24008 पेपर
यह शोध पत्र एक एकीकृत ढांचे को प्रस्तुत करता है जो यह मात्रात्मक रूप से मापता है कि मस्तिष्क प्रतिक्रिया स्थान के कौन से विशिष्ट पुनरुत्पादक आयाम (reproducible dimensions) प्राप्त किए गए हैं, जिससे यह स्पष्ट होता है कि केवल भविष्यवाणी सटीकता (prediction accuracy) कृत्रिम विजन मॉडल और मानव दृश्य वल्कुट (visual cortex) के बीच महत्वपूर्ण बेमेल को छिपा सकती है।
TrajTok एक प्रक्षेपवक्र (ट्रैजेक्टरी) एनकोडर है जो अनुकूलन योग्य बहु-रिज़ॉल्यूशन हेक्सागोनल स्थानिक टोकनाइज़ेशन और मास्क्ड-टोकन प्री-ट्रेनिंग के साथ एक फैक्टराइज्ड ट्रांसफार्मर आर्किटेक्चर का उपयोग करता है ताकि विविध डाउनस्ट्रीम कार्यों में कार्य-विशिष्ट विधियों से बेहतर प्रदर्शन करने वाले हस्तांतरणीय, सामान्य-उद्देश्य वाले प्रक्षेपवक्र प्रतिनिधित्व सीखे जा सकें।
यह शोध पत्र उनके स्टोकेस्टिक पार्शियल डिफरेंशियल इक्वेशन (stochastic partial differential equation) लक्षण वर्णन का लाभ उठाते हुए अनडिरेक्टेड ग्राफ्स (undirected graphs) के लिए माटर्न गॉसियन प्रोसेस (Matérn Gaussian processes) का विस्तार करता है, यह प्रदर्शित करते हुए कि परिणामी मॉडल यूक्लिडियन एनालॉग्स (Euclidean analogs) से प्रमुख गुणों को विरासत में प्राप्त करते हैं और मिनी-बैच (mini-batch) तथा गैर-संयुग्मी (non-conjugate) सेटिंग्स के लिए इंड्यूसिंग पॉइंट्स (inducing points) जैसी मानक तकनीकों का उपयोग करके कुशलतापूर्वक प्रशिक्षित किए जा सकते हैं।
यह शोधपत्र Acela को प्रस्तुत करता है, जो एक लागत-जागरूक अवधि भविष्यवाणी ढांचा (cost-aware duration prediction framework) है, जो विषम गलत भविष्यवाणी लागतों (asymmetric misprediction costs) और स्ट्रैगलर प्रभावों (straggler effects) को संबोधित करके डेटा केंद्रों में सॉफ्टवेयर अपग्रेड शेड्यूलिंग को अनुकूलित करता है, जिसके परिणामस्वरूप मेटा के प्रोडक्शन सिस्टम में दक्षता, थ्रूपुट में उल्लेखनीय सुधार और रद्दीकरण दरों में कमी आई है।
यह शोधपत्र एजेंटों की अंतःक्रियाओं के लिए टोपोलॉजी-निर्भर व्यंजक (topology-dependent expressions) व्युत्पन्न करके, प्रभावशाली एजेंटों को रैंक करने के लिए एक एल्गोरिदम प्रस्तावित करके, और अवलोकनात्मक डेटा से मॉडल मापदंडों को सीखने की एक विधि विकसित करके सामाजिक शिक्षण नेटवर्क के भीतर कारण प्रभावों (causal influences) की जांच करता है।
यह शोध पत्र नॉर्मल डिस्ट्रीब्यूशन इंडिस्टिंग्विशेबिलिटी स्पेक्ट्रम (NDIS) को प्रस्तुत करता है, जो गाऊसीय आउटपुट वाले किसी भी एल्गोरिदम की डिफरेंशियल प्राइवेसी की गणना करने के लिए एक क्लोज्ड-फॉर्म एनालिटिकल टूल है, जो प्राइवेसी-प्रिजर्विंग मशीन लर्निंग अनुप्रयोगों के एक व्यापक वर्ग के लिए अधिक सटीक प्राइवेसी प्रूफ, अधिक नॉइज़-एफिशिएंट मैकेनिज्म और व्हाइट-बॉक्स ऑडिटिंग को सक्षम बनाता है।
यह शोध पत्र वास्तविक मीट्रिक के स्पष्ट रूप पर आधारित संरचित डीप ReLU नेटवर्क का निर्माण करके मीट्रिक और समानता शिक्षण (similarity learning) के लिए पहला कठोर सामान्यीकरण विश्लेषण प्रस्तुत करता है ताकि अनुमान (approximation) और आकलन (estimation) त्रुटियों को संतुलित करने वाले स्पष्ट अतिरिक्त जोखिम सीमाएँ (excess risk bounds) प्राप्त की जा सकें।
यह शोध पत्र बड़े विचलन सिद्धांत (large deviations theory) का उपयोग यह प्रदर्शित करने के लिए करता है कि गैर-उत्तल (non-convex) समस्याओं में स्टोकेस्टिक ग्रेडिएंट डिसेंट का दीर्घकालिक वितरण एक बोल्ट्ज़मैन-गिब्स वितरण के समान होता है, जिसके कारण यह एल्गोरिदम गैर-महत्वपूर्ण क्षेत्रों, स्थानीय अधिकतम (local maximizers), और सैडल पॉइंट्स की तुलना में कम ऊर्जा अवस्थाओं वाले महत्वपूर्ण क्षेत्रों को तेजी से प्राथमिकता देता है।
यह शोध पत्र ERFSL का प्रस्ताव करता है, जो एक कुशल फ्रेमवर्क है जो जटिल कस्टम वातावरणों में सिमेंटिक समझ, कोड सुधार के लिए एक रिवॉर्ड क्रिटिक और जेनेटिक-जैसे वेट एडजस्टमेंट रणनीतियों के माध्यम से मल्टी-ऑब्जेक्टिव रिवॉर्ड फंक्शन्स को स्वचालित रूप से उत्पन्न करने और पुनरावृत्ति रूप से अनुकूलित करने के लिए व्हाइट-बॉक्स सर्चर्स के रूप में लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे न्यूनतम मानवीय फीडबैक के साथ पारेटो-ऑप्टिमल समाधानों की तीव्र अभिसरण प्राप्त होती है।
यह शोध पत्र साइन्ड मेजर्स (signed measures) के तहत लर्नैबिलिटी (learnability) स्थापित करके और आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) जनरलाइजेशन बाउंड्स को व्युत्पन्न करके क्वेरी-ड्रिवन सेलेक्टिविटी लर्निंग में सिद्धांत और व्यवहार के बीच के अंतर को पाटता है, जो दो ऐसी रणनीतियों की ओर ले जाता है जो इन-डिस्ट्रीब्यूशन प्रदर्शन को बनाए रखते हुए OOD क्वेरीज़ पर मॉडल की सटीकता और लेटेंसी में महत्वपूर्ण सुधार करती हैं।