🤖 Category

cs.LG

24514 पेपर

🤖 machine learning

Is Monotonic Sampling Necessary in Diffusion Models?

यह शोध पत्र व्यवस्थित रूप से इस बात की जांच करता है कि क्या गैर-एकदिष्ट (non-monotonic) शोर शेड्यूल्स डिफ्यूजन मॉडल जनरेशन में सुधार कर सकते हैं, यह पाते हुए कि हालांकि ऐसे शेड्यूल्स सार्वभौमिक रूप से एकदिष्ट बेसलाइन की तुलना में प्रदर्शन करने में विफल रहते हैं, फिर भी इसके परिणामस्वरूप होने वाले प्रदर्शन दंड की गंभीरता संरचनात्मक अंतरों के कारण विभिन्न आर्किटेक्चर (DDPM, फ्लो मैचिंग, और EDM) में काफी भिन्न होती है, जो एक नव-प्रस्तावित 'शेड्यूल सेंसिटिविटी कोएफिशिएंट' द्वारा परिमाणित की गई है।

Muhammad Haris Khan2026-05-13
🤖 machine learning

Stop Marginalizing My Dreams: Model Inversion via Laplace Kernel for Continual Learning

यह शोध पत्र REMIX प्रस्तुत करता है, जो एक डेटा-मुक्त निरंतर शिक्षण (continual learning) ढांचा है जो पूर्ण फीचर निर्भरता (feature dependencies) को मॉडल करने के लिए एक स्केलेबल लैप्लेस कर्नेल पैरामीट्राइजेशन का उपयोग करके मौजूदा विकर्ण सहप्रसरण (diagonal covariance) धारणाओं की सीमाओं को दूर करता है, जिससे उच्च-सटीकता वाले सिंथेटिक नमूने उत्पन्न होते हैं और मानक बेंचमार्क पर प्रदर्शन में महत्वपूर्ण सुधार होता है।

Patryk Krukowski, Jacek Tabor, Przemysław Spurek, Marek Śmieja, Łukasz Struski2026-05-13
🤖 machine learning

Fed-BAC: Federated Bandit-Guided Additive Clustering in Hierarchical Federated Learning

यह शोध पत्र Fed-BAC का प्रस्ताव करता है, जो एक पदानुक्रमित फेडेरेटेड लर्निंग फ्रेमवर्क है जो सर्वर-टू-क्लस्टर असाइनमेंट और क्लाइंट चयन को संयुक्त रूप से अनुकूलित करने के लिए एडिटिव क्लस्टर पर्सनलाइजेशन को टू-लेवल बैंडिट मैकेनिज्म के साथ एकीकृत करता है, जिससे गंभीर डेटा विषमता के तहत महत्वपूर्ण सटीकता लाभ, तेज़ अभिसरण और बेहतर निष्पक्षता प्राप्त होती है।

Satwat Bashir, Tasos Dagiuklas, Muddesar Iqbal2026-05-13
🔬 optics

Bin Latent Transformer (BiLT): A shift-invariant autoencoder for calibration-free spectral unmixing of turbid media

यह शोध पत्र बिन लेटेंट ट्रांसफॉर्मर (BiLT) ऑटोएनकोडर का परिचय देता है, जो एक शिफ्ट-इनवेरिएंट डीप लर्निंग मॉडल है जो स्पेक्ट्रोमीटर कैलिब्रेशन ड्रिफ्ट और हार्डवेयर विविधताओं के बावजूद घटक अवशोषण और प्रकीर्णन गुणांकों को पुनः प्राप्त करने में उच्च सटीकता बनाए रखते हुए, टर्बिड मीडिया के सुदृढ़, कैलिब्रेशन-मुक्त स्पेक्ट्रल अनमिक्सिंग को प्राप्त करने के लिए पारंपरिक डेंस एनकोडर्स को क्रॉस-अटेंशन मैकेनिज्म से बदलता है।

Martin Hohmann2026-05-13
💬 NLP

More Edits, More Stable: Understanding the Lifelong Normalization in Sequential Model Editing

यह शोध पत्र अनुक्रमिक मॉडल संपादन (sequential model editing) में लाइफलॉन्ग नॉर्मलाइज़ेशन (Lifelong Normalization) की स्थिरता के लिए पहला सैद्धांतिक स्पष्टीकरण प्रदान करता है, जो विनाशकारी विस्मृति (catastrophic forgetting) को रोकने में इसकी भूमिका को सिद्ध करता है और स्पष्ट वॉर्म-अप (warm-up) एवं पूर्ण व्हाइटनिंग (full whitening) के माध्यम से दीर्घकालिक स्थिरता को बढ़ाने वाली एक विधि, स्टेबल-एडिट (StableEdit) का परिचय देता है।

Xin Ma, Wei Chen, Qi Liu, Derong Xu, Zhi Zheng, Tong Xu, Enhong Chen2026-05-13
🤖 machine learning

Gradient Clipping Beyond Vector Norms: A Spectral Approach for Matrix-Valued Parameters

यह शोध पत्र स्पेक्ट्रल क्लिपिंगिंग (spectral clippinging) का प्रस्ताव करता है, जो एक नवीन ग्रेडिएंट स्थिरीकरण विधि है जो न्यूरल नेटवर्क प्रशिक्षण में हेवी-टेल्ड नॉइज़ (heavy-tailed noise) को संबोधित करने के लिए मैट्रिक्स-मान वाले मापदंडों के अग्रणी सिंगुलर मानों (leading singular values) को चुनि적으로 क्लैंप करती है, जो पूर्ण सिंगुलर वैल्यू डिकम्पोजिशन की आवश्यकता के बिना सैद्धांतिक अभिसरण गारंटी और कुशल कार्यान्वयन प्रदान करती है।

Alexander Yukhimchuk, Mladen Kolar, Martin Takáč, Sayantan Choudhury2026-05-13
📊 statistics

Minimax Rates and Spectral Distillation for Tree Ensembles

यह शोध पत्र प्रेरित कर्नेल ऑपरेटरों (induced kernel operators) के आइजनवैल्यू क्षय (eigenvalue decay) से जोड़कर रैंडम फॉरेस्ट रिग्रेशन के लिए मिनिमैक्स-ऑप्टिमल अभिसरण दरों (minimax-optimal convergence rates) को स्थापित करता है और वृक्ष समुदायों (tree ensembles) को संक्षिप्त, उच्च-प्रदर्शन वाले मॉडलों में संकुचित करने के लिए अत्यधिक कुशल संपीड़न योजनाओं को विकसित करने हेतु इस स्पेक्ट्रल परिप्रेक्ष्य का लाभ उठाता है।

Binh Duc Vu, David S. Watson2026-05-13
🤖 machine learning

Martingale-Consistent Self-Supervised Learning

यह शोधपत्र एक मार्टिंगेल-संगत (martingale-consistent) स्व-पर्यवेक्षित शिक्षण ढांचे को प्रस्तुत करता है जो आंशिक अवलोकन के तहत मोटे (coarse) और परिष्कृत (refined) भविष्यवाणियों के बीच सामंजस्य लागू करता है, जिससे मानक अपरिवर्तनीयता-आधारित उद्देश्यों की तुलना में मॉडल की मजबूती और अंशांकन (calibration) में सुधार होता है।

Moritz Gögl, Hanwen Xing, Christopher Yau2026-05-13
🤖 machine learning

Information theoretic underpinning of self-supervised learning by clustering

यह शोध पत्र स्व-पर्यवेक्षित शिक्षण (self-supervised learning) को K-L डाइवर्जेंस अनुकूलन के रूप में स्वरूपित करके इसके सूचना-सैद्धांतिक आधार को स्थापित करता है, और यह प्रदर्शित करता है कि शिक्षक वितरण (teacher distribution) पर प्रतिबंध सैद्धांतिक रूप से मोड कोलैप्स (mode collapse) को रोकने के लिए बैच सेंट्रिंग (batch centering) और इनवर्स क्लस्टर प्रायर नॉर्मलाइजेशन (inverse cluster prior normalization) जैसे सामान्य ह्यूरिस्टिक्स को न्यायसंगत ठहराते हैं।

Josef Kittler, Sara Atito, Muhammad Awais2026-05-13
🤖 machine learning

Sobolev Regularized MMD Gradient Flow

यह शोध पत्र सोबोलेव-नियमित एमएमडी ग्रेडिएंट फ्लो (SrMMD) प्रस्तुत करता है, जो एक नवीन विधि है जो आइसोपेरिटिक मान्यताओं के बिना प्रमाणित वैश्विक अभिसरण प्रदान करने के लिए एमएमडी गैर-उत्तलता (non-convexity) को कम करती है और सैंपलिंग एवं जनरेटिव मॉडलिंग अनुप्रयोगों को एकीकृत करती है।

Chenyang Tian, Bharath K. Sriperumbudur, Arthur Gretton, Zonghao Chen2026-05-13