本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明跟踪誤差に基づく外乱オブザーバを用いた、UAV向けの指定時間耐故障高速終端滑りモード制御
要約本論文は、外乱、パラメータ不確かさ、アクチュエータ故障を伴う複雑な条件下での四重反転ローターUAVの耐故障追従制御を扱っている。システムを位置ループと姿勢ループに分解し、指定時間性能関数、跟踪誤差に基づく固定時間複合外乱オブザーバ、高速二次終端滑りモード制御器の三つの設計を組み合わせている。シミュレーションでは、追従精度、故障からの回復速度、不確かさへの頑健性で従来手法を上回る結果が示された。
説明知識ではなく温度：再帰的自己学習とその対策が言語モデルの確信度に与える影響
要約本論文は、言語モデルが自身の出力を用いて五ラウンドの自己学習を繰り返す際の確信度の変化を調べ、実験はQwen3-1.7Bを用い、手法ごとに三つの乱数シードで行っています。正答率と全体的な識別能力はほぼ変わらない一方で、確信度は鋭くなり、最も確信のある回答ほど信頼性が下がることが示されています。また、確信度のずれの多くは生成された各回答を二度当てはめることに起因すると分析し、いくつかの対策の異なる効果を比較しています。
説明推薦判断のペアに対する効率的な保形キャリブレーション手法
要約本論文は、推薦ルールに対するリスク制御が有益な変更を過度に抑制する問題を扱い、平均してからクリップするAveraged Conformal Risk Calibration（ACRC）を提案している。同じ観測損失から有効な活性化を回復する方法を示す。六つのデータセットで、校正のみを変えることで割引後の純効用が元の手法およびRBより向上したと報告している。Jesterでも正の改善が確認され、SCoREを基準とした比較でも効用が上回ったとされる。
説明地球埋め込み表現から作る適応的な土地単位
要約本論文は、AlphaEarthの地球埋め込み表現を並列ベイズ階層クラスタリングでまとめ、土地が均一な場所では大きく、多様な場所では小さくなる適応的な土地単位を、ラベルを使わず教師なしで作る手法を提案しています。事例としてデンマークの4億200万画素を127万単位にまとめ、約320分の1に減らしました。これらの単位で学習した土地利用地図は、画素ベースのモデルとの精度差が数ポイント以内に収まり、全国規模の推定も1分以内で行えるとしています。
説明一つの例から無限の世界を生成する：局所生成器が共有すべきもの
要約ゲームで無限の世界を必要な部分だけ生成する局所生成器について、各小さな窓が一つの例（波動関数崩壊法など）から得られる必要がある条件を検討している。位置に依存しない規則を独立な乱数に適用する生成器は、例の統計に忠実かつ完全に有効にすることができないことを示す。さらに、一定周期の位置と種からの行タイプを用いて精密な有効性を得るための有限に検査可能な条件を与え、公開された例で検証している。
注目点局所生成器が共有すべき乱数の条件を示し、独立乱数では厳密な有効性と忠実性を両立できないことを作者が証明し、1/r密度の下界と構成を与えたと報告。
説明主題にどれだけ近いか？ゲーム音楽生成のための類似度ラベル条件付け
要約本論文は、事前学習済みのMIDIモデルを『スーパーマリオ』の楽曲のセクションペアで学習させたものです。各ペアの類似度を示すラベルと、与えられたセクションを要約する文脈ベクトルを用いています。157のテスト文脈ごとに六つの出力を生成し、十二の指標で評価しています。類似を指定された出力は、旋律・音高・リズム・音価のいずれの面でも文脈により近いという結果が示されています。
説明レジームスイッチング消費・投資問題のためのエントロピー正則化強化学習
要約本論文は、一般的な効用関数を持つレジームスイッチング市場モデルの下で、連続時間の消費・投資問題に対するエントロピー正則化強化学習（ERRL）の枠組みを構築しています。確率的最適制御に探索的方策とシャノンエントロピー正則化を導入し、最適な探索的消費・投資戦略の閉形式表現を導出しています。また、古典的な決定論的最適決定は、平均ではなく探索分布の最頻値に対応することを示し、温度パラメータが0に近づくと探索的価値関数が非正則化の古典的価値関数に収束することを証明しています。さらに連続時間q-learningのアルゴリズムを提案し、数値実験で理論的知見を検証しています。
説明信頼できるエージェントには厳密なルールと曖昧なルールの両方が必要だという論文
要約本論文は、信頼できるエージェントには二種類のルールが必要だと主張します。明確に定義できる制限はコードによる厳密なルールで、判断を要する部分は学習された曖昧なルールで扱います。調購、権限委任、データアクセスの三領域で1,340のエピソードを用いて検証し、実行前に厳密な守衛を置くと未承認の操作が実行されないことを示しています。さらに、概念プログラミングで教えた小型モデルが、多くの違反的な購入要求を検出できたと報告しています。
説明長大なSKILL文書におけるコンプライアンス検出のための制約依存グラフ検索
要約大規模言語モデルのエージェントは、SKILL文書と呼ばれる標準作業手順書に従って業務を遂行するが、これらは長く相互参照が密であり、小規模な審査モデルの文脈予算を超える。本論文はSkillCDGを提案し、各SKILL文書を制約依存グラフとして再定式化して、類似度ではなく依存閉包に基づいて規則を選択する。三つの企業データセットと二つの公開ベンチマークで、精度とF1が全文書型および検索型のベースラインを上回ったと報告している。
説明ParaBlock++：通信と計算を並列化したブロック分割型階層的連合学習
要約本論文は、低軌道衛星を活用した階層的連合学習の枠組みParaBlock++を提案します。資源の限られた地上クライアントが地上-衛星リンクを通じて協調学習を行えるようにし、衛星はエッジサーバー、計算クライアント、星間中継を兼ねます。同期型ではなく非同期のBCD型更新を採用し、凸・強凸・非凸の目的関数に対する収束保証を示しました。ResNet-18での実験では、初期収束が速く、最終性能は同等で、グローバルラウンド数と通信コストが少ないと報告されています。
説明pico-WAM：コンパクトな世界行動モデルにおける反事実予測と計画誤差の評価
要約本論文はコンパクトなモデル pico-WAM を提案し、206 件の Push-T デモンストレーションと 15 の学習シードを用いて、世界行動モデルの制御失敗の原因が候補軌道の生成にあるのか軌道のスコア付けにあるのかを比較検証しています。反事実分岐の学習により、短期的なコストの順位付けが改善され、ポリシー再起動型探索が温め直し型探索に対して持つカバレッジの優位が 4.8 ポイント拡大しました。学習された軌道スコアをシミュレータのコストに置き換えるとカバレッジが向上し、学習済みの候補生成はそのまま保たれました。候補生成のみでシミュレータの状態に置き換えても、有意な改善は見られませんでした。著者らは、検証した設定では評価（スコアリング）が有効な改善対象であると結論づけ、コンパクトな世界モデルを診断するための再現可能な手順を示しています。
説明リーマン確率的勾配経路に基づく自己正規化推論
要約本論文は、制約付きパラメータを推定するリーマン確率的勾配経路から信頼領域を構成する方法を扱う。保持された反復点を共通のランダム接空間で表現し、未知の共分散因子がブラウン橋ピボットで打ち消し合う自己正規化推論を構築している。適切な正則性条件のもとで、平均推定量と積分経路の同時展開により非線形な座標誤差を制御する。数値実験では、Hessian行列や残差密度の推定を必要とせず、プラグイン型Wald推論と比べて競争力のある被覆率が示されている。
説明公開AIカメラの計数と天気予報から来訪者数を予測する：日本の知見がサウジアラビアの遺産地に示すもの
要約本論文は、小規模な文化遺産地や自然地域において、地点ごとのAIカメラ計数器1台、祝日カレンダー、無料の天気予報だけでどの程度来訪者数を予測できるかを検討しています。福井県の3か所の約22か月分の公開計数データを用い、降雨が来訪者数に与える影響を分析し、数日先の日別人数を予測しました。屋外に開けた地点ほど天気の影響が大きく、山頂公園では3日先の予測誤差が低下したと報告しています。
説明宇宙・空・地上統合ネットワーク上の階層型非同期フェデレーテッド学習
要約本論文は、低軌道（LEO）衛星を利用した階層型非同期フェデレーテッド学習フレームワークHAFLを提案し、資源の限られた地上クライアントが地上-衛星リンクを通じて協調学習できるようにします。衛星はエッジサーバー、学習を加速するクライアント、衛星間リンク上のルーティングを担う中継局という複数の役割を担います。HAFLは非同期のGauss-Seidel型更新を採用し、凸・強凸・非凸の各目標について収束理論を示しています。評価では、初期収束が速く、最終性能は同程度で、通信回数も少ないことが示されています。
説明Jet-QSparse：4ビットスパースアテンションによるエージェント型LLM推論の高速化
要約本論文は、学習を必要としない手法Jet-QSparseを提案します。コンパクトなNVFP4形式でKVキャッシュを保存し、Blackwellテンソルコア上でFP4のクエリ・キー計算を直接行います。まず全キー履歴を密にスキャンして128トークンのブロックを選び、FP32累積によるスパースなFP16値集約を行います。4つのハイブリッドLLMでは、KVヘッドあたり128ブロックの設定で、評価した数学推論・コーディング・エージェント系ベンチマークにおいて検出可能な精度低下は見られませんでした。
説明大きな移動と照明変化に強い、大域から局所へのハイブリッドニューラル場によるピクセル単位のデジタル画像相関
要約本論文は、全視野の変位をピクセル単位で測定するデジタル画像相関（DIC）のための、大域から局所へのハイブリッドニューラルフレームワークを提案する。第1段階では、粗い回転探索、位相相関、マスク付き精密化によって主要な平面内剛体変換を推定し、大きな並進・回転に対しても信頼できる初期値を与える。第2段階では、残差変位をKolmogorov-Arnoldネットワーク（KAN）と多層パーセプトロン（MLP）のハイブリッドで表現し、有効重なり領域と照明に頑健な構造損失を用いて最適化する。シミュレーションと実験の結果、ノイズ、不均一変形、大きな回転、照明変化の下でも安定して変位を復元できることが示された。