23608 पेपर
यह शोध पत्र एक जैव-प्रेरित सुदृढीकरण अधिगम (रिनफोर्समेंट लर्निंग) ढांचे को प्रस्तुत करता है जो नरम कृत्रिम सांपों को सरल भूभागों में लोकोमोशन प्रिमिटिव्स (संचलन मूल तत्वों) को सीखने और वास्तविक दुनिया के डेटा से पुनर्गठित जटिल, विषम 3D वातावरणों में मजबूती से नेविगेट करने के लिए उन्हें अनुकूल रणनीतियों में संयोजित करने में सक्षम बनाता है।
यह शोधपत्र HeteGenCTR का प्रस्ताव करता है, जो एक नवीन CTR प्रेडिक्शन फ्रेमवर्क है जो एक स्व-संतुलित ग्रेडिएंट आवंटन तंत्र और कठिनाई-निर्देशित अटेंशन को पेश करके विषम फीचर फील्ड्स के बीच जनरेटिव कठिनाई असंतुलन को संबोधित करता है, जिससे अत्याधुनिक बेसलाइन्स की तुलना में मॉडल के प्रदर्शन और कोल्ड-स्टार्ट हैंडलिंग में महत्वपूर्ण सुधार होता है।
यह शोध पत्र UTTSI का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो अनिश्चित उदाहरणों के लिए चुनिंदा रूप से फीचर-पाथ एक्सप्लोरेशन को ट्रिगर करके CTR प्रेडिक्शन के लिए टेस्ट-टाइम कंप्यूट को स्केल करता है, जिससे न्यूनतम औसत ओवरहेड के साथ महत्वपूर्ण ऑनलाइन प्रदर्शन लाभ प्राप्त होता है।
यह शोध पत्र एक ऊर्जा-जागरूक मल्टी-एजेंट सुदृढीकरण लर्निंग मॉडल प्रस्तावित करता है जो पारंपरिक साझा पुरस्कार दृष्टिकोणों की तुलना में वातावरण के आकार और एजेंटों की संख्या को बढ़ाने पर विशेष रूप से ध्यान केंद्रित करते हुए, मिशन-उन्मुख ड्रोन नेटवर्क की मजबूती, ऊर्जा दक्षता और सफलता दर को बढ़ाने के लिए व्यक्तिगत पुरस्कार कार्यों के साथ डीप क्यू-नेटवर्क्स का उपयोग करता है।
यह शोध पत्र कंस्ट्रेंट-अलाइन्ड लॉस विद मैनिफोल्ड लिफ्टिंग (CAML) का प्रस्ताव करता है, जो एक नवीन विधि है जो ज़ीरो-ऑर्डर टर्म्स को अलाइन्ड कंस्ट्रेंट्स में पुनर्गठित करके और जटिल PDE समस्याओं में अनुकूलन स्थिरता और दक्षता में सुधार के लिए एक डिले फैक्टर पेश करके फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स में ग्रेडिएंट पैथोलॉजी को कम करती है।
यह शोध पत्र Convex-Neural RRT* को प्रस्तुत करता है, जो एक लर्निंग-गाइडेड पाथ प्लानिंग एल्गोरिदम है जो न्यूरल प्रेडिक्शन्स से कॉनवेक्स कैंडिडेट क्षेत्रों को निकालता है ताकि मौजूदा न्यूरल और क्लासिकल सैंपलिंग-आधारित विधियों की तुलना में गणना समय को महत्वपूर्ण रूप से कम किया जा सके और उच्च सफलता दर बनाए रखते हुए पथ की गुणवत्ता में सुधार किया जा सके।
यह शोध पत्र संरक्षित अपरिवर्तनीयताओं (preserved invariances) का लाभ उठाकर उच्च-आयामी, गैर-स्थिर खुले संसारों में नेविगेट करने में सक्षम कुशल सुदृढीकरण शिक्षण (reinforcement learning) एजेंटों को विकसित करने के लिए एक सम्मोहक परीक्षण आधार के रूप में द्रव यांत्रिकी समस्याओं का प्रस्ताव करता है, और डेडलस (Dedalus) सिम्युलेटर का उपयोग करके इस दृष्टिकोण का प्रदर्शन करता है।
यह शोध पत्र TRACE को प्रस्तुत करता है, जो 2,999 उदाहरणों का एक वर्गीकरण-आधारित (taxonomy-grounded) सिंथेटिक डेटासेट है, जिसे HIPAA प्रतिबंधों को दूर करने के लिए डिज़ाइन किया गया है ताकि शिक्षण-कार्यक्रम पीढ़ी (teaching-program generation) और बहु-सत्र व्यवहार संबंधी व्याख्या (multi-session behavioral interpretation) जैसे एप्लाइड बिहेवियरल एनालिसिस (ABA) कार्यों के लिए AI मॉडल को प्रशिक्षित किया जा सके।
यह शोध पत्र मल्टीमॉडलिटी स्टैकिंग विद ब्लॉकवाइज मिसिंग वैल्यूज (MSB) को प्रस्तुत करता है, जो एक लेट-फ्यूजन सर्वाइवल एनालिसिस फ्रेमवर्क है जो नॉन-स्मॉल सेल लंग कैंसर के रोगियों में इम्यूनोथेरेपी प्रतिरोध के पूर्वानुमान को मानक बेसलाइन मॉडल की तुलना में काफी बेहतर बनाने के लिए विषम, आंशिक रूप से लुप्त नैदानिक डेटा को प्रभावी ढंग से एकीकृत करता है।
यह शोध पत्र गैर-रेखीय आंशिक अंतर समीकरणों (non-linear partial differential equations) को हल करने के लिए रैंडम न्यूरल नेटवर्क्स (RaNNs) हेतु कठोर त्रुटि सीमाएं और आयाम-मुक्त सन्निकटन दरें स्थापित करता है, जो पोरस मीडियम (Porous Medium) और कंप्रेसिबल नेवियर-स्टोक्स (Compressible Navier-Stokes) समीकरणों जैसे जटिल प्रणालियों के लिए उनकी सैद्धांतिक और व्यावहारिक प्रभावकारिता को प्रदर्शित करता है।