論文の概要: Novel Approaches to Artificial Intelligence Development Based on the Nearest Neighbor Method
- arxiv url: http://arxiv.org/abs/2508.18953v1
- Date: Tue, 26 Aug 2025 11:49:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.824405
- Title: Novel Approaches to Artificial Intelligence Development Based on the Nearest Neighbor Method
- Title（参考訳）: 最近近傍手法に基づく人工知能開発への新たなアプローチ
- Authors: I. I. Priezzhev, D. A. Danko, A. V. Shubin,
- Abstract要約: 本稿では,階層的なクラスタリング構造を持つ近傍手法に基づく代替手法を提案する。
手書き文字認識と簡単な字幕翻訳タスクによる試験により,提案手法の有効性が確認された。
提案手法は, 透明性と解釈可能性を備え, 人間の認知機構と密接に一致し, 高い信頼性と説明可能な結果を必要とするタスクに広く利用される可能性を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern neural network technologies, including large language models, have achieved remarkable success in various applied artificial intelligence applications, however, they face a range of fundamental limitations. Among them are hallucination effects, high computational complexity of training and inference, costly fine-tuning, and catastrophic forgetting issues. These limitations significantly hinder the use of neural networks in critical areas such as medicine, industrial process management, and scientific research. This article proposes an alternative approach based on the nearest neighbors method with hierarchical clustering structures. Employing the k-nearest neighbors algorithm significantly reduces or completely eliminates hallucination effects while simplifying model expansion and fine-tuning without the need for retraining the entire network. To overcome the high computational load of the k-nearest neighbors method, the paper proposes using tree-like data structures based on Kohonen self-organizing maps, thereby greatly accelerating nearest neighbor searches. Tests conducted on handwritten digit recognition and simple subtitle translation tasks confirmed the effectiveness of the proposed approach. With only a slight reduction in accuracy, the nearest neighbor search time was reduced hundreds of times compared to exhaustive search methods. The proposed method features transparency and interpretability, closely aligns with human cognitive mechanisms, and demonstrates potential for extensive use in tasks requiring high reliability and explainable results.
- Abstract（参考訳）: 大規模言語モデルを含む現代のニューラルネットワーク技術は、様々な応用人工知能アプリケーションで顕著な成功を収めてきたが、それらは様々な基本的な制限に直面している。
そのうちの1つは幻覚効果、トレーニングと推論の高度な計算複雑性、コストのかかる微調整、破滅的な忘れの問題である。
これらの制限は、医療、産業プロセス管理、科学研究などの重要な分野におけるニューラルネットワークの使用を著しく妨げている。
本稿では,階層的クラスタリング構造を持つ近傍手法に基づく代替手法を提案する。
k-nearest neighborsアルゴリズムを用いることで、ネットワーク全体を再トレーニングすることなく、モデル拡張と微調整を簡素化しながら、幻覚効果を著しく低減または完全に排除する。
そこで本研究では,k-nearest neighbors法の計算負荷の増大を克服するため,木のようなデータ構造をコホーネン自己組織化マップに基づいて利用し,近接探索を大幅に高速化する手法を提案する。
手書き文字認識と簡単な字幕翻訳タスクによる試験により,提案手法の有効性が確認された。
精度をわずかに下げるだけで、近隣の探索時間は徹底的な探索法に比べて数百倍に短縮された。
提案手法は, 透明性と解釈可能性を備え, 人間の認知機構と密接に一致し, 高い信頼性と説明可能な結果を必要とするタスクに広く利用される可能性を示す。
関連論文リスト
- Certified Neural Approximations of Nonlinear Dynamics [52.79163248326912]
安全クリティカルな文脈では、神経近似の使用は、基礎となるシステムとの密接性に公式な境界を必要とする。
本稿では,認証された一階述語モデルに基づく新しい,適応的で並列化可能な検証手法を提案する。
論文 参考訳（メタデータ） (2025-05-21T13:22:20Z) - Skelite: Compact Neural Networks for Efficient Iterative Skeletonization [38.6452617345504]
骨格化は、その幾何学と位相をコンパクトに符号化した画像から薄い表現を抽出する。
学習可能なコンポーネントを用いて反復骨格化アルゴリズムを訓練するための新しいフレームワークを提案する。
提案手法は,トポロジ制約付きアルゴリズムの100倍の高速化を示す。
論文 参考訳（メタデータ） (2025-03-10T14:27:25Z) - Automated Design of Linear Bounding Functions for Sigmoidal Nonlinearities in Neural Networks [23.01933325606068]
既存の完全検証技術は、すべての堅牢性クエリに対して証明可能な保証を提供するが、小さなニューラルネットワークを超えてスケールするのに苦労する。
本稿では,これらの線形近似の品質向上のためのパラメータ探索手法を提案する。
具体的には、最先端のアルゴリズム構成手法によって与えられた検証問題に慎重に適応する単純な探索手法を用いることで、最先端技術よりも平均で25%のグローバルローバウンドを向上することを示す。
論文 参考訳（メタデータ） (2024-06-14T16:16:26Z) - Neural Amortized Inference for Nested Multi-agent Reasoning [54.39127942041582]
本研究では,人間のような推論能力と計算限界のギャップを埋める新しい手法を提案する。
提案手法を2つの挑戦的マルチエージェント相互作用領域で評価する。
論文 参考訳（メタデータ） (2023-08-21T22:40:36Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Reduced-Order Neural Network Synthesis with Robustness Guarantees [0.0]
機械学習アルゴリズムは、デバイスがユーザのプライバシを改善し、レイテンシを低減し、エネルギー効率を高めるために、ローカルで実行するように適応されている。
この問題に対処するために、より大きなニューロンの入出力マッピングを近似する低次ニューラルネットワーク(ニューロンが少ない)を自動的に合成する手法を導入する。
この近似誤差に対する最悪の境界が得られ、このアプローチは幅広いニューラルネットワークアーキテクチャに適用することができる。
論文 参考訳（メタデータ） (2021-02-18T12:03:57Z) - Detection of Insider Attacks in Distributed Projected Subgradient
Algorithms [11.096339082411882]
汎用ニューラルネットワークは悪質なエージェントの検出とローカライズに特に適していることを示す。
本稿では,連合学習における最先端のアプローチ,すなわち協調型ピアツーピア機械学習プロトコルを採用することを提案する。
シミュレーションでは,AIに基づく手法の有効性と有効性を検証するために,最小二乗問題を考える。
論文 参考訳（メタデータ） (2021-01-18T08:01:06Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Progressive Spatio-Temporal Graph Convolutional Network for
Skeleton-Based Human Action Recognition [97.14064057840089]
本稿では,グラフ畳み込みネットワークのためのコンパクトで問題固有のネットワークを,段階的に自動的に見つける手法を提案する。
骨格に基づく人体行動認識のための2つのデータセットの実験結果から,提案手法は競争力あるいはより優れた分類性能を有することが示された。
論文 参考訳（メタデータ） (2020-11-11T09:57:49Z) - VINNAS: Variational Inference-based Neural Network Architecture Search [2.685668802278155]
スパース畳み込みニューラルネットワークを探索するための可変変分推論に基づくNAS法を提案する。
提案手法は,非ゼロパラメータの約2倍の精度で最先端の精度を示しながら,多様なネットワークセルを探索する。
論文 参考訳（メタデータ） (2020-07-12T21:47:35Z) - Binary Neural Networks: A Survey [126.67799882857656]
バイナリニューラルネットワークは、リソース制限されたデバイスにディープモデルをデプロイするための有望なテクニックとして機能する。
バイナライゼーションは必然的に深刻な情報損失を引き起こし、さらに悪いことに、その不連続性はディープネットワークの最適化に困難をもたらす。
本稿では,2項化を直接実施するネイティブソリューションと,量子化誤差の最小化,ネットワーク損失関数の改善,勾配誤差の低減といった手法を用いて,これらのアルゴリズムを探索する。
論文 参考訳（メタデータ） (2020-03-31T16:47:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。