近傍ベースの最適化による効果的なエッジ中心性
ECHOは、有向・無向ネットワークにおけるエッジの重要度を評価する新しい中心性指標であり、従来の手法よりも効率的かつ効果的に重要なエッジを特定できる。
완전 연결 계층 제거를 통한 트랜스포머 계산 최소화: MemoryFormer
MemoryFormer는 완전히 연결된 레이어를 메모리 조회 테이블로 대체하여 트랜스포머 모델의 계산 복잡성을 크게 줄이는 새로운 아키텍처입니다.
完全に接続された層を削除することによりTransformerの計算量を最小化するMemoryFormer
Transformerモデルの計算量を大幅に削減するために、全結合層の代わりにメモリレイヤーを用いた新しいアーキテクチャ「MemoryFormer」を提案する。
從偏微分方程的角度探討非局部週期算子的逼近及其在神經網路求解臨界 SQG 方程中的應用
本文提出了一種從偏微分方程的角度逼近非局部週期算子的新方法，並將其應用於構建神經網路以逼近週期性臨界 SQG 方程的解。
非局所周期作用素の近似に関する偏微分方程式の観点：臨界SQG方程式のためのニューラルネットワークへの応用
本稿では、非周期関数に対する周期的な分数ラプラシアンとリーストランスフォームの振る舞いを解析することで、非局所周期作用素の新しい近似手法を提案し、この手法を臨界SQG方程式のニューラルネットワークによる解の近似に応用し、その誤差評価を行っています。
Approximating Nonlocal Periodic Operators with Neural Networks: A PDE Perspective with Applications to the Critical SQG Equation
This paper introduces a novel PDE-based approach to approximate nonlocal periodic operators using neural networks, which traditionally lack periodic boundary conditions.
실세계를 볼 수 있는 생체 모방 신경망 구현: SpikingNeRF
SpikingNeRF는 스파이킹 신경망(SNN)을 사용하여 에너지 효율적인 방식으로 고품질 3D 장면을 재구성하는 새로운 방법을 제시합니다.
現実世界の視覚を実現する生物学的ニューラルネットワーク：SpikingNeRFの紹介
SpikingNeRFは、スパイクベースのニューラルネットワーク（SNN）を用いて、エネルギー効率の高い方法で高品質な3Dシーン再構成を実現する、新しいニューラル放射輝度場（NeRF）レンダリング手法である。
脳波信号からの3D視覚デコードに向けて：カラー3Dオブジェクト再構成のための新しいデータセットとフレームワークの紹介
脳波信号から3D視覚情報をデコードする新しいタスクと、このタスクを促進するための新しいデータセット（EEG-3D）とフレームワーク（Neuro-3D）を紹介する。
基於 LUT 的高效乘法：LUTMUL 如何突破傳統 FPGA 性能上限，加速神經網路推理
本文提出了一種名為 LUTMUL 的演算法硬體協同設計方法，該方法利用 FPGA 中大量的查找表 (LUT) 資源來執行高效的乘法運算，從而突破傳統基於 DSP 的 FPGA 加速器性能瓶頸，實現更高效的神經網路推理。
