ニューラルオーディオウォーターマーキングの堅牢性と可逆性を向上させるため、ウォーターマークメッセージとロケーションコードを別々にエンベディングする手法を提案する。また、攻撃層の影響を緩和するためのバランスブロックを導入し、ウォーターマーキングの安定性を高める。
局所的および大域的特徴を学習する新しいINR アーキテクチャを提案し、信号の部分的な削除や拡張を容易に行えるようにする。
NeRV-Encは従来のグラジエントベースの最適化手法に比べて104倍高速にビデオエンコーディングを行うことができ、NeRV-Decは従来のビデオコーデックよりも11倍高速にビデオデコーディングを行うことができる。
アナログインメモリコンピューティングを用いた注意メカニズムにより、大規模言語モデルの高速化と省エネルギー化を実現する。
メタ黒箱最適化のためのニューラルネットワークベースの探索的ランドスケープ分析フレームワークを提案し、従来の手作業による特徴抽出手法を自動化する。
低ランクアダプテーション(LoRA)は重みの更新を低ランク射影行列を使って近似するが、これは重みの更新を低ランク空間に制限してしまう。本研究では、層間の低次元射影行列(LP)と高次元射影行列(HP)を階層的に構造化し、HPを全層で共有することで、重みの更新を高ランク化し、層間の情報依存関係をモデル化することを提案する。
本研究は、ニューラルダイナミクスを用いて、入力に対する離散的で構成的なシンボリック表現を学習するモデルを提案する。このモデルは、シンボリックな処理とサブシンボリックな処理を統一的に扱うことができる。
FlowMACは、条件付きフローマッチング(CFM)に基づく新しいニューラルオーディオコーデックで、低ビットレートでの高品質な一般オーディオ圧縮を実現する。
NeuroPathは、構造的結合性(SC)と機能的結合性(FC)の結合メカニズムをモデル化し、多様なニューラルパスウェイを特徴表現することで、認知課題の識別や認知障害の診断に優れた性能を示す。
超伝導光電子ニューロンの動作を、スパイクを明示的に扱うことなく、連続的な信号の変化として表現できるフェノメノロジカルモデルを提案する。このモデルは数値的に効率的で、神経科学や他の複雑系との関連性を明確にする。