PyTorchKR Papers

최신 논문

총 3편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.08581v1cs.LG

유사역행렬 기반 극단적 학습 기계의 스펙트럴 안정성

Spectral Stability of Pseudoinverse-Based Extreme Learning Machine

극단 학습 기계(ELM)의 유사역행렬(pseudoinverse) 기반 출력 가중치 계산의 수치 안정성을 스펙트럴(spectral) 관점에서 분석하여, 은닉층 행렬의 최솟값 특이값이 섭동 증폭을 결정하고 조건수가 불안정성의 척도임을 이론적으로 규명하였다. MNIST, Fashion-MNIST, ISOLET 등 벤치마크 실험을 통해 SVD 기반 방법이 심각한 불량 조건 상황에서도 가장 신뢰할 수 있으며, 은닉층 너비가 커질수록 조건수가 악화되어 유사역행렬 민감도가 증가함을 실험적으로 확인하였다.

arXiv:2308.05810v4cs.CV

이미지 인식을 위한 스핀트로닉스: 데이터 기반 시뮬레이션을 통한 성능 벤치마킹

Spintronics for image recognition: performance benchmarking via data-driven simulations

스핀트로닉스(spintronics) 기반 소용돌이 스핀-토크 발진기(STVO)의 비선형 동역학을 활성화 함수로 활용하는 극한 학습 머신(ELM) 구조를 제안하며, 데이터 기반 Thiele 방정식 접근법(DD-TEA)으로 시뮬레이션하여 반복적인 실험 없이 하이퍼파라미터 탐색을 가능하게 했다. MNIST에서 최신 수준의 정확도를 달성했으며, STVO 동역학의 성능이 reLU·sigmoid 등 기존 소프트웨어 활성화 함수와 동등함을 입증했다.

arXiv:2607.01694v1cs.LG

Frequency Shift Physics-Informed Extreme Learning Machine for Solving High-Frequency Partial Differential Equations

고주파 편미분방정식(PDE) 풀이 시 신경망의 스펙트럴 편향(spectral bias) 문제를 해결하기 위해, 가우시안 가중치 분포의 분산을 고정한 채 평균만 이동시키는 주파수 시프트(frequency shift) 메커니즘 기반의 FS-PIELM 프레임워크를 제안한다. Helmholtz, wave, Poisson 등 6가지 방정식 유형을 포함한 7개 벤치마크 실험에서 기존 PIELM 변형 대비 최대 5 오더 수준의 정확도 향상을 달성하면서도 단일 선형 풀이만으로 계산 효율성을 유지하였다.