고차원 점 구름의 교차 매칭된 구간 발생률
본 논문에서는 고차원 점 구름에서 노이즈에 강건하며 계산 효율성을 높인 토폴로지 발생률 정보를 근사하는 새로운 방법인 교차 매칭된 발생률 이미지(CMPI)를 제안합니다.
체인 모델 내에서의 불확실성 전파: 머신러닝 기반 중성미자-LAr 상호작용 재구성에 대한 연구
체인형 머신러닝 모델에서, 이전 단계의 예측 불확실성을 후속 모델에 전달하면 정확도, 보정 및 예측 신뢰도 측면에서 성능이 향상될 수 있다.
비지도 ASR을 위한 반복 훈련 기반 강화 학습 경계 분할: REBORN
REBORN이라는 새로운 비지도 ASR 프레임워크는 음성 분할 모델과 음소 예측 모델을 반복적으로 훈련하여 음성-텍스트 쌍 데이터 없이도 음성 신호에서 정확한 음소 전사를 생성합니다.
적층 제조 모니터링에서 개인 정보 보호와 투명성의 균형을 위한 설명 가능한 차등 개인 정보 보호-초차원 컴퓨팅
적층 제조 모니터링에서 데이터 프라이버시를 보호하면서도 머신러닝 모델의 정확성을 유지하기 위해 설명 가능한 AI와 벡터 기호 패러다임을 활용하는 차등 프라이버시-초차원 컴퓨팅(DP-HD) 프레임워크를 제안한다.
비정상 환경에서의 베이지안 온라인 학습을 위한 통합 프레임워크: BONE
BONE이라는 새로운 프레임워크는 비정상 환경에서 베이지안 온라인 학습을 수행하는 다양한 기법들을 통합하고, 새로운 방법 개발의 토대를 마련하며, 상황에 맞는 최적 기법 선택을 위한 실험적 비교 분석을 제공합니다.
새의 비행 방식에 영향을 미치는 주요 특징 탐구를 위한 머신러닝 접근 방식
머신러닝 기법을 활용하여 조류의 비행 방식에 영향을 미치는 주요 형태학적 및 생태학적 특징을 분석한 결과, 부화 기간과 날개 길이가 가장 중요한 요인으로 밝혀졌으며, 이는 기존 생물학적 지식과 일치하는 부분입니다.
다중 스케일 Dubuc: 시계열 유사도 측정을 위한 새로운 방법 (잡음에 대한 민감도 조절 가능)
본 논문에서는 프랙탈 분석 기법에서 영감을 받아 시계열의 다중 해상도 특성을 활용하여 유사도를 측정하는 새로운 방법인 다중 스케일 Dubuc 유사도 (MDS)를 제안하며, 이는 기존 방법들과 비슷하거나 더 나은 성능을 보이면서도 사용자가 잡음에 대한 민감도를 조절할 수 있다는 장점을 가진다.
안전하고 다양한 모델 기반 정책 검색을 통한 반복적인 배치 강화 학습
본 논문에서는 안전성과 다양성을 모두 고려한 모델 기반 정책 검색을 통해 반복적인 배치 강화 학습(IBRL) 알고리즘을 제안하며, 이를 통해 제한된 데이터 환경에서도 효율적인 데이터 수집과 정책 개선을 가능하게 합니다.
옵션 헤징을 위한 리스크 감지 계약 통합 강화 학습 접근 방식
본 논문에서는 옵션 헤징을 위한 새로운 리스크 감지 강화 학습 접근 방식을 제안하며, 이는 최종 손익의 테일 리스크를 최소화하면서 다양한 옵션 계약에 적용 가능한 통합 전략을 학습합니다.
다중 센서 장치 Terracorder 및 에너지 효율적인 생물 다양성 모니터링을 위한 강화 학습 스케줄러
본 논문에서는 다중 센서 장치인 Terracorder를 소개하고, 에너지 효율적인 생물 다양성 모니터링을 위해 장치 내 강화 학습 스케줄러를 사용하는 방법을 제시합니다.
© 2024 by Linnk AI