🤖 Category

cs.LG

24120 पेपर

🤖 machine learning

Does Weight Decay Enhance Training Stability?

यह शोध पत्र इस बात की जांच करता है कि कैसे वेट डिके (weight decay) 'एज ऑफ स्टेबिलिटी' (Edge of Stability) पर प्रशिक्षण स्थिरता को बढ़ाता है, यह प्रदर्शित करते हुए कि यह प्रगतिशील शार्पनिंग (progressive sharpening) को धीमा करता है और मापदंडों (parameters) एवं शार्पनेस ग्रेडिएंट्स के वैश्विक संरेखण (global alignment) द्वारा संचालित एक आर्किटेक्चर-निर्भर चरण संक्रमण (architecture-dependent phase transition) को प्रेरित करता है, जो अंततः यह प्रकट करता है कि पारंपरिक वक्रता-आधारित (curvature-based) स्थिरता निदान रेगुलराइजेशन के तहत अविश्वसनीय हो सकते हैं।

Marius Saether, Amir Kolic, Tomaso Poggio, Pierfrancesco Beneventano2026-05-19
⚡ electrical engineering

The Score Kalman Filter

स्कोर कलमन फ़िल्टर (SKF), नॉनलीन बेयसियन समस्याओं में मैक्सिमम-एन्ट्रॉपी मोमेंट फ़िल्टरिंग की घातांकीय कम्प्यूटेशनल लागत को पार करने के लिए स्कोर मैचिंग को स्टाइन की पहचान (Stein's identity) के साथ जोड़कर विभाजन फलन (partition function) के मूल्यांकन को समाप्त करता है, जिससे कुशल रैखिक-बीजगणित-आधारित अवस्था अनुमान सक्षम होता है जो उच्च-आयामी युग्मित-दोलक नेटवर्क (high-dimensional coupled-oscillator networks) पर मौजूदा फ़िल्टरों से बेहतर प्रदर्शन करता है।

Kaito Iwasaki, Anthony Bloch, Taeyoung Lee, Maani Ghaffari2026-05-19
📊 statistics

Statistical Unlearning of Distributions: A Hypothesis Testing Approach

यह शोध पत्र वितरण संबंधी अनलर्निंग (distributional unlearning) के लिए एक सांख्यिकीय ढांचे का प्रस्ताव करता है जो वांछित प्रदर्शन को बनाए रखते हुए अवांछित डोमेन को हटाने के लिए इष्टतम डेटा उपसमुच्चयों (subsets) का चयन करने हेतु परिकल्पना परीक्षण (hypothesis testing) का उपयोग करता है, तथा विभिन्न पैरामीट्रिक और नॉन-पैरामीट्रिक वितरण परिवारों में मौलिक ट्रेड-ऑफ और पारेटो फ्रंटियर्स (Pareto frontiers) को अभिलक्षणित करता है।

Aaradhya Pandey, Sanjeev Kulkarni2026-05-19
🤖 machine learning

Public-Decay Homomorphic State Space Models for Private Sequence Inference

यह शोध पत्र पब्लिक-डिके होमोमोर्फिक स्टेट स्पेस मॉडल्स (HSSMs) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो मौजूदा होमोमोर्फिक अटेंशन मैकेनिज्म की तुलना में लेटेंसी और कम्प्यूटेशनल डेप्थ को काफी कम करते हुए प्लेनटेक्स्ट बेसलाइन्स के समान सटीकता के साथ एन्क्रिप्टेड सीक्वेंस इन्फरेंस प्राप्त करता है।

Luis Brito2026-05-19
🤖 machine learning

GraViti: Graph-Level Variational Autoencoders with Relaxed Permutation Invariance

GraViti एक ट्रांसफॉर्मर-आधारित ग्राफ-लेवल वेरिएशनल ऑटोएनकोडर है जो संपूर्ण ग्राफों को संक्षिप्त लेटेंट वेक्टर्स में मैप करता है, और सुचारू इंटरपोलेशन एवं प्रॉपर्टी-गाइडेड सर्च सक्षम करने के लिए सख्त परम्यूटेशन इनवेरिएंस को शिथिल करके और वैध सैंपल डिकोडिंग के लिए डोमेन बाधाओं को सीधे सीखकर अत्याधुनिक पुनर्निर्माण और जनरेटिव प्रदर्शन प्राप्त करता है।

Roman Bresson, Konstantinos Divriotis, Johannes F. Lutzeyer, Iakovos Evdaimon, Michalis Vazirgiannis2026-05-19
🤖 machine learning

Multi-Object Tracking Consistently Improves Wildlife Inference

यह शोध पत्र यह प्रदर्शित करता है कि कैमरा ट्रैप डेटा से टेम्पोरल प्रेडिक्शन (temporal predictions) को फ्यूज करने के लिए मल्टी-ऑब्जेक्ट ट्रैकिंग (MOT) मॉडल्स को एकीकृत करना, फ्रेम-टू-फ्रेम लेबल अस्थिरता और शोर को कम करके वन्यजीव वर्गीकरण की सटीकता और निरंतरता में महत्वपूर्ण सुधार करता है।

Mufhumudzi Muthivhi, Jiahao Huo, Fredrik Gustafsson, Terence L. van Zyl2026-05-19
🤖 machine learning

Scalable Knowledge Editing for Mixture-of-Experts LLMs via Tensor-Structured Updates

यह शोध पत्र एक स्केलेबल, क्लोज्ड-फॉर्म नॉलेज एडिटिंग फ्रेमवर्क का प्रस्ताव करता है जो Mixture-of-Experts LLMs के लिए है, जो डेंस-लेयर बेसलाइन्स के तुलनीय एडिटिंग क्वालिटी बनाए रखते हुए प्रति-एक्सपर्ट अपडेट प्राप्त करने के लिए टेंसर स्ट्रक्चर्स और वुडबरी मैट्रिक्स आइडेंटिटी का लाभ उठाता है और 6 गुना तक त्वरण (एक्सेलरेशन) प्राप्त करता है।

Roman Maksimov, Vladimir Aletov, Dmitry Bylinkin, Daniil Medyakov, Vladimir Solodkin, Aleksandr Beznosikov2026-05-19
🤖 machine learning

EfficientTDMPC: Improved MPC Objectives for Sample-Efficient Continuous Control

EfficientTDMPC एक सैंपल-कुशल (sample-efficient) मॉडल-आधारित सुदृढीकरण लर्निंग (reinforcement learning) एल्गोरिदम है जो औसत रिटर्न अनुमानों और अनिश्चितता दंडों (uncertainty penalties) के साथ डायनेमिक्स मॉडल्स के एक समूह (ensemble) का उपयोग करके TD-MPC परिवार को उन्नत करता है ताकि कम-डेटा वाले निरंतर नियंत्रण (continuous control) बेंचमार्क में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।

Thomas Evers, Cristian Meo, Wendelin Bohmer, Justin Dauwels, Yaniv Oren2026-05-19
💰 quantitative finance

Your SaaS Is an Insurance Product: A Modeling Framework

यह शोध पत्र एक ऐसा मॉडलिंग ढांचा प्रस्तावित करता है जो कैप-यूजेज (capped-usage) वाले SaaS उत्पादों को बीमा उपकरणों के रूप में मानता है, जो निश्चित प्रीमियम और स्टोकेस्टिक (stochastic), हेवी-टेल्ड (heavy-tailed) खपत वाली सेवाओं के लिए मूल्य निर्धारण को अनुकूलित करने और टेल रिस्क (tail risk) को प्रबंधित करने हेतु फ्रीक्वेंसी-सेवेरिटी डिकंपोजिशन (frequency-severity decomposition) और मोंटे कार्लो रिज़र्व पर्याप्तता (Monte Carlo reserve adequacy) जैसे बीमांकिक विज्ञान (actuarial science) के सिद्धांतों को लागू करता है।

Caio Gomes (Magalu)2026-05-19
🤖 machine learning

On-Device Interpretable Tsetlin Machine-Based Intrusion Detection for Secure IoMT

यह शोध पत्र त्सेत्लिन मशीन (Tsetlin Machine) पर आधारित एक नवीन, व्याख्यात्मक, ऑन-डिवाइस घुसपैठ पहचान प्रणाली (Intrusion Detection System) प्रस्तावित करता है जो सुरक्षित स्वास्थ्य देखभाल वातावरण के लिए उपयुक्त पारदर्शी निर्णय स्पष्टीकरण प्रदान करते हुए IoMT नेटवर्क के भीतर साइबर हमलों की पहचान करने में 97.83% सटीकता प्राप्त करता है।

Rahul Jaiswal, Per-Arne Andersen, Linga Reddy Cenkeramaddi, Lei Jiao, Ole-Christoffer Granmo2026-05-19