🤖 machine learning

Dynamic Nested Hierarchies: Pioneering Self-Evolution in Machine Learning Architectures for Lifelong Intelligence

यह शोध पत्र डायनेमिक नेस्टेड हायरार्कियाँ (dynamic nested hierarchies) प्रस्तुत करता है, जो एक नवीन मशीन लर्निंग फ्रेमवर्क है जो स्व-विकसित आर्किटेक्चर को अपने अनुकूलन संरचनाओं और अपडेट आवृत्तियों को स्वायत्त रूप से समायोजित करने में सक्षम बनाता है, जिससे गैर-स्थिर वातावरणों में सुदृढ़ आजीवन शिक्षण (lifelong learning) और अनुकूलन क्षमता प्राप्त करने के लिए कठोर मॉडलों की सीमाओं को दूर किया जा सके।

Akbar Anbar Jafari, Cagri Ozcinar, Gholamreza Anbarjafari2026-05-15
📊 statistics

A Problem-Oriented Taxonomy of Evaluation Metrics for Time Series Anomaly Detection

यह शोध पत्र एक समस्या-उन्मुख वर्गीकरण प्रस्तावित करता है जो बीस से अधिक टाइम सीरीज़ विसंगति पहचान (टाइम सीरीज़ एनोमली डिटेक्शन) मेट्रिक्स को उनकी विशिष्ट मूल्यांकन चुनौतियों के आधार पर छह आयामों में वर्गीकृत करता है, जो व्यापक प्रयोगों के माध्यम से यह प्रकट करता है कि मेट्रिक की उपयुक्तता स्वाभाविक रूप से कार्य-निर्भर है और स्कोर मुद्रास्फीति से बचने तथा सुदृढ़ बेंचमार्किंग सुनिश्चित करने के लिए संदर्भ-जागरूक पद्धतियों की आवश्यकता पर बल देता है।

Kaixiang Yang, Jiarong Liu, Yupeng Song, Shuanghua Yang, Yujue Zhou2026-05-15
🔬 physics

Unsupervised simulation of incompressible flows with physics- and equality- constrained artificial neural networks

यह शोध पत्र एक अनसुपरवाइज्ड (unsupervised) भौतिकी- और समानता-प्रतिबंधित न्यूरल नेटवर्क ढांचे को प्रस्तुत करता है जो प्रेशर-पॉइसन (pressure-Poisson) उद्देश्य और अनुकूली ऑगमेंटेड लैग्रेंजियन (adaptive augmented Lagrangian) विधि का उपयोग करके बिना लेबल वाले डेटा के उच्च-रेनॉल्ड्स संख्या वाले असंपीडित प्रवाहों (incompressible flows) का सफलतापूर्वक अनुकरण करता है, जो सख्त डाइवर्जेंस-मुक्त बाधाओं और सीमा स्थितियों को लागू करने में पिछली सीमाओं को दूर करता है।

Qifeng Hu, Inanc Senocak2026-05-15
⚛️ quantum physics

Performance Guarantees for Quantum Neural Estimation of Entropies

यह शोध पत्र मापे गए सापेक्ष एंट्रॉपी (relative entropies) के क्वांटम न्यूरल एस्टिमेटर्स के लिए गैर-एसिम्प्टोटिक त्रुटि जोखिम सीमाएं (non-asymptotic error risk bounds) और सब-गॉसियन एकाग्रता गारंटी (sub-Gaussian concentration guarantees) स्थापित करता है, जो सिस्टम आयाम और सटीकता के साथ कुशलतापूर्वक स्केल करने वाली मिनिमैक्स-ऑप्टिमल कॉपी जटिलता (minimax-optimal copy complexity) को प्रदर्शित करता है और हाइपरपैरामीटर ट्यूनिंग के लिए सैद्धांतिक मार्गदर्शन प्रदान करता है।

Sreejith Sreekumar, Ziv Goldfeld, Mark M. Wilde2026-05-15
🤖 machine learning

BRIDGE: Building Representations In Domain Guided Program Synthesis

यह शोध पत्र BRIDGE को पेश करता है, जो एक संरचित प्रॉम्प्टिंग फ्रेमवर्क है जो प्रोग्राम सिंथेसिस को परस्पर जुड़े हुए कोड, विनिर्देश (specification), और प्रमेय/प्रमाण डोमेन में विभाजित करता है ताकि कई लार्ज लैंग्वेज मॉडल्स के माध्यम से सत्यापित लीन (Lean) कोड और पायथन समाधान उत्पन्न करने की शुद्धता और सैंपल दक्षता में महत्वपूर्ण सुधार किया जा सके।

Robert Joseph George, Carson Eisenach, Udaya Ghai, Dominique Perrault-Joncas, Anima Anandkumar, Dean Foster2026-05-15
⚡ electrical engineering

The Spheres Dataset: Multitrack Orchestral Recordings for Music Source Separation and Information Retrieval

यह शोध पत्र 'द स्फीयर्स' (The Spheres) डेटासेट प्रस्तुत करता है, जो कोलिब्रि एनसेम्बल (Colibrì Ensemble) के 23 माइक्रोफ़ोन द्वारा कैप्चर किए गए एक घंटे से अधिक के प्रदर्शनों वाला मल्टीट्रैक ऑर्केस्ट्रल रिकॉर्डिंग का एक व्यापक संग्रह है, जिसे शास्त्रीय संगीत के क्षेत्र में म्यूजिक सोर्स सेपरेशन, लोकलाइजेशन और इमर्सिव रेंडरिंग में मशीन लर्निंग अनुसंधान को आगे बढ़ाने के लिए डिज़ाइन किया गया है।

Jaime Garcia-Martinez, David Diaz-Guerra, John Anderson, Ricardo Falcon-Perez, Pablo Cabañas-Molero, Tuomas Virtanen, Ju (…)2026-05-15
🤖 machine learning

Learning Multimodal Embeddings for Traffic Accident Prediction and Causal Estimation

यह शोध पत्र एक मल्टीमॉडल लर्निंग फ्रेमवर्क प्रस्तुत करता है जो सड़क नेटवर्क संरचनाओं को उच्च-रिज़ॉल्यूशन उपग्रह इमेजरी और पर्यावरणीय डेटा के साथ एकीकृत करता है ताकि यातायात दुर्घटना भविष्यवाणी की सटीकता में महत्वपूर्ण सुधार किया जा सके और वर्षा, सड़क की गति और मौसमी पैटर्न जैसे प्रमुख जोखिम कारकों का कारणत्मक अनुमान (causal estimation) सक्षम किया जा सके।

Ziniu Zhang, Minxuan Duan, Haris N. Koutsopoulos, Hongyang R. Zhang2026-05-15
🤖 machine learning

Achieving Approximate Symmetry Is Exponentially Easier than Exact Symmetry

यह शोध पत्र औसत जटिलता (averaging complexity) की अवधारणा प्रस्तुत करता है ताकि सैद्धांतिक रूप से यह प्रदर्शित किया जा सके कि मशीन लर्निंग मॉडलों में अनुमानित समरूपता (approximate symmetry) प्राप्त करना सटीक समरूपता (exact symmetry) को लागू करने की तुलना में तेजी से (exponentially) आसान है, जिससे व्यवहार में अनुमानित समरूपता के प्रति अनुभवजन्य प्राथमिकता को एक औपचारिक औचित्य प्रदान किया जा सके।

Behrooz Tahmasebi, Melanie Weber2026-05-15
🤖 machine learning

Do-Undo Bench: Reversibility for Action Understanding in Image Generation

यह शोध पत्र 'डू-अनडू' (Do-Undo) बेंचमार्क प्रस्तुत करता है, जो एक नवीन ढांचा है जो विजन-लैंग्वेज मॉडल्स की वास्तविक दुनिया की क्रियागत गतिशीलता (action dynamics) को समझने की क्षमता का मूल्यांकन करता है, जिसके लिए उन्हें संभावित दृश्य रूपांतरण उत्पन्न करने और तत्पश्चात उन्हें अपनी मूल अवस्थाओं में वापस उलटने की आवश्यकता होती है।

Shweta Mahajan, Shreya Kadambi, Hoang Le, Rajeev Yasarla, Apratim Bhattacharyya, Munawar Hayat, Fatih Porikli2026-05-15
📊 statistics

On The Hidden Biases of Flow Matching Samplers

यह शोध पत्र उन अनुभवजन्य मॉडलों का एक पदानुक्रम स्थापित करके फ्लो मैचिंग सैंपलर्स के परिमित-नमूना पूर्वाग्रहों (finite-sample biases) का विश्लेषण करता है जो यह प्रकट करते हैं कि सरोगेट लक्ष्य वितरण, गैर-ग्रेडिएंट अनुभवजन्य मिनिमाइज़र और गैर-अद्वितीय कण गतिकी सांख्यिकीय सटीकता को कैसे प्रभावित करते हैं, जबकि यह भी प्रदर्शित करता है कि स्रोत वितरण का चयन गतिज ऊर्जा (kinetic energy) के पूँछ व्यवहार (tail behavior) को कैसे नियंत्रित करता है।

Soon Hoe Lim2026-05-15