🤖 machine learning

Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency

यह शोध पत्र एक ऐसी विधि प्रस्तावित करता है जो "सिमेट्री रप्चर" (Symmetry Rupture) नामक एक वैश्विक अर्ध-समूह संरचनात्मक बाधा (global semi-group structural constraint) को लागू करके विविक्त अवलोकनों (discrete observations) से निरंतर-समय गतिकी (continuous-time dynamics) को पुनर्प्राप्त करती है, जो एक प्रशिक्षण नियमितकर्ता (training regularizer) और एक अनुकूलन योग्य अनुमानित भविष्यवक्ता (adaptive inference oracle) दोनों के रूप में कार्य करती है ताकि न्यूरल ODE बेसलाइन की तुलना में सटीकता और गणनात्मक दक्षता में उल्लेखनीय सुधार किया जा सके।

Yuxiang Luo, Andrew Perrault2026-05-12
🤖 machine learning

HEART: A High-Efficiency Adaptive Real-Time Telemonitoring Framework for Secure Electrocardiogram Signal Transmission Using Chaotic Encryption

यह शोध पत्र HEART प्रस्तुत करता है, जो एक सुरक्षित रियल-टाइम टेलीमॉनिटरिंग फ्रेमवर्क है जो व्यक्तिगत ईसीजी (ECG) संकेतों से प्राप्त एक सीखने योग्य की जनरेटर (learnable key generator) का उपयोग करके अराजक एन्क्रिप्शन (chaotic encryption) को गतिशील रूप से कॉन्फ़िगर करता है, जिससे रोगी के डेटा के गोपनीय ट्रांसमिशन और लगभग लॉसलेस पुनर्निर्माण को सुनिश्चित किया जा सके और पारंपरिक की एक्सचेंज (key exchange) की कमजोरियों को समाप्त किया जा सके।

Beyazıt Bestami Yuksel2026-05-12
🧬 biology

Neurally-plausible radial basis kernels using distributed Fourier embeddings

यह शोध पत्र स्थानिक अर्थपूर्ण पॉइंटर्स (spatial semantic pointers) के तंत्रिका-सक्षम (neurally-plausible) ढांचे के भीतर रेडियल बेसिस कर्नेल (radial basis kernels) को अभिलक्षित करता है और यह प्रदर्शित करता है कि ग्रिड सेल जैसे निरूपण इन कर्नेल्स को साकार करने के लिए सक्षम और इष्टतम हैं ताकि सुसंगत, निरंतर स्थानिक निरूपण बनाए जा सकें।

Jakeb Chouinard2026-05-12
🤖 machine learning

The Geometric Structure of Models Learning Sparse Data

यह शोध पत्र "नॉर्मल एलाइनमेंट" (normal alignment) की अवधारणा प्रस्तुत करता है ताकि यह समझाया जा सके कि मॉडल उन विरल डेटा व्यवस्थाओं (sparse data regimes) में कैसे सफल होते हैं जहाँ मैनिफोल्ड हाइपोथेसिस (manifold hypothesis) विफल हो जाता है, जो यह सिद्ध करता है कि यह ज्यामितीय गुण प्रशिक्षण उद्देश्यों को न्यूनतम करता है और मजबूती को अधिकतम करता है, जिससे ग्रोक-अलाइन (GrokAlign) रेगुलेराइजेशन रणनीति और अधिक सुदृढ़ रिकर्सिव फीचर एलाइनमेंट मशीनों (Recursive Feature Alignment Machines - RFAMs) का विकास होता है।

Thomas Walker, T. Mitchell Roddenberry, Ahmed Imtiaz Humayun, Randall Balestriero, Richard Baraniuk2026-05-12
🤖 machine learning

When Independent Sampling Outperforms Agentic Reasoning

यह शोध पत्र यह प्रदर्शित करता है कि प्रतिस्पर्धी प्रोग्रामिंग कार्यों के लिए, बार-बार स्वतंत्र सैंपलिंग (k-shot) को इन्फरेंस-टाइम कंप्यूट आवंटित करना, प्रॉम्प्ट कैशिंग को ध्यान में रखते हुए भी, एजेंट-आधारित रीजनिंग की तुलना में लगातार बेहतर सटीकता-लागत और सटीकता-क्वेरी ट्रेडऑफ प्रदान करता है।

Yihe Dong, Boris Shigida2026-05-12
🔢 mathematics

A Unified Lyapunov-IQC Framework for Uniform Stability of Smooth Quadratic First-Order Accelerated Optimizers

यह शोध पत्र एक एकीकृत ढांचे का प्रस्ताव करता है जो लाइपुनोव फलनों (Lyapunov functions) और इंटीग्रल क्वाड्रेटिक कंस्ट्रेंट्स (IQC) को संयोजित करता है ताकि स्मूथ, स्ट्रॉन्गली कॉन्वेक्स फर्स्ट-ऑर्डर एक्सीलरेटेड ऑप्टिमाइज़र्स को ल्यूरे-टाइप फीडबैक सिस्टम के रूप में मॉडल करके और सेमी-डेफिनेट प्रोग्रामिंग के माध्यम से स्थिरता प्रमाणित करके उनकी यूनिफॉर्म स्टेबिलिटी स्थापित की जा सके।

Don Li, Dacian Daescu2026-05-12
🤖 machine learning

MathConstraint: Automated Generation of Verified Combinatorial Reasoning Instances for LLMs

यह शोधपत्र MathConstraint को प्रस्तुत करता है, जो एक अनुकूलन योग्य बेंचमार्क है जो LLMs का मूल्यांकन करने के लिए चुनौतीपूर्ण कॉम्बिनेटरियल रीजनिंग (combinatorial reasoning) समस्याओं को स्वचालित रूप से उत्पन्न और कठोरता से सत्यापित करता है, जो यह प्रदर्शित करता है कि टूल एक्सेस प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है जबकि मॉडल्स की कम टूल-कॉल बजट के प्रति उच्च संवेदनशीलता को भी प्रकट करता है।

Viresh Pati, Zhengyu Li, Piyush Jha, Rahul Garg, Yatharth Sejpal, Vijay Ganesh2026-05-12
🔬 physics

A Deep Risk Estimator for Known Operator Learning

यह शोध पत्र नेटवर्क के लिए एक डीप रिस्क एस्टिमेटर पेश करता है जो सीखे गए (learned) और ज्ञात (known) ऑपरेटर्स को संयोजित करता है, जो कुल जोखिम को परत-विशिष्ट (layer-specific) पदों में विभाजित करता है ताकि यह प्रदर्शित किया जा सके कि सीखे गए परतों को ज्ञात ऑपरेटर्स से बदलने से त्रुटि सीमाओं (error bounds) और नमूना आवश्यकताओं (sample requirements) में कमी आती है, एक ऐसा निष्कर्ष जिसे सीटी (CT) पुनर्निर्माण प्रयोगों के माध्यम से मान्य किया गया है और जो भौतिकी-सूचित तंत्रिका नेटवर्क (physics-informed neural networks) पर लागू होता है।

Andreas Maier, Md Hasan, Paulina Conrad, Paula Andrea Perez-Toro2026-05-12
🤖 machine learning

SeBA: Semi-supervised few-shot learning via Separated-at-Birth Alignment for tabular data

यह शोध पत्र SeBA का प्रस्ताव करता है, जो टैबुलर डेटा के लिए एक नवीन सेमी-सुपरवाइज्ड फ्यू-शॉट लर्निंग फ्रेमवर्क है जो निकटतम-पड़ोसी पत्राचार (nearest-neighbor correspondence) के आधार पर स्वतंत्र, पूरक दृश्यों (views) को संरेखित करके कठिन-से-परिभाषित डेटा ऑग्मेंटेशन की आवश्यकता को समाप्त करता है, जिससे विभिन्न बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Kacper Jurek, Wojciech Batko, Marek Śmieja, Marcin Przewięźlikowski2026-05-12
🤖 machine learning

Geometric Flood Depth Estimation: Fusing Transformer-Based Segmentation with Digital Elevation Models

यह शोध पत्र एक ज्यामितीय विधि प्रस्तावित करता है जो एकल (मोनोक्युलर) हवाई इमेजरी से 3D बाढ़ की गहराई और जल सतह के स्तर का अनुमान लगाने के लिए Mask2Former-आधारित बाढ़ विभाजन को डिजिटल एलिवेशन मॉडल (DEM) के साथ जोड़ती है, जिससे हाइड्रोडायनामिक सिमुलेशन की विलंबता के बिना तीव्र आपदा-पश्चात स्थितिजन्य जागरूकता सक्षम होती है।

Nhut Le, Ehsan Karimi, Maryam Rahnemoonfar2026-05-12