🤖 Category

cs.LG

23609 पेपर

🤖 machine learning

Weisfeiler-Leman Is Incomplete on Simple Spectrum Graphs, so Canonicalize Them

यह शोध पत्र प्रदर्शित करता है कि वेइसफेलर-लेमैन पदानुक्रम और उससे जुड़े ग्राफ न्यूरल नेटवर्क स्वाभाविक रूप से गैर-आइसोमोर्फिक सरल-स्पेक्ट्रम ग्राफों के बीच अंतर करने के लिए अपूर्ण हैं, और PRiSM को पेश करता है, जो एक प्रमाणित पूर्ण कैनोनिकलाइजेशन विधि है जो इस सीमा को हल करती है और ऐसे ग्राफों पर सार्वभौमिक सन्निकटन (यूनिवर्सल एप्रोक्सिमेशन) को सक्षम बनाती है।

Snir Hordan, Nadav Dym, Tim Seppelt2026-05-25
🤖 machine learning

Class-Dependent Hybrid Data Augmentation for Multiclass Migraine Classification under Severe Class Imbalance

यह शोध पत्र माइग्रेन वर्गीकरण का एक पुनरुत्पादकता-उन्मुख पुनर्मूल्यांकन प्रस्तुत करता है जो पद्धतिगत दोषों को सुधारता है और एक नैदानिक रूप से प्रेरित वर्ग एकत्रीकरण को एक वर्ग-निर्भर हाइब्रिड डेटा संवर्धन रणनीति के साथ पेश करता है, जिससे गंभीर वर्ग असंतुलन के तहत कई क्लासिफायरों में मजबूत प्रदर्शन सुधार प्राप्त होता है।

Elvin Somón, Miguel A. Gutiérrez-Naranjo2026-05-25
🤖 machine learning

Unextractable Protocol Models: Collaborative Training and Inference without Weight Materialization

यह शोधपत्र अनएक्सट्रैक्टेबल प्रोटोकॉल मॉडल्स (UPMs) को प्रस्तुत करता है, जो एक विकेंद्रीकृत ढांचा है जो मॉडल शार्ड्स पर समय-परिवर्तनीय, व्युत्क्रमणीय रूपांतरों (invertible transforms) को आवधिक रूप से लागू करके बड़े न्यूरल नेटवर्क के सहयोगात्मक प्रशिक्षण और अनुमान (inference) को सक्षम बनाता है, जिससे प्रदर्शन पर नगण्य ओवरहेड बनाए रखते हुए वेट एक्सट्रैक्शन को रोका जा सके और स्टिच्ड पार्टिशन्स को असंगत बनाया जा सके।

Alexander Long, Chamin Hewa Koneputugodage, Thalaiyasingam Ajanthan, Yan Zuo, Gil Avraham, Violetta Shevchenko, Hadi Moh (…)2026-05-25
🤖 machine learning

S3^3GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning

यह शोध पत्र S3^3GNN का प्रस्ताव करता है, जो एक हल्का ग्राफ न्यूरल नेटवर्क है जो ओवर्सक्वैशिंग (oversquashing) की घटना को कम करता है और बिना किसी प्रतिबंधात्मक सैद्धांतिक धारणाओं पर निर्भर हुए, छोड़े गए घटकों को पुन: सम्मिलित करके काफी कम मापदंडों के साथ बेहतर दीर्घ-दूरी शिक्षण (long-range learning) प्राप्त करता है।

Dai Shi, Luke Thompson, Linhan Luo, Lequan Lin, Andi Han, Junbin Gao, José Miguel Hernández Lobato2026-05-25
🤖 machine learning

Learning Individual Dynamics from Sparse Cross-Sectional Snapshots

यह शोधपत्र CADENCE प्रस्तुत करता है, जो एक संभाव्य ढांचा (probabilistic framework) है जो विलुप्त (sparse) क्रॉस-सेक्शनल स्नैपशॉट्स से निरंतर व्यक्तिगत प्रक्षेप पथों (continuous individual trajectories) को अनूठे रूप से पुनर्प्राप्त करता है, जिससे स्थिर संदर्भों (static contexts) के साथ गुप्त गतिकी (latent dynamics) को बांधकर, अनुक्रमिक डेटा की आवश्यकता के बिना घने अनुदैर्ध्य मॉडलों (dense longitudinal models) के तुलनीय पहचान क्षमता और प्रदर्शन प्राप्त किया जाता है।

Christian Lagemann, Kai Lagemann, Steven L. Brunton, Sach Mukherjee2026-05-25
🔬 materials science

Non-normal spectral signatures of instability in neural network training dynamics

यह शोधपत्र यह स्थापित करता है कि न्यूरल नेटवर्क प्रशिक्षण में रैखिकीकृत अपडेट ऑपरेटरों की गैर-सामान्यता (non-normality), जिसे κ(V)\kappa(V) द्वारा मापा जाता है, क्षणिक अस्थिरता और लॉस स्पाइक्स (loss spikes) के लिए एक सुदृढ़ प्रारंभिक चेतावनी संकेतक के रूप में कार्य करती है जिसे पारंपरिक स्पेक्ट्रल रेडियस विश्लेषण पहचानने में विफल रहता है।

Souvik Ghosh2026-05-25
🤖 machine learning

Learning partially observed systems with neural Hamiltonian ordinary differential equations

यह शोधपत्र न्यूरल हैमिल्टोनियन ऑर्डिनरी डिफरेंशियल इक्वेशंस (NHODE) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो हैमिल्टोनियन न्यूरल नेटवर्क को न्यूरल ODEs के साथ जोड़ता है ताकि ऊर्जा संरक्षण और भौतिक बाधाओं को लागू करके आंशिक रूप से अवलोकित गतिशील प्रणालियों को सीखा जा सके, जिससे शुद्ध रूप से डेटा-संचालित बेसलाइन की तुलना में बेहतर सटीकता और दीर्घकालिक स्थिरता प्राप्त होती है।

Sunniva Meltzer, Sølve Eidnes, Alexander Johannes Stasik2026-05-25
🤖 machine learning

When One Point Is Not Enough: Addressing Ambiguous Instances in Dimensionality Reduction by Splitting

यह शोध पत्र एक ग्राफ-आधारित आयामी न्यूनीकरण (डाइमेंशनलिटी रिडक्शन) दृष्टिकोण प्रस्तुत करता है जो अस्पष्ट उदाहरणों—ऐसे डेटा बिंदुओं जो कई असंबद्ध पड़ोसों के समान होते हैं—के कारण होने वाले दृश्य आर्टिफैक्ट्स को हल करने के लिए, उन्हें प्रोजेक्शन में कई प्रतियों में विभाजित करके उनके पूर्ण पड़ोस संरचनाओं का निष्ठापूर्वक प्रतिनिधित्व करता है।

Diede P. M. van der Hoorn, Alessio Arleo, Fernando V. Paulovich2026-05-25
🤖 machine learning

Goal-Conditioned Agents that Learn Everything All at Once

यह शोध पत्र लर्निंग एवरीथिंग ऑल एट वन्स (LEO) को प्रस्तुत करता है, जो एक ऐसी विधि है जो प्रत्येक लक्ष्य के लिए मान (values) और क्रियाओं (actions) को संयुक्त रूप से आउटपुट करके, गोल-कंडीशन्ड रिइन्फोर्समेंट लर्निंग में कुशल, समानांतर ऑल-गोल्स ऑफ-पॉलिसी अपडेट्स को सक्षम बनाती है, जिससे पारंपरिक रीलेबलिंग तकनीकों की तुलना में महत्वपूर्ण प्रदर्शन लाभ और भारी गति वृद्धि प्राप्त होती है।

Michael Matthews, Matthew Jackson, Michael Beukman, Thomas Foster, Alistair Letcher, Scott Fujimoto, Cédric Colas, Jakob (…)2026-05-25
🤖 machine learning

Is Dimensionality a Barrier for Retrieval Models?

यह शोध पत्र इस सैद्धांतिक प्रश्न को हल करता है कि बड़े पैमाने पर रिट्रीवल (retrieval) के लिए कम-आयामी एम्बेडिंग्स (low-dimensional embeddings) क्यों पर्याप्त हैं, यह सिद्ध करते हुए कि kk-स्पार्स रिलेवेंस मैट्रिसेस (relevance matrices) के लिए अनंत आयामों में प्राप्त होने वाला इष्टतम मार्जिन (optimal margin) आयाम d=O(klog⁡(n/k))d = O(k\log(n/k)) में लगभग प्राप्त किया जा सकता है, और साथ ही बड़े-मार्जिन एम्बेडिंग्स उत्पन्न करने के लिए सिग्मॉइड लॉस (sigmoid loss) की InfoNCE पर श्रेष्ठता को अनुभवजन्य रूप से प्रदर्शित करते हुए।

Kiril Bangachev, Guy Bresler, Jonathan Kogan, Yury Polyanskiy2026-05-25