osu.cz

이 이메일 도메인이 관측된 논문 2건

arXiv:2609.24782v1cs.CV

가상 신경망: 한 몸 속 수백 개의 영혼

Virtual neural networks: hundreds of souls in a body

학습 가능한 파라미터 수는 일정하게 유지하면서 확장성은 오로지 연산 자원만으로 달성하는 새로운 개념인 가상 신경망(virtual neural networks)을 제안한다. 이 개념은 임의의 표준 합성곱 신경망으로 구현할 수 있는 추상적 프레임워크이며, 소수의 물리적 모델에서 유도된 가중치를 공유하는 다수의 가상 모델을 생성함으로써 Siamese 신경망과 딥 앙상블 기법을 결합한다. 앙상블은 최대 수백 개의 학습된 모델을 동시에 구성한다. 모든 가상 신경망은 동일한 입력을 받으며, 상호 연결된 구조가 내부 왜곡을 유발해 전체 앙상블의 견고성을 높인다. 용량을 바꾸지 않고 가상 신경망 수가 늘어날수록 앙상블 정확도가 향상된다. 가상 신경망은 더 큰 용량의 모델, 일반적인 딥 앙상블, SWA 및 Masksembles 같은 최신 접근법보다 우수하다. 또한 앙상블에서 가장 성능이 좋은 개별 모델은 파라미터 수가 더 많은 모델을 포함해 개별적으로 학습된 다른 모델들을 능가한다. Code: gitlab.com/EnginCZ/virtual-models-public

arXiv:2606.05462v2math.DS

반복 상관 역학에서 초기 궤적 특성화를 위한 이중 채널 F-변환 표현

A Two-Channel F-Transform Representation for Early Trajectory Characterization in Iterated Correlation Dynamics

많은 비선형 반복 시스템은 초기 거동이 정보를 담고 있지만 직접 비교하기 어려운 고차원 궤적을 생성한다. 본 논문은 반복 피어슨 상관 행렬의 초기 궤적에 대해 고정 차원 F-변환 좌표 표현을 유도한다. 이 구성은 첫 번째 5점 post-transient 신호 윈도우 위에 정의되며, 이는 세 개의 대칭 퍼지(fuzzy) 노드를 관측 위치에 동시에 배치하고 비퇴화(nondegenerate) 중심화 1차 F-변환 계수를 지원하는 최단 샘플링 윈도우로, 이 샘플링 기하 내에서 가장 이른 시점에 가능한 국소 수준–추세(level–trend) 특성화를 제공한다. 이 표현은 post-transient 역학의 두 로그 관측량, 즉 스텝 크기(step size)와 수축 비(contraction ratio)를 결합한다. 동일한 4좌표 구성을 스텝 크기 및 수축 비 신호에 적용하면 행렬 크기에 걸쳐 공통 좌표 형식을 갖는 8차원 기술자(descriptor) $Ψ=(v_1,v_2,v_3,s_2,u_1,u_2,u_3,r_2)$가 얻어진다. 고정 구성에 대해 $Ψ=M(q_2,\ldots,q_7)^{\top}$, $q_k=\logδ_k$이며 $\operatorname{rank}M=6$이다. 따라서 이 기술자는 두 채널을 뒷받침하는 여섯 개의 로그 스텝 크기에 대한 단사(injective), 과완비(overcomplete) 표현이다. 이 표현은 Lipschitz 안정이며, 중심화 1차 계수는 아핀 추세를 정확히 복원한다. 수렴 길이 근사는 보존된 역학 정보에 대한 하류(downstream) 검증으로 사용된다. 22개 행렬 차원과 22,000개 궤적에 걸쳐 반복적인 train–test 평가는 원시 이중 채널 및 통계 요약 표현과 비교 가능한 예측 성능을 보여준다. PCA는 첫 두 주성분이 기술자 분산의 평균 $84.47\%$를 설명함을 보여준다. 클러스터링은 재현 가능한 거친 조직 구조를 드러내며, 평균 실루엣(silhouette)이 $k=2$에서 가장 강하고 클러스터 수가 적을 때 높은 안정성을 보인다.