cs.LG पेपर | Gist.Science

Targeted Regularization for Causal Effect Estimation with Exponential Dispersion Family Outcomes

यह शोध पत्र न्यूरल नेटवर्क के लिए एक एकीकृत लक्षित नियमितीकरण (targeted regularization) ढांचे का प्रस्ताव करता है जो प्रथम-क्रम के पूर्वाग्रह (first-order bias) को ठीक करने के लिए वॉन मिज़ेस विस्तार (von Mises expansions) को व्युत्पन्न करके और परिणाम (outcome), प्रवृत्ति (propensity) एवं उतार-चढ़ाव (fluctuation) मॉडलों को एंड-टू-एंड संयुक्त रूप से अनुमानित करके एक्सपोनेंशियल डिस्पर्शन फैमिली परिणामों (बाइनरी, काउंट और स्क्यूड डेटा सहित) तक कारण प्रभाव अनुमान (causal effect estimation) का विस्तार करता है।

Jiahong Li, Zeqin Yang, Jixing Xu, Enzheng Hua, Zhichao Zou, Peng Zhen, Jiecheng Guo2026-05-25

🤖 machine learning

Physiome-ODE: A Benchmark for Irregularly Sampled Multivariate Time Series Forecasting Based on Biological ODEs

वर्तमान मूल्यांकन बेंचमार्क की सीमाओं को संबोधित करने के लिए, जहाँ ODE-आधारित मॉडल कम प्रदर्शन करते हैं, लेखक Physiome-ODE पेश करते हैं, जो वास्तविक दुनिया के जैविक ODEs से प्राप्त अनियमित रूप से नमूना लिए गए बहुभिन्नरूपी समय श्रृंखलाओं (multivariate time series) का एक बड़े पैमाने का बेंचमार्क है, जो ODE-आधारित पूर्वानुमान मॉडलों के सार्थक विभेदन और बेहतर प्रदर्शन को सक्षम बनाता है।

Christian Klötergens, Vijaya Krishna Yalavarthi, Randolf Scholz, Maximilian Stubbemann, Stefan Born, Lars Schmidt-Thieme2026-05-25

📊 statistics

Causal Additive Models with Unobserved Causal Paths and Backdoor Paths

यह शोध पत्र रिग्रेशन सेट्स और अवशेषों (residuals) को अभिलक्षणित करके, अनऑब्जर्व्ड बैकडोर और कॉज़ल पाथ्स वाले कॉज़ल एडिटिव मॉडल्स में कॉज़ल दिशाओं की पहचान करने के लिए पर्याप्त स्थितियाँ स्थापित करता है, और एक सुदृढ़ एवं पूर्ण खोज एल्गोरिदम प्रस्तुत करता है जो अत्याधुनिक विधियों के विरुद्ध प्रतिस्पर्धी प्रदर्शन प्रदर्शित करता है।

Thong Pham, Takashi Nicholas Maeda, Shohei Shimizu2026-05-25

🤖 AI

GlyTwin: Digital Twin for Glucose Control in Type 1 Diabetes Through Optimal Behavioral Modifications Using Patient-Centric Counterfactuals

यह शोध पत्र GlyTwin को प्रस्तुत करता है, जो एक नवीन रोगी-केंद्रित डिजिटल ट्विन ढांचा है जो कार्बोहाइड्रेट के सेवन और इंसुलिन की खुराक को समायोजित करने जैसे व्यक्तिगत व्यवहार संबंधी संशोधनों की सिफारिश करने के लिए काउंटरफैक्चुअल स्पष्टीकरणों (counterfactual explanations) का लाभ उठाता है, जिन्हें टाइप 1 मधुमेह वाले 50 व्यक्तियों के एक अध्ययन में हाइपरग्लाइसेमिक घटनाओं को महत्वपूर्ण रूप से कम करने के लिए दिखाया गया था।

Asiful Arefeen, Saman Khamesian, Maria Adela Grando, Bithika Thompson, Hassan Ghasemzadeh2026-05-25

🤖 machine learning

Insulin Resistance Prediction From Wearables and Routine Blood Biomarkers

यह अध्ययन एक डीप न्यूरल नेटवर्क मॉडल प्रस्तुत करता है जो पहनने योग्य उपकरणों (वियरेबल डिवाइस) के डेटा को नियमित रक्त बायोमार्कर के साथ जोड़कर इंसुलिन प्रतिरोध की प्रभावी ढंग से भविष्यवाणी करता है, जिससे टाइप 2 मधुमेह के जोखिम के शीघ्र पता लगाने और व्यक्तिगत हस्तक्षेप को सक्षम करने के लिए उच्च सटीकता और सामान्यीकरण प्राप्त होता है।

Ahmed A. Metwally, A. Ali Heydari, Daniel McDuff, Alexandru Solot, Zeinab Esmaeilpour, Anthony Z Faranesh, Menglian Zhou (…)2026-05-25

🤖 AI

Spectral-inspired Operator Learning with Limited Data and Unknown Physics

यह शोधपत्र स्पेक्ट्रल-इंस्पायर्ड न्यूरल ऑपरेटर (SINO) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो ज्ञात भौतिकी की आवश्यकता के बिना केवल 2-5 प्रक्षेप पथों (trajectories) से जटिल PDE गतिकी को सीखता है, और आवृत्ति सूचकांकों (frequency indices) के माध्यम से स्थानिक अवकलजों (spatial derivatives) को स्वतः कैप्चर करके और एक विशेष Pi-ब्लॉक के माध्यम से गैर-रेखीय प्रभावों को मॉडल करके अत्याधुनिक सटीकता और सुदृढ़ता प्राप्त करता है।

Han Wan, Rui Zhang, Hao Sun2026-05-25

🤖 AI

An Unsupervised Framework for Dynamic Health Indicator Construction and Its Application in Rolling Bearing Prognostics

यह शोध पत्र एक अनसुपरवाइज्ड फ्रेमवर्क प्रस्तावित करता है जो विशेषज्ञ-मुक्त फीचर एक्सट्रैक्शन के लिए स्किप-कनेक्शन-आधारित ऑटोएन्कोडर को एक HI-जनरेटिंग मॉड्यूल के साथ जोड़कर रोलिंग बेयरिंग प्रोग्नोस्टिक्स के लिए एक डायनेमिक हेल्थ इंडिकेटर का निर्माण करता है, जो डिग्रेडेशन ट्रेंड्स को कैप्चर करने के लिए टेम्पोरल डिपेंडेंसीज को स्पष्ट रूप से मॉडल करता है।

Tongda Sun, Chen Yin, Huailiang Zheng, Yining Dong2026-05-25

🤖 machine learning

WellPINN: Accurate Well Representation for Transient Fluid Pressure Diffusion in Subsurface Reservoirs with Physics-Informed Neural Networks

यह शोध पत्र WellPINN प्रस्तुत करता है, जो एक नवीन वर्कफ़्लो है जो पूरे इंजेक्शन काल के दौरान कुओं के आसपास द्रव दबाव प्रसार (fluid pressure diffusion) को सटीक रूप से मॉडल करने के लिए सिकुड़ते उप-क्षेत्रों (shrinking subdomains) पर क्रमिक रूप से प्रशिक्षित भौतिकी-सूचित तंत्रिका नेटवर्क (physics-informed neural networks) का उपयोग करता है, जिससे प्रारंभिक चरण की दबाव गतिशीलता को पकड़ने की पिछली सीमाओं को दूर किया जा सके।

Linus Walter, Qingkai Kong, Sara Hanson-Hedgecock, Víctor Vilarrasa2026-05-25

📊 statistics

Are Targeted Data Poisoning Attacks as Effective as We Think?

यह शोध पत्र तर्क देता है कि लक्षित डेटा पॉइजनिंग हमलों (targeted data poisoning attacks) के वर्तमान मूल्यांकन दोषपूर्ण हैं क्योंकि वे औसत सफलता दरों पर निर्भर करते हैं, और एक नए ढांचे का प्रस्ताव देता है जो कठोर 'वर्स्ट-केस' मूल्यांकन और सक्रिय, लक्षित रक्षा के लिए सबसे अधिक और सबसे कम संवेदनशील नमूनों की पहचान करने हेतु स्वच्छ मॉडल की जानकारी का उपयोग करता है।

William Xu, Chenyu Zhang, Yihan Wang, Matthew Y. R. Yang, Zuoqiu Liu, Gautam Kamath, Yaoliang Yu, Yiwei Lu2026-05-25

🤖 machine learning

Super-Linear: A Lightweight Pretrained Mixture of Linear Experts for Time Series Forecasting

सुपर-लीनियर (Super-Linear) एक हल्का और स्केलेबल मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है जो जटिल डीप आर्किटेक्चर को फ्रीक्वेंसी-स्पेशलाइज्ड लीनियर एक्सपर्ट्स और एक स्पेक्ट्रल गेटिंग मैकेनिज्म से बदल देता है ताकि कुशल, मजबूत और व्याख्या योग्य टाइम सीरीज़ फोरकास्टिंग के साथ मजबूत ज़ीरो-शॉट प्रदर्शन प्राप्त किया जा सके।

Liran Nochumsohn, Raz Marshanski, Hedi Zisling, Omri Azencot2026-05-25

← पिछला अगला →