1354 पेपर
यह शोध पत्र एक एसिंक्रोनस मल्टी-चैनल अनलिमिटेड सैंपलिंग फ्रेमवर्क प्रस्तावित करता है जो सिंक्रोनाइज़ेशन-डिपेंडेंट चाइनीज रिमाइंडर थ्योरम अनफोल्डिंग को एक ग्राफ-आधारित स्मूथनेस रणनीति से प्रतिस्थापित करता है, जिससे टेम्पोरली मिसअलाइन्डेड मेजरमेंट्स से सुदृढ़ सिग्नल पुनर्निर्माण सक्षम होता है।
Fast-TurboQuant एक मल्टीप्लायर-मुक्त ऑनलाइन वेक्टर क्वांटाइजेशन विधि है जो TurboQuant के गणनात्मक रूप से महंगे डेंस रैंडम रोटेशन को रेडेमेकर फेज इनवर्जन और फास्ट वॉल्श-हाडामार्ड ट्रांसफॉर्म का उपयोग करके एक स्ट्रक्चर्ड फास्ट जॉनसन-लिंडेनस्ट्रास ट्रांसफॉर्म से बदल देता है, जिससे एज डिवाइसेस पर लार्ज लैंग्वेज मॉडल एम्बेडिंग्स के लिए महत्वपूर्ण गति और बेहतर सटीकता प्राप्त होती है।
यह शोध पत्र Mem-GF का प्रस्ताव करता है, जो कोलाबोरेटिव फ़िल्टरिंग के लिए एक मेमोरी-कुशल ग्राफ फ़िल्टरिंग विधि है जो पूर्ण आइटम समानता ग्राफ (item similarity graph) को संग्रहीत किए बिना बहुपद फिल्टरों (polynomial filters) को अनुमानित करने के लिए क्रायलोव सबस्पेस (Krylov subspaces) का लाभ उठाता है, जिससे मेमोरी उपयोग और रनटाइम में महत्वपूर्ण कमी आती है और साथ ही सटीकता एवं स्केलेबिलिटी में अत्याधुनिक (state-of-the-art) विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र अनुकूलतम परिवहन (optimal transport) को फिशर सूचना (Fisher information) के साथ संयोजित करके विश्वास स्थानों (belief spaces) के लिए एक लागत ज्यामिति स्थापित करता है, जो यह प्रकट करता है कि शोर के तहत सीमित-संसाधन अनुमान स्वाभाविक रूप से एक ज्यामितीय "दीवार" के माध्यम से पूर्ण निश्चितता को अस्वीकार करता है, ईमानदार लागतों के लिए फिशर-अनुपातिक मेट्रिक्स का चयन करता है, और ऊष्मप्रवैगिकी बाधाओं के तहत गाऊसी वितरण को चरम हाइपरबोलिक विश्वास के रूप में पहचानता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि इनपुट और निरूपणों (representations) के बीच कम पारस्परिक सूचना (mutual information) ज्यामितीय संपीड़न (geometric compression) का संकेत देती है, बल्कि यह इसके बजाय एक जटिल, गैर-रेखीय संबंध को प्रकट करता है जहाँ सामान्यीकरण (generalization) एक प्रत्यक्ष परिणाम के बजाय एक भ्रमित करने वाले कारक (confounding factor) के रूप में कार्य करता है।
यह शोध पत्र एम्बेडेड पॉलीगन सिम्बोलिक ट्रांसफर एंट्रॉपी (EPSTE) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो स्थानीय लौकिक आकृति विज्ञान (local temporal morphology) को ज्यामितीय प्रतीकात्मक टोकन में परिवर्तित करके और ग्राउंड-ट्रुथ निर्देशित निर्भरताओं की स्थिर, उच्च-सटीक रिकवरी प्राप्त करने के लिए अटेंशन-आधारित मल्टीपल-इंस्टेंस लर्निंग के साथ एक रिकरेंट न्यूरल नेटवर्क का उपयोग करके न्यूरोइमेजिंग टाइम सीरीज़ में निर्देशित सूचना प्रवाह के अनुमान को बढ़ाता है।
यह शोध पत्र सीमित ट्रांसक्रिप्ट्स से सार्वजनिक यादृच्छिकता (public randomness) के ऑडिटिंग की सूचना-सैद्धांतिक सीमाओं को स्थापित करता है और मार्जिनल, ज्यामितीय और टोपोलॉजिकल विशेषताओं पर आधारित जनरेटर-अज्ञेयवादी सांख्यिकीय परीक्षणों का एक समूह प्रस्तावित करता है जो अनप्रतिबंधित एकरूपता परीक्षण की तुलना में काफी कम नमूना जटिलता (sample complexity) के साथ संरचित विचलन का पता लगा सकते हैं।
यह शोध पत्र एक रणनीतिक एआई (AI) प्रेषक और गलत संरेखित उद्देश्यों वाले मानव प्राप्तकर्ता के बीच बेयसियन प्रलोभन (Bayesian persuasion) में सूचना प्रवाह का विश्लेषण करता है, यह सिद्ध करते हुए कि इष्टतम प्रेषक संकेतन के तहत प्राप्तकर्ता की उपयोगिता उनके पूर्व-आधारित उपयोगिता के अधिकतम 1.5 गुना तक सीमित है, जिसमें स्वतंत्रता के निकट पूर्वों (priors) के लिए अधिक सटीक सीमाएं हैं और 1.25 से अधिक की एक प्रदर्शित निचली सीमा है।
यह शोध पत्र मल्टी-टर्मिनल लीनियर गॉसियन वायरलेस नेटवर्क के लिए एक डिफरेंशिएबल फ्रेमवर्क प्रस्तावित करता है जो ऑटोमैटिक डिफरेंशिएशन का उपयोग करके क्लोज्ड फॉर्म में कंडीशनल म्यूचुअल इंफॉर्मेशन और उसके ग्रेडिएंट्स की गणना करता है, जिससे समस्या-विशिष्ट ग्रेडिएंट डेरिवेशंस की आवश्यकता के बिना रेट रीजन और सिक्योर प्रीकोडिंग जैसे विविध फिजिकल-लेयर उद्देश्यों का एंड-टू-एंड ऑप्टिमाइज़ेशन संभव हो जाता है।
यह शोध पत्र एक कठोर सैद्धांतिक आधार प्रदान करता है जो यह प्रदर्शित करता है कि, उच्च-आयामी स्केलिंग (high-dimensional scaling) के तहत, स्टोकेस्टिक ग्रेडिएंट एसेंट (stochastic gradient ascent) के माध्यम से प्रशिक्षित एक सॉफ्टमैक्स अटेंशन मॉडल लगभग निश्चित रूप से लेटेंट सिग्नल सबस्पेस (latent signal subspace) की ओर अभिसरित होता है, जो शोर युक्त टोकन संग्रहों से प्रासंगिक जानकारी को प्रभावी ढंग से पुनर्प्राप्त करता है।