Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
착륙 항공기의 데이터 기반 활주로 및 유도로 탈출 예측: Hartsfield-Jackson Atlanta International
Hartsfield-Jackson Atlanta 공항의 지상 운영 효율을 높이기 위해 항공기의 활주로 탈출 및 유도로 경로를 예측하는 2단계 데이터 기반 의사결정 지원 시스템을 제안합니다. XGBoost와 LightGBM 등 다양한 머신러닝 모델을 벤치마킹하여 예측 성능을 검증했습니다.
순차적 추천을 위한 생성적 원형 기반 아이템 표현 (Generative Archetype-Grounded Item Representations)
GenAIR는 LLM을 활용하여 아이템의 타겟 오디언스인 '원형(Archetype)'을 추론하고, 이를 실제 사용자 행동 데이터와 결합하여 아이템 표현력을 높이는 새로운 프레임워크입니다. 기존 방식의 정적 인코딩 한계를 극복하고 의미론적 표현과 행동 패턴 간의 격차를 줄여 순차적 추천 성능을 크게 향상시킵니다.
Flow-DPPO: Flow Matching 모델을 위한 Divergence Proximal Policy Optimization
Flow Matching 모델의 정렬을 개선하기 위해 기존 PPO의 ratio clipping 방식 대신 KL 발산을 직접 제어하는 Flow-DPPO를 제안합니다. 가우시안 분포 특성을 활용해 정확한 KL 발산을 계산하며, 비대칭 발산 마스크를 통해 학습 안정성과 보상을 높였습니다.
GRAFT: Transformer 기반 신경 집단 활동 모델링을 위한 이득 재보정 어댑터 (Gain-Recalibrated Adapters)
GRAFT는 Transformer를 기반으로 신경 집단 활동을 모델링하며, 뉴런 인터페이스와 시간적 역동성을 분리하여 재사용성을 높인 모델입니다. NLB'21 MC Maze 데이터셋에서 SOTA를 달성했으며, 적은 파라미터 업데이트만으로도 효율적인 교차 일자 재보정이 가능합니다.
분포 변화(Distributional Shifts) 하에서의 일반화된 컨포멀 예측 시스템 (Generalized Conformal
본 연구는 분포 변화(distributional shifts) 상황에서도 유효성을 유지하는 일반화된 컨포멀 예측 시스템(CPS)을 제안합니다. 순열 가중치를 통해 비교환 가능 설정을 지원하며, 가중치 불확실성을 고려한 강건한 예측 엔벨로프 구축 방법을 다룹니다.
단백질 특성 예측을 위한 유연한 커널 (Flexible Kernels)
희소한 실험 데이터 환경에서 단백질의 결합 친화도와 열안정성을 예측하기 위한 새로운 서열 커널을 제안합니다. 이 커널은 가우시안 프로세스를 통해 데이터 효율적인 모델을 제공하며, 파운데이션 모델 임베딩보다 우수한 성능을 보입니다.
Flow Matching을 위한 보상 역전파(Reward Backpropagation)의 설계 공간 탐색
Flow Matching 모델을 인간 선호도에 맞추기 위한 새로운 보상 역전파 프레임워크인 FlowBP를 제안합니다. 기존 방식의 메모리 문제와 그래디언트 팽창 문제를 해결하기 위해 역방향 대리 궤적을 설계하여 샘플링과 최적화의 효율성을 높였습니다.
Transformer가 실제로 침입 탐지에 도움이 되는가? CIC-IDS2017에 대한 시계열 시퀀스 평가
CIC-IDS2017 데이터셋을 활용하여 Transformer 기반 네트워크 침입 탐지 성능을 재평가한 연구입니다. 기존 연구들이 패딩 방식과 데이터 누출 방지 프로토콜을 간과하여 성능을 과대평가했음을 지적하며, 올바른 시계열 벤치마킹 방법론을 제안합니다.
유한 정밀도 환경에서 Tanh 신경망 학습의 한계
유한 정밀도 환경에서 Tanh 활성화 함수를 사용하는 신경망 학습의 이론적 한계를 분석합니다. 샘플링 예산이 지수적으로 증가하지 않는 한, 특정 조건에서 수렴 속도가 몬테카를로 속도를 초과할 수 없음을 증명합니다.
특징 융합(Feature Fusion)을 이용한 멀티모달 뇌종양 분류
본 연구는 MRI 영상과 라디오믹 특징을 결합한 이중 분기 멀티모달 네트워크를 통해 뇌종양 분류 성능을 높이는 방법을 제안합니다. CNN과 MLP를 활용한 다양한 특징 융합 전략을 실험한 결과, 게이팅 융합 방식이 96.13%의 최고 정확도를 기록했습니다.
온라인 플랫폼에서의 데이터 기반 동적 상품 구성: 양면 시장에 대한 학습
양면 시장 플랫폼에서 고객과 판매자의 선택 파라미터를 모르는 상태로 동적 상품 구성을 최적화하는 연구를 다룹니다. 데이터 기반 알고리즘을 통해 수익을 최적화하며, 전지적 벤치마크 대비 후회(regret)의 최적성을 입증했습니다.
Feedback Alignment에서의 랭크 붕괴(Rank Collapse) 극복
Feedback Alignment(FA) 학습 시 발생하는 랭크 붕괴 문제를 분석하고, 이를 해결하기 위한 연구를 소개합니다. Muon 옵티마이저와 은닉 활성화 정규화를 통해 FA의 유효 차원을 높여 더 깊은 아키텍처에서도 성능을 개선할 수 있음을 입증했습니다.
DMT: PPG 신호로부터 커프리스 혈압 추정을 위한 인구통계학적 조건부 및 형태학 강화 Transformer
PPG 신호를 활용해 커프리스 혈압을 추정하는 Transformer 기반의 새로운 네트워크인 DMT를 제안합니다. 인구통계학적 정보를 특징 변조 방식으로 통합하고 보조 형태학 헤드를 통해 파형의 특징을 학습하여 혈압 추정의 정확도를 크게 높였습니다.
쿼리를 이용한 일반 ReLU의 강건한 회귀 (Robust Regression of General ReLUs with Queries)
가우시안 분포 하에서 일반적인 ReLU 함수를 학습하기 위한 쿼리 기반 상호작용 설정의 연구입니다. 블랙박스 레이블 쿼리를 사용하여 기존 수동적 학습보다 효율적인 계산 복잡도를 달성하는 최초의 학습기를 제안합니다.
OncoTraj: osimertinib 처방을 받는 EGFR 변이 비소세포폐암의 종단적 저항성 예측을 위한 공개 벤치마크
EGFR 변이 비소세포폐암 환자의 osimertinib 저항성을 예측하기 위한 공개 벤치마크인 OncoTraj를 소개합니다. 813명의 임상-유전체 데이터를 통합하여 질병 진행 여부, 진행 시간, 저항성 기전을 예측하는 세 가지 과업을 정의합니다.
1차 궤적 매칭 (First-Order Trajectory Matching): 혼돈적, 난류적, 확률적 시스템의 빠른 앙상블 예측
확률적 시스템의 궤적을 통해 확률 질량의 1차 국소 수송을 학습하는 FTM(First-Order Trajectory Matching) 방법론을 제안합니다. 이 방식은 드리프트나 확산 추정 없이 전류 속도를 직접 학습하여 효율적인 앙상블 예측을 가능하게 합니다.
Massart 노이즈가 존재하는 상황에서 표류하는 하프스페이스(Halfspaces)의 효율적인 학습
Massart 노이즈가 존재하는 환경에서 변화하는 타겟 개념(drifting concept)을 학습하는 하프스페이스의 효율적인 학습 알고리즘을 연구합니다. 제안된 학습자는 노이즈율, 표류율, 마진을 고려한 오차 범위를 달성하며, 정보-계산 트레이드오프를 통해 알고리즘의 최적성을 증명합니다.
임의 단계 SDE를 위한 Itô map
본 논문은 단일 단계 생성 모델의 한계를 극복하기 위해 임의 단계 확률 흐름 맵인 Itô map을 제안합니다. 이는 브라운 운동 경로를 입력받아 단 한 번의 통과로 미래 상태를 예측하며, 사후 샘플링 및 확률 제어를 위한 새로운 방법론을 제시합니다.
언제 정렬(Align)하고 언제 예측(Predict)할 것인가: 멀티모달 학습을 위한 상도표 (Phase Diagram)
멀티모달 학습의 두 핵심 패러다임인 정렬(Alignment)과 예측(Prediction)의 성공 조건을 분석하는 통합 선형 프레임워크를 제안합니다. 상도표(Phase Diagram)를 통해 데이터 특성에 따라 어떤 학습 방식이 적합한지 진단할 수 있는 체계적인 가이드를 제공합니다.
COGENT: 불규칙한 지리 공간 메쉬에서의 장기 물리 예측을 위한 Neural Ordinary Differential Equations 기반
불규칙한 지리 공간 메쉬에서 장기 물리 예측을 수행하는 연속 그래프 에뮬레이터 COGENT를 제안합니다. Neural ODEs를 활용하여 고정된 시간 간격에 제한되지 않고 임의의 시점에서 물리적 상태를 예측할 수 있는 프레임워크를 구축했습니다.
이 피드 구독하기
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.