PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.17572v1cs.LG

동역학 모델이 잘못된 타임 스텝을 읽을 때: 강건한 전역 리드아웃을 위한 라벨 프리 이벤트 크레딧 재고정

When Dynamics Models Read the Wrong Time Steps: Label-Free Event Credit Re-Anchoring for Robust Global Readouts

학습된 동역학 모델은 종종 스텝별 특징(feature) 시퀀스를 하나의 리드아웃 벡터로 풀링(pooling)하여 결함 심각도나 충격 강성과 같은 전역 물리적 질문에 답합니다. 이 시퀀스-전역 인터페이스는 연구되지 않은 시간적 크레딧 문제를 야기합니다: 궤적(trajectory) 수준의 감독만으로는 모델이 목표를 결정하는 짧은 물리적 이벤트가 아닌 풍부한 매끄러운 상관 변수(correlates)를 읽으면서도 학습 조건에서 정확하게 예측할 수 있습니다. 우리는 이러한 실패를 시간적 크레딧 희석(temporal credit dilution)이라고 부릅니다. 이는 학습 손실(loss)에 의해 드러나지 않으며 표준적인 물리 정보 기반 잔차(physics-informed residuals)로도 제거되지 않는데, 그 이유는 오류가 전역 리드아웃이 기능적 크레딧을 할당하는 위치에 있기 때문입니다. 우리는 풀링된 크레딧이 이벤트 스텝에 얼마나 할당되는지 측정하는 인터페이스 수준의 프로브(probe)인 Credit-in-Event를 소개하고, 이벤트 비율이 줄어듦에 따라 풀링된 선형 리더가 크레딧을 허위 배경 채널로 라우팅한다는 것을 폐쇄형(closed form)으로 증명합니다. 그런 다음 우리는 학습된 특징(feature)으로부터 일시적 이벤트 코어를 추정하고 이벤트-나머지 대비(contrast)를 통해 풀링된 표현을 재고정하는, 학습 없는(training-free) 라벨 프리(label-free) 리드아웃인 CREST를 제안합니다. 시뮬레이션된 기어 및 충격 시스템, 순환(recurrent) 및 어텐션(attention) 인코더, 공개 베어링 진동 데이터에 걸쳐, CREST는 이벤트 크레딧을 복원하면서 분포 외(out-of-distribution) 오류를 줄입니다. 제거 연구(ablations)는 안정 스텝 선택 및 수용 필드(receptive-field) 축소가 실패함을 보여주며, 이는 이득이 일반적인 국소성(locality)이나 안정성 사전(prior)이 아닌 이벤트 코어 크레딧 재고정에서 비롯됨을 확인시켜 줍니다.