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）。
説明スマートフォンGPU上の深層学習によるRGB写真強化：Mobile AI 2026チャレンジ報告書
要約本論文はMobile AI 2026チャレンジの報告書で、QualcommとArmのスマートフォンGPUで動作する高速なRGB写真強化モデルの設計が参加者に求められました。参加者にはiPhone 3GSとプロ用Canon 70D一眼レフで撮影された画像ペアからなるDPEDデータセットが提供されました。Snapdragon 8 Elite Gen 5とDimensity 9500で評価され、上位の解法はフルHD画像を両プラットフォームで300ミリ秒以内に強化できました。
説明有限スペクトル深さがガウス入口ランクと勾配流の第一鞍点の回避をどう制御するか（行列分解モデルで、ニュートン・シュルツ反復による学習初期の挙動を調べた研究）
要約本論文は行列分解を単純なモデルとして、小さな初期化の下での学習ダイナミクスを扱います。正規化された行列勾配に有限回のNewton-Schulz反復を適用する連続時間のダイナミクス（Muon）を検討しています。反復回数によって学習初期に選ばれるランクが変わり、勾配流が近づく最初の非零定常点を迂回しうることを示します。追加の残差慣性条件のもとで、十分大きな有限の反復深さでは迂回が起きることを証明し、明示的な十分条件の閾値を与えています。さらに、迂回閾値が4となる例も構成しています。
説明『Matched but Not Better』：6つの臨床データセットにおける量子機械学習の等価性検定ベンチマークと QML-Health-READY 報告フレームワーク
要約量子カーネルSVMと変分量子分類器を、調整済みの五つの古典モデルと六つの公開臨床データセットで、同一入力と25回の交差検証により対応づけて比較した研究です。AUROCの差は等価性検定で評価され、量子モデルはいずれの古典比較対象にも有意に優るとは示されませんでした。あわせて、量子機械学習の信頼できる報告の要件を定める八領域の QML-Health-READY 報告フレームワークを提案しています。