SINA: AIを用いた回路図画像からネットリストへの自動生成ツール
TL;DR回路図画像を機械可読なネットリストへ変換する際、部品認識や接続推論に課題があった。本研究では、深層学習による部品検出、CCLによる接続抽出、OCRとVLMを組み合わせた参照指定子の割り当てを統合したオープンソースツール「SINA」を提案する。実験では、既存の最先端手法の2.72倍となる96.47%の全体精度を達成した。
Cog AI Archive
最新の記事
人気記事ピックアップ
RedSage: サイバーセキュリティに特化した汎用LLM
TL;DRRedSageは、プライバシーリスクを回避しつつ多様なセキュリティ業務を支援するために開発された、オープンソースのサイバーセキュリティ特化型LLMである。118億トークンの専門データによる事前学習と、エージェントベースのパイプラインで生成された26.6万件の指示データによる調整を経て、既存モデルを上回る性能を実現した。
物理法則に基づく4次元大気風速場の再構成：マルチドローン群観測を活用して
TL;DR本研究は、複数のドローン（UAS）群の観測データを用いて、4次元の大気風速場を再構成するフレームワークを提案しています。双方向LSTMで局所的な風を推定し、物理法則に基づくニューラルネットワーク（PINN）で時空間的に連続な風速場を復元します。専用センサーなしで高精度な風速場の再構成が可能であることを示しました。
未知の力学系における一般化された情報収集フレームワーク
TL;DR未知の力学系で動作するエージェントが、観測から効率的に力学を学習するための統一的なフレームワークを提案した研究である。パラメータ、信念、制御の因果関係を明示することで、特定のモデル選択に依存しない一般的な情報収集コストを導出した。
安全なAI自律制御のためのコンテキスト対応ランタイムモニター学習
TL;DR機械学習ベースの制御システムにおける安全性を向上させるため、状況に応じて最適なコントローラーを選択する「コンテキスト対応ランタイムモニター」を提案した研究です。従来のアンサンブル手法とは異なり、コントローラーの出力を混ぜ合わせるのではなく、現在の環境に最も適した専門性を持つモデルを選抜します。これにより、理論的な安全性。
Transformerベースのモデルを用いたマルチエージェント軌道予測における教師なし異常検知
TL;DR自動運転において重要な「安全上危険なシナリオ」の特定は、その希少性から教師あり学習が困難です。本研究は、通常の運転をモデル化し、予測誤差を通じて逸脱を測定するTransformerベースの教師なし異常検知フレームワークを提案。NGSIMデータセットでの実験により、既存手法が見逃していた388件の独自の異常検知に成功しました。
勾配情報を用いた重要度推定によるニューラルネットワーク制御器のためのコンポーネント認識型枝刈りフレームワーク
TL;DR高度なニューラルネットワーク制御器の計算コスト削減に向け、勾配情報を用いてパラメータの機能的重要度を推定する新しい枝刈りフレームワークを提案。勾配累積、フィッシャー情報量、ベイジアン不確実性の3つの指標により、従来の静的な手法では見逃されていた構造的依存関係や重要度の動的変化を捉え、より賢明な圧縮を実現する。
方策勾配法を用いた線形システムの出力フィードバック安定化
TL;DR未知の線形動的システムにおいて、システムモデルが不明かつ全状態が観測できない状況下での安定化問題に取り組みます。従来の強化学習手法の多くが全状態フィードバックを前提とする中、本研究は出力フィードバックを用いたゼロ次ポリシー勾配法を提案します。このアルゴリズムは定常点への収束を通じてシステムを安定化させ、そのサンプル複雑性も明らかにしています。
マルコフ決定問題における制御ベルマン残差最小化の解析
TL;DRマルコフ決定問題において、動的計画法よりも注目度の低い「ベルマン残差最小化」手法に焦点を当てた研究。特に関数近似を用いた際に収束が安定するという利点に着目し、これまで研究が少なかった方策最適化（制御タスク）への適用における基礎的な理論結果を確立した。
方策改善としての成功条件付け：成功の模倣によって解かれる最適化問題
TL;DR成功した軌跡を模倣して方策を更新する「成功条件付け」は広く使われていますが、その理論的背景は不明確でした。本論文は、この手法が$\chi^2$ダイバージェンス制約付きの信頼領域最適化問題を厳密に解いていることを証明しました。これにより、方策の改善、変化の大きさ、行動の影響度が数学的に等価であることが示され、安全な改善手法であることが明らかになりました。
GenAI-Net：自動化された生体分子ネットワーク設計のための生成AIフレームワーク
TL;DRGenAI-Netは、ユーザーが定義した機能的仕様から化学反応ネットワーク（CRN）を自動設計する生成AIフレームワークです。反応を提案するエージェントとシミュレーションベースの評価を組み合わせることで、論理ゲートや発振器、ノイズ低減など多様なタスクにおいて、新たなトポロジーを持つ回路候補を効率的に生成します。
保存済みの記事がまだありません。
読み込み中…