24308 पेपर
यह अध्ययन प्रदर्शित करता है कि इलेक्ट्रोस्पिनिंग अनुसंधान में फीचर महत्व रैंकिंग अक्सर मॉडल-निर्भर और अविश्वसनीय होती है जब उन्हें एकल मशीन लर्निंग एल्गोरिदम से प्राप्त किया जाता है, जो समाधान सांद्रता जैसे मजबूत मापदंडों बनाम प्रवाह दर और वोल्टेज जैसे अस्थिर मापदंडों की पहचान करने के लिए SHAP मानों का उपयोग करके क्रॉस-मॉडल सत्यापन की आवश्यकता को रेखांकित करता है।
यह शोध पत्र एक कनवल्शनल वेरिएशनल डीप एम्बेडिंग (Conv-VaDE) मॉडल प्रस्तुत करता है जो पारंपरिक हार्ड क्लस्टरिंग के स्थान पर संभाव्य सॉफ्ट असाइनमेंट और जेनेरेटिव डिकोडिंग का उपयोग करके ईईजी (EEG) माइक्रोस्टेट डिस्कवरी की व्याख्यात्मकता और स्थिरता को बढ़ाता है, और यह व्यवस्थित आर्किटेक्चर खोज के माध्यम से प्रदर्शित करता है कि उच्च-गुणवत्ता वाले प्रतिनिधित्व प्राप्त करने के लिए नेटवर्क की गहराई और सघनता को अनुकूलित करना मॉडल के पैमाने की तुलना में अधिक महत्वपूर्ण है।
एक व्याख्यात्मक न्यूरल नेटवर्क मॉडल का उपयोग करते हुए, यह अध्ययन प्रदर्शित करता है कि निरंतर अमेज़ॅन वनों की कटाई वर्षा के पैटर्न में तीव्र, असममित पुनर्गठन को प्रेरित करती है—जिसकी विशेषता भारी वर्षा में तीव्र गिरावट, हल्की वर्षा में वृद्धि और थ्रेशोल्ड-संचालित हाइड्रोलॉजिकल व्यवधान है—जिससे इस क्षेत्र के भूमि-वायुमंडल युग्मन (land-atmosphere coupling) में पहले से कम आकलित कमजोरियां उजागर होती हैं।
यह शोध पत्र निम्न और मध्यम आय वाले देशों में जलवायु-संवेदनशील रोगों और बाल कुपोषण के लिए स्केलेबल भविष्यवक्ताओं के रूप में अल्फाअर्थ (AlphaEarth) के 64-आयामी उपग्रह एम्बेडिंग की उपयोगिता का मूल्यांकन करता है, जो मलेरिया और श्वसन संक्रमणों के पूर्वानुमान में महत्वपूर्ण सुधार प्रदर्शित करता है और उन डेटा सीमाओं को रेखांकित करता है जो वर्तमान में क्लस्टर स्तर पर स्टंटिंग (बौनापन) मॉडलिंग को बाधित करती हैं।
यह शोध पत्र एक मशीन-लर्नड सरोगेट मॉडल प्रस्तुत करता है जो टेम्पोरल कोर्स-ग्रेनिंग के माध्यम से वायुमंडलीय मॉडलिंग में क्षैतिज संवहन (हॉरिजॉन्टल एडवेक्शन) सिमुलेशन को 92 गुना तक तेज करता है, जो स्वीकार्य सटीकता बनाए रखते हुए महत्वपूर्ण गति प्रदान करता है और मौसमों एवं ऊर्ध्वाधर स्तरों में सामान्यीकरण प्रदर्शित करता है।
यह शोध पत्र यह पहचानता है कि समान हस्तक्षेप अनुसूचियाँ (uniform intervention schedules) विभिन्न गुणों के विशिष्ट टेम्पोरल कमिटमेंट पैटर्न की अनदेखी करके डिस्क्रीट डिफ्यूजन लैंग्वेज मॉडल्स की गुणवत्ता को कम करती हैं, और एक नवीन एडेप्टिव शेड्यूलर प्रस्तावित करता है जो सटीक, उच्च-शक्ति वाले मल्टी-एट्रीब्यूट नियंत्रण को प्राप्त करने के लिए विशिष्ट फॉर्मेशन स्टेप्स पर स्टीयरिंग प्रयासों को केंद्रित करता है, जिससे जनरेशन क्वालिटी से समझौता नहीं होता है।
यह शोध पत्र रोटेशन-प्रिजर्विंग सुपरवाइज्ड फाइन-ट्यूनिंग (RPSFT) का प्रस्ताव करता है, जो एक कुशल विधि है कि प्रीट्रेंड वेट्स के प्रोजेक्टेड टॉप- सिंगुलर-वेक्टर ब्लॉक्स में होने वाले परिवर्तनों को दंडित करती है ताकि आउट-ऑफ-डोमेन सामान्यीकरण (generalization) में सुधार किया जा सके और हेसियन (Hessian) या फिशर (Fisher) सूचना की कम्प्यूटेशनल लागत के बिना प्रीट्रेंड रिप्रेजेंटेशन्स को संरक्षित किया जा सके।
यह शोध पत्र हियरार्किकल मल्टी-व्यू HAAR (HMH) को प्रस्तुत करता है, जो एक स्केलेबल स्पेक्ट्रल ग्राफ-लर्निंग फ्रेमवर्क है जो लर्न करने योग्य हार-आधारित स्पेक्ट्रल फिल्टर और स्किप कनेक्शंस के साथ एक सॉफ्ट पदानुक्रम (soft hierarchy) का निर्माण करके हेटरोफिलस ग्राफ में ओवरस्मूथिंग और ओवरस्क्वैशिंगिंग को कम करता है, जिससे नोड और ग्राफ वर्गीकरण कार्यों में अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र LEAP को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त विधि है जो भविष्य के संदर्भ फ़िल्टरिंग (future context filtering) और बहु-अनुक्रम अध्यारोपण (multi-sequence superposition) के माध्यम से शीघ्र-अभिसरण करने वाले टोकन (early-converging tokens) का पता लगाकर डिफ्यूजन लैंग्वेज मॉडल इन्फरेंस को त्वरित करता है, जिससे सटीकता से समझौता किए बिना डिनोइजिंग चरणों को लगभग 30% तक कम किया जा सकता है।
यह शोध पत्र ट्रजेक्टरी मैचिंग पॉलिसी ऑप्टिमाइज़ेशन (TMPO) को प्रस्तुत करता है, जो डिफ्यूजन मॉडल्स के लिए एक नवीन एलाइनमेंट विधि है जो रिवॉर्ड हैकिंग को प्रभावी ढंग से कम करने के लिए स्केलर रिवॉर्ड मैक्सिमाइजेशन के स्थान पर सॉफ्टमैक्स ट्रजेक्टरी बैलेंस ऑब्जेक्टिव और डायनेमिक स्टोकेस्टिक ट्री सैंपलिंग के माध्यम से ट्रजेक्टरी-स्तरीय वितरण मिलान का उपयोग करता है, जिससे जनरेटिव विविधता और कार्य प्रदर्शन के बीच एक इष्टतम संतुलन प्राप्त होता है।