論文の概要: Attention Is All You Need (to Avoid Spurious Oscillations)

• arxiv url: http://arxiv.org/abs/2609.13531v1
• Date: Fri, 11 Sep 2026 20:59:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.377664
• Title: Attention Is All You Need (to Avoid Spurious Oscillations)
• Title（参考訳）: 注意は必要なもの(偽りの振動を避けるために)
• Abstract要約: 我々は,現在の時間ステップで要求される輸送量に応じて,CFL条件の注意流束が上流情報を選択する有限体積スキームを開発する。 同じ学習されたフラックスは、従来の小さなステップでは信頼性が保たれており、タイムステップは4倍で、1回の更新で1段階の急激なショックを保っている。
• 参考スコア（独自算出の注目度）: 1.0262304700896199
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can attention move a shock across several cells in one update without breaking it? We develop a conservative, fixed grid finite-volume scheme in which a CFL-conditioned attention flux selects upstream information according to the transport required by the current time step. One-dimensional inviscid Burgers transport is used as the central mechanism test: the same learned flux remains reliable in the conventional small-step regime and, with a time step four times larger, preserves sharp shocks while using one stage per update. A standard fifth-order WENO scheme with third-order strong-stability-preserving Runge-Kutta time integration (WENO-5+SSP-RK3) is included alongside controlled Forward Euler comparisons to separate flux selection from time integration. The learned attention shifts upstream with the local transport reach and becomes more selective near shocks; inference-time interventions and retrained ablations show that transport-scale information and state-dependent selection contribute directly to performance. Directional two-dimensional scalar Burgers transport and the one-dimensional shallow-water system then test whether the conservation-scale-selection principle transfers beyond the original scalar setting. The results support attention as a learnable information stencil for conservative large-step shock transport, while identifying finite candidate reach and problem-dependent robustness as the present limits.
• Abstract（参考訳）: 注意喚起は、複数のセルをまたがって、1回の更新でショックを壊さずに動かせるか? 我々は、CFL条件の注意流束が、現在の時間ステップで要求される輸送に応じて上流情報を選択する、保守的で固定されたグリッド有限体積スキームを開発する。 1次元の不可視バーガース輸送が中心的なメカニズムテストとして用いられる: 従来の小さな段階において、同じ学習されたフラックスは信頼できるままであり、タイムステップは4倍大きく、1回の更新で1段階の急激な衝撃を保っている。 3階強安定保存ランゲ・クッタ時間積分(WENO-5+SSP-RK3)を用いた標準5階WENOスキームは、時間積分からフラックス選択を分離するために制御されたフォワードオイラー比較と共に含まれる。 学習された注意は、局所的な輸送の到達とともに上流にシフトし、より選択的に近いショックとなり、推論時間の介入と再訓練による改善は、輸送規模情報と状態依存の選択が直接パフォーマンスに寄与することを示している。 指向性2次元スカラーバーガー輸送と1次元浅層水系は,保存スケール選択原理が当初のスカラー設定を超えて移動するかどうかを検証した。 その結果、保守的な大規模ショック輸送のための学習可能な情報ステンシルとして注目され、有限候補リーチと問題依存ロバスト性を現在限界としている。

関連論文リスト

• Mitigating Bus Bunching with Reinforcement Learning Enhanced by Semantic Stop Embedding [6.0671705325267835]
  バスの群れはサービスの定期性を低下させ、高頻度交通機関の乗客待ち時間を増加させる。 本研究では,イベント駆動型バス保持制御のためのLLM支援セマンティックストップ表現を提案する。
  論文  参考訳（メタデータ） (2026-08-10T20:21:52Z)
• PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference [12.48933770510505]
  時系列スナップショットから連続輸送ダイナミクスを復元する軌道推論フレームワークである PACE を提案する。 PACEはMDD、Wasserstein-1距離、Wasserstein-2距離を平均で23.7%減らし、最も高い総合的な再構築性能を達成した。 PACEはまた、胚体分化ベンチマークでRNA-ベロシティアライメントを15.4%改善する。
  論文  参考訳（メタデータ） (2026-05-18T16:03:56Z)
• LagrangianSplats: Divergence-Free Transport of Gaussian Primitives for Fluid Reconstruction [26.888819976353957]
  スパース2次元ビデオ観測から3次元流体流速場を再構成することは、非常に不適切な逆問題である。 既存の方法は通常、これらの制約をソフトな罰則によって課し、しばしば精度と収束の問題を引き起こす。 両制約を構造的に強制する再構成フレームワークを導入する。具体的には,連続的な分散自由カーネル表現を用いて,再構成速度をパラメータ化する。
  論文  参考訳（メタデータ） (2026-05-10T03:45:50Z)
• FlowS: One-Step Motion Prediction via Local Transport Conditioning [3.883772843505009]
  ローカルトランスポートコンディショニングは、安全クリティカルな自律性のために一段階の生成動作予測を実践する。 FlowSは75のアンサンブルを持つ最先端のSoft mAP (0.4804)とmAP (0.4703)を単一ステップ推論で調整する。
  論文  参考訳（メタデータ） (2026-04-28T19:06:06Z)
• RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
  RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。 様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。 強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
  論文  参考訳（メタデータ） (2026-04-16T17:59:44Z)
• FluxNet: Learning Capacity-Constrained Local Transport Operators for Conservative and Bounded PDE Surrogates [13.645285242786008]
  正規グリッド上で保守的な輸送オペレータを学習するためのフレームワークを導入する。 モデルは次の状態を予測する代わりに、近所の交換を通じてセルを更新するローカルトランスポートオペレータを出力する。 浅水式と交通流の実験では, 強いベースライン上でのロールアウト安定性と物理的整合性が向上した。
  論文  参考訳（メタデータ） (2026-02-02T10:44:10Z)
• FlowDet: Unifying Object Detection and Generative Transport Flows [8.17965476453797]
  この研究はディフフュージョンデット(DiffusionDet)によるもので、元々は拡散による境界ボックス空間における生成的ノイズ発生問題として検出をフレーム化していた。 我々は,この定式化をより広範な生成的輸送問題に再考・一般化するとともに,箱の数や推論ステップを再訓練せずに変更する能力を維持した。 拡散によって誘導される湾曲した輸送経路とは対照的に、FlowDetはよりシンプルで直線的な経路を学習し、推論ステップの数が増えるにつれて、検出性能のスケーリングが高速化される。
  論文  参考訳（メタデータ） (2025-12-18T17:03:49Z)
• SuperFlow++: Enhanced Spatiotemporal Consistency for Cross-Modal Data Pretraining [62.433137130087445]
  SuperFlow++は、連続するカメラペアを使用して事前トレーニングと下流タスクを統合する新しいフレームワークである。 SuperFlow++は様々なタスクや運転条件で最先端のメソッドよりも優れています。 強力な一般化性と計算効率により、SuperFlow++は、自動運転におけるデータ効率の高いLiDARベースの認識のための新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2025-03-25T17:59:57Z)
• Self-Supervised Class-Agnostic Motion Prediction with Spatial and Temporal Consistency Regularizations [53.797896854533384]
  クラスに依存しない動き予測法は点雲全体の動きを直接予測する。 既存のほとんどのメソッドは、完全に教師付き学習に依存しているが、ポイントクラウドデータの手作業によるラベル付けは、手間と時間を要する。 3つの簡単な空間的・時間的正則化損失を導入し,自己指導型学習プロセスの効率化を図る。
  論文  参考訳（メタデータ） (2024-03-20T02:58:45Z)
• Forecasting Particle Accelerator Interruptions Using Logistic LASSO Regression [62.997667081978825]
  インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。 このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。 このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Interplay between transport and quantum coherences in free fermionic systems [58.720142291102135]
  自由フェルミオン系のクエンチダイナミクスについて検討する。 特に,入力として定常電流の値をとり,出力として相関値を与えるEmphtransition Mapをダブする関数を同定する。
  論文  参考訳（メタデータ） (2021-03-24T17:47:53Z)

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。