처입니다.