21800 पेपर
यह शोध पत्र प्रदर्शित करता है कि रैंडम फॉरेस्ट के सामान्यीकरण त्रुटि (generalization error) के लिए विश्वास अंतराल (confidence intervals) को मानक प्रशिक्षण उपोत्पादों (training byproducts) से सीधे कुशलतापूर्वक परिकलित किया जा सकता है, जो डेटा विभाजन और पुन: प्रशिक्षण के एक कम लागत वाले विकल्प के रूप में अच्छा सांख्यिकीय कवरेज और अभिसरण दर (convergence rates) प्राप्त करता है।
यह शोध पत्र लेटेंट फैक्टर मॉडल्स में मैट्रिक्स पूर्णता (मैट्रिक्स कंप्लीशन) के लिए एक डबली रोबस्ट नियरस्ट नेबर्स एस्टीमेटर पेश करता है जो यह सुनिश्चित करता है कि जब भी पंक्ति या कॉलम पड़ोसी मौजूद हों तो सुसंगत अनुमान प्राप्त हो सके, जबकि दोनों प्रकार के पड़ोसी उपलब्ध होने पर यह लगभग द्विघातीय त्रुटि सुधार और संकीर्ण विश्वास अंतराल (कॉन्फिडेंस इंटरवल) प्राप्त करता है।
यह शोध पत्र बैच मोड में स्प्लिट कॉन्फॉर्मल प्रेडिक्शन के लिए अनुभवजन्य कवरेज (empirical coverage) के सटीक, सार्वभौमिक वितरण को स्थापित करता है, जो यह प्रदर्शित करता है कि ये वितरण केवल नाममात्र मिसकवरेज स्तर और कैलिब्रेशन नमूना आकार पर निर्भर करते हैं ताकि न्यूनतम आवश्यक कैलिब्रेशन डेटा निर्धारित करने के लिए एक मानदंड प्रदान किया जा सके।
यह शोध पत्र "स्कोर अटैक" (score attack) प्रस्तुत करता है, जो ट्रेसिंग हमलों (tracing attacks) पर आधारित एक नवीन तकनीक है, जो सामान्यीकृत रैखिक मॉडल (generalized linear models) और नॉनपैरामीट्रिक रिग्रेशन (nonparametric regression) सहित सांख्यिकीय मॉडलों की एक विस्तृत श्रृंखला में डिफरेंशियल प्राइवेसी बाधाओं के तहत पैरामीटर अनुमान के लिए निकट-इष्टतम मिनिमैक्स लोअर बाउंड्स (near-optimal minimax lower bounds) स्थापित करती है।
यह शोध पत्र स्थापित करता है कि लचीला विज्ञापन (flexible advertising), केवल मूल्य निर्धारण (pricing) की तुलना में एक विक्रेता के राजस्व को अधिकतम दो गुना तक बढ़ा सकता है, और एक कुशल ऑनलाइन एल्गोरिदम का प्रस्ताव करता है जो मांग की अनिश्चितता के तहत मूल्य निर्धारण और विज्ञापन रणनीतियों को संयुक्त रूप से सीखने और अनुकूलित करने के लिए एक इष्टतम रिग्रेट दर (regret rate) प्राप्त करता है।
यह शोध पत्र शैडोनेट (ShadowNet) का प्रस्ताव करता है, जो एक डेटा-केंद्रित क्वांटम सिस्टम लर्निंग प्रतिमान है जो मौजूदा विधियों की सीमाओं को दूर करने के लिए क्लासिकल शैडोज़ को न्यूरल नेटवर्क के साथ एकीकृत करता है और 60 क्यूबिट्स तक के सिस्टम के लिए क्वांटम स्टेट टोमोग्राफी और डायरेक्ट फिडेलिटी एस्टीमेशन जैसे कार्यों को कुशलतापूर्वक निष्पादित करता है।
यह शोध पत्र पॉइंटर क्यू-नेटवर्क (PQN) को प्रस्तुत करता है, जो एक हाइब्रिड न्यूरल आर्किटेक्चर है जो ट्रैवलिंग सेल्समैन प्रॉब्लम जैसी कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन समस्याओं को हल करने के लिए पॉइंटर नेटवर्क्स को मॉडल-फ्री क्यू-लर्निंग के साथ जोड़ता है, ताकि दीर्घकालिक निर्णय लेने और अस्थिर वातावरण में अनुकूलन क्षमता में सुधार करने के लिए क्यू-वैल्यूज़ के साथ अटेंशन स्कोर्स को गतिशील रूप से समायोजित किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स (Large Language Models) भाषा-आधारित अनुनय खेलों (language-based persuasion games) के भीतर आर्थिक विकल्प भविष्यवाणी के लिए प्रशिक्षण डेटा उत्पन्न करने में मानव विषयों के प्रभावी विकल्प के रूप में कार्य कर सकते हैं, जो अक्सर वास्तविक मानव डेटा पर प्रशिक्षित मॉडलों से बेहतर प्रदर्शन करते हैं और यह भी प्रकट करते हैं कि सटीक भविष्यवाणी के लिए इतिहास-निर्भर निर्णय पैटर्न को पकड़ना अत्यंत महत्वपूर्ण है।
यह शोध पत्र एक रैंडम टिखोनोव रेगुलराइजेशन पाथ (random Tikhonov regularization path) को पेश करके गैर-स्थिर डेटा स्ट्रीम के लिए रिप्रोड्यूसिंग कर्नेल हिलबर्ट स्पेस (reproducing kernel Hilbert spaces) में रिकर्सिव रेगुलराइज्ड लर्निंग एल्गोरिदम की मीन स्क्वायर और लगभग निश्चित निरंतरता (almost sure consistency) स्थापित करता है और यह सिद्ध करता है कि धीरे-धीरे बदलते रेगुलराइजेशन और इनपुट मेजर्स की शर्तों के तहत ट्रैकिंग त्रुटियां समाप्त हो जाती हैं और अभिसरण प्राप्त किया जाता है।
यह अध्ययन 28 इन-सीटू (in-situ) स्थलों से पॉइंट-स्केल मृदा नमी मापों को 100-मीटर रिज़ॉल्यूशन तक अपस्केल करने के लिए एक मशीन लर्निंग-आधारित स्पैटियोटेम्पोरल फ्यूजन दृष्टिकोण प्रस्तुत करता है, जो स्थानिक परिवर्तनशीलता को पकड़ने और मजबूत क्रॉस-वैलिडेशन के माध्यम से मॉडल और उपग्रह डेटा के निष्पक्ष मूल्यांकन को सक्षम करने में इसकी प्रभावशीलता को प्रदर्शित करता है।