본 논문에서는 LHC에서 뮤온과 무거운 비가시성 페르미온으로 붕괴하는 가벼운 전기 약전하 스칼라를 탐색하는 데 있어 기존 방법보다 신경망을 사용하는 것이 더 효과적인 전략임을 입증합니다.
본 논문에서는 트랜스포머 훈련 중 나타나는 이상치 특징(OF) 현상을 분석하고, 이를 완화하는 새로운 아키텍처 및 최적화 기법을 제시합니다. 특히, 정규화 계층이 OF 발생에 미치는 영향을 분석하고, 정규화 계층을 제거한 Outlier Protected (OP) 블록을 제안하여 OF를 효과적으로 감소시키는 동시에 기존 모델의 성능을 유지합니다. 또한, AdamW 대비 OF 발생을 줄이고 수렴 속도를 향상시키는 비대각 사전 조건화 최적화 기법인 SOAP의 장점을 강조합니다.
본 논문에서는 과일의 당도를 비파괴적으로 감지하기 위해 근적외선 분광 데이터를 활용한 새로운 MLP-CNN 모델을 제안하고, 다양한 데이터 전처리 기법과 기존 PLS 모델, 다른 신경망 모델과의 비교를 통해 제안된 모델의 우수성을 입증했습니다.
본 논문에서는 컨볼루션 연산과 트랜스포머 블록을 비대칭적으로 결합한 새로운 하이브리드 신경망 아키텍처인 AsCAN을 제안하며, 이를 통해 이미지 인식 및 생성을 포함한 다양한 컴퓨터 비전 작업에서 뛰어난 성능과 효율성을 달성했습니다.
인공 신경망을 비휘발성 메모리 크로스바 어레이에 효율적으로 매핑하는 것은 성능 향상에 중요하며, 본 논문에서 제시된 간단한 패킹 알고리즘은 타일 크기 및 성능 최적화 간의 상충 관계를 고려하여 최적의 매핑 전략을 제시합니다.
이 논문에서는 그래프의 전역적 구조 정보를 활용하는 새로운 그래프 이동 연산자인 중심성 그래프 이동 연산자(CGSO)를 제안하고, 이를 그래프 신경망(GNN)에 적용하여 노드 분류 및 그래프 클러스터링 성능을 향상시키는 방법을 제시합니다.
본 논문에서는 흐림 또는 선명화와 같은 컨볼루션 섭동에 대한 신경망의 강건성을 효율적으로 검증하기 위해 매개변수화된 커널을 사용하는 새로운 방법을 제안합니다.
사전 훈련에 노이즈가 있는 레이블을 사용하면 신경망 모델이 단순한 특징에 과도하게 의존하지 않고 더욱 다양하고 복잡한 특징을 학습하여 모델의 일반화 능력을 향상시킬 수 있습니다.
신경-심볼릭 AI는 설명 가능성을 높이기 위해 노력하고 있지만, 여전히 많은 과제에 직면해 있으며, 통합된 표현 방식, 향상된 설명 가능성, 윤리적 고려 및 사회적 영향을 고려한 미래 연구가 필요하다.
이 연구는 인공 신경망(ANN)을 사용하여 감마선 폭발(GRB)의 광도 특성 간의 경험적 상관관계인 Dainotti 관계를 보정하여 ΛCDM 모델에 의존하지 않고 우주론적 매개변수를 정제하는 방법을 제시합니다.