24528 पेपर
यह शोध पत्र कार्डिएक सर्जरी के बाद के रोगियों में संभावित रूप से त्रुटिपूर्ण रोगी-प्रबंधन निर्णयों की पहचान करने के लिए इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का उपयोग करके एक डेटा-संचालित आउटलायर डिटेक्शन विधि का प्रस्ताव और सत्यापन करता है, जो यह प्रदर्शित करता है कि ऐसे अलर्ट विशेषज्ञ पैनलों द्वारा सत्यापित 25% और 66% के बीच ट्रू पॉजिटिव दर प्राप्त कर सकते हैं।
यह शोध पत्र अग्नाशय के कैंसर के वर्गीकरण के लिए विषम प्रोटिओमिक डेटा स्रोतों (संपूर्ण-नमूना एमएस प्रोफाइलिंग और मल्टीप्लेक्स प्रोटीन एरे) को संयोजित करने की चुनौतियों की जांच करता है, जो यह प्रदर्शित करता है कि व्यक्तिगत डेटासेट पर प्रभावी मॉडल संयुक्त डेटा पर लागू होने पर विफल हो जाते हैं और इन सीमाओं को दूर करने के लिए विशेष मॉडल फ्यूजन विधियों का प्रस्ताव करता है।
CrystalREPA एक प्लग-एंड-प्ले फ्रेमवर्क है जो एक कंट्रास्टिव ऑब्जेक्टिव के माध्यम से जनरेटिव मॉडल रिप्रेजेंटेशन्स को फ्रोजन यूनिवर्सल मशीन लर्निंग इंटरएटोमिक पोटेंशियल (MLIPs) के साथ संरेखित करके जनरेट किए गए क्रिस्टल की स्थिरता, वैधता और फिडेलिटी को बढ़ाता है, जिससे यह पता चलता है कि किसी MLIP की ट्रांसफर के लिए प्रभावशीलता उसके मानक सटीकता बेंचमार्क की तुलना में उसके रिप्रेजेंटेशन डिस्टिंग्विशेबिलिटी पर अधिक निर्भर करती है।
यह शोध पत्र "सर्वे-जागरूक मशीन लर्निंग" (SaML) का प्रस्ताव करता है, जो 16 अध्ययनों की एक स्कोपिंग समीक्षा से प्राप्त नौ-चरणीय दिशानिर्देश है, ताकि मानक मशीन लर्निंग वर्कफ़्लो में सैंपलिंग वेट और स्ट्रैटिफिकेशन जैसी जटिल सर्वेक्षण डिज़ाइन विशेषताओं की अनदेखी करने के कारण जनसंख्या स्वास्थ्य अनुमान में होने वाले पूर्वाग्रहों और वैधता संबंधी मुद्दों को संबोधित किया जा सके।
यह शोधपत्र VORT को प्रस्तुत करता है, जो एक नवीन ट्रांसफॉर्मर आर्किटेक्चर है जो मानक घातांकीय क्षय (exponential decay) के स्थान पर एक सीखने योग्य भिन्नात्मक-क्रम पावर-लॉ मेमोरी कर्नेल (fractional-order power-law memory kernel) का उपयोग करता है, जिसे लंबी दूरी की निर्भरताओं (long-range dependencies) को बेहतर ढंग से पकड़ने के लिए घातांकीय योग अपघटन (sum-of-exponentials decomposition) के माध्यम से कुशलतापूर्वक अनुमानित किया जाता है, जबकि यह सन्निकटन सटीकता और अभिसरण (approximation accuracy and convergence) पर कठोर सैद्धांतिक गारंटी भी प्रदान करता है।
यह शोध पत्र पार्टिकल एमसीटीएस (PMCTS) को प्रस्तुत करता है, जो पहला सिद्धांत-आधारित समानांतर एमसीटीएस एल्गोरिदम है जो औपचारिक नीति सुधार गारंटी को सुरक्षित रखते हुए प्रभावी रूप से समानांतर कंप्यूट के साथ स्केल करता है और विभिन्न डोमेन में ह्यूरिस्टिक-आधारित बेसलाइनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र मशीन लर्निंग इंटरएटमिक पोटेंशियल की कंपोजिशनल जनरलाइजेशन क्षमताओं का मूल्यांकन करने के लिए चार कार्यों वाला एक बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि अत्याधुनिक फाउंडेशन मॉडल भी इन-डिस्ट्रीब्यूशन डेटा पर अपने प्रदर्शन की तुलना में अनदेखी आणविक संरचनाओं पर सामान्यीकरण करने में काफी संघर्ष करते हैं।
यह शोध पत्र AutoSlim को प्रस्तुत करता है, जो एक मशीन लर्निंग-आधारित फ्रेमवर्क है जो ऑटोमेटा ग्राफ में अनावश्यक नोड्स और किनारों (edges) को हटाने के लिए रैंडम फॉरेस्ट क्लासिफायर का उपयोग करता है, जिससे NAPOLY+ जैसे सिम्बॉलिक एक्सेलेरेटर्स के लिए थ्रूपुट और पावर दक्षता में सुधार करते हुए FPGA संसाधन उपयोग को 40% तक कम किया जा सकता है।
यह शोध पत्र "अवांछित भविष्य से बचने" की समस्या के लिए एक गैर-पैरामीट्रिक रिहर्सल लर्निंग फ्रेमवर्क प्रस्तुत करता है जो प्रतिबंधात्मक पैरामीट्रिक धारणाओं के बिना जटिल, गैर-रेखीय निर्णय गतिकी को मॉडल करने के लिए कंडीशनल मीन एम्बेडिंग्स और कर्नेल रिज रिग्रेशन का उपयोग करता है, जबकि सैद्धांतिक निरंतरता गारंटी और अनुभवजन्य सत्यापन प्रदान करता है।
यह शोध पत्र यह प्रदर्शित करता है कि ऑफलाइन, ओरेकल-लेबल वाले प्रक्षेप पथों (trajectories) पर प्री-ट्रेन्ड लार्ज लैंग्वेज मॉडल्स का सुपरवाइज्ड फाइन-ट्यूनिंग, MDPs, POMDPs और APOMDPs में अनुक्रमिक निर्णय लेने के लिए उनकी इन-कॉन्टेक्स्ट लर्निंग क्षमताओं को महत्वपूर्ण रूप से बढ़ाता है, जिससे बेसलाइन विधियों की तुलना में काफी कम ऑप्टिमलिटी गैप प्राप्त होता है, विशेष रूप से जटिल, लंबी अवधि और आंशिक रूप से दृश्यमान वातावरणों में।