24717 पेपर
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए मेट्रोपोलिस-एडजस्टेड लैंग्विन करेक्टर्स पेश करता है जो स्कोर-आधारित स्वीकृति प्रायिकताओं और सैंपलिंग बायस को समाप्त करने के लिए एक नवीन बर्नौली फैक्ट्री एल्गोरिदम का उपयोग करते हैं, जिससे नमूना गुणवत्ता में उल्लेखनीय सुधार होता है और फ्रेशेट इनसेप्शन डिस्टेंस स्कोर कम होता है।
FreeMOCA दुर्भावनापूर्ण कोड विश्लेषण के लिए एक मेमोरी- और कंप्यूट-कुशल निरंतर शिक्षण (continual learning) ढांचा है जो क्रमिक कार्य इष्टतमों (consecutive task optima) के बीच अनुकूली परत-वार इंटरपोलेशन (adaptive layer-wise interpolation) का लाभ उठाकर विनाशकारी विस्मृति (catastrophic forgetting) को कम करता है, जिससे बिना किसी रिप्ले बफर की आवश्यकता के बड़े पैमाने के विंडोज और एंड्रॉइड मैलवेयर बेंचमार्क पर बेहतर सटीकता और प्रतिधारण (retention) प्राप्त होता है।
यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल फ्रेमवर्क प्रस्तुत करता है जो PennyLane का उपयोग करके कम्पार्टमेंटल पॉपुलेशन फार्माकोकाइनेटिक्स को एक ओपन क्वांटम सिस्टम के रूप में पुनर्गठित करता है, यह प्रदर्शित करते हुए कि एक क्वांटम-एन्हांस्ड SAEM एल्गोरिदम शास्त्रीय विधियों की तुलना में फेज 1 क्लिनिकल डेटा पर तेज़ अभिसरण (convergence) और बेहतर सांख्यिकीय फिट प्राप्त करता है।
यह शोध पत्र AutoSINDy को प्रस्तुत करता है, जो एक हाइब्रिड फ्रेमवर्क है जो PySR-आधारित सिम्बोलिक रिग्रेशन को SINDy के स्पार्स आइडेंटिफिकेशन के साथ जोड़ता है ताकि आधार कार्यों (basis functions) को स्वचालित रूप से उत्पन्न और क्यूरेट किया जा सके, जिससे उच्च शोर (high noise) के बावजूद गैर-रेखीय प्रणालियों के लिए सटीक और मितव्ययी (parsimonious) शासी समीकरणों की सुदृढ़ खोज सक्षम हो सके।
यह शोध पत्र एक डेटा-संचालित ढांचे को प्रस्तुत करता है जो तेज़ प्रक्रियाओं (fast processes) के अज्ञात अपरिवर्तनीय वितरण (invariant distribution) को पैरामीटराइज़ करने और अनिश्चितता परिमाणीकरण (uncertainty quantification) के लिए बेयसियन वेरिएशनल इन्फरेंस (Bayesian variational inference) का उपयोग करके एकल प्रक्षेपवक्रों (single trajectories) से प्रभावी बहु-स्तरीय स्टोकेस्टिक गतिकी (multiscale stochastic dynamics) सीखने के लिए नॉर्मलाइजिंग फ्लो (normalizing flows) का लाभ उठाता है।
यह शोध पत्र प्रस्तावित करता है कि नॉन-लीनियर ट्रांसफॉर्मर्स, एक साझा रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस के भीतर विविध वैल्यू फंक्शन्स को दर्शाने वाले कर्नेल-आधारित टेम्पोरल डिफरेंस लर्नर्स के रूप में कार्य करके, इन-कॉन्टेक्स्ट रीइन्फोर्समेंट लर्निंग में क्रॉस-डोमेन जनरलाइजेशन प्राप्त कर सकते हैं।
यह शोध पत्र CALYREX को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर आर्किटेक्चर है जो सिस्टम प्रॉम्प्ट्स को संरचनात्मक रूप से एंकर करने और उन्हें उपयोगकर्ता इनपुट से अलग करने के लिए क्रॉस-अटेंशन का उपयोग करता है, जिससे विभिन्न मॉडल स्केल्स में निर्देश पालन में उल्लेखनीय सुधार होता है और जेलब्रेक कमजोरियों में कमी आती है।
यह शोध पत्र TIDES का प्रस्ताव करता है, जो एक चयनात्मक स्टेट स्पेस मॉडल वेरिएंट है जो नेटिव इरेगुलर टाइम सीरीज़ हैंडलिंग के लिए समय विविक्तीकरण (टाइम डिस्क्रीटाइजेशन) के भौतिक अर्थ को सुरक्षित रखते हुए, इनपुट-डिपेंडेंस को स्टेप साइज से स्टेट मैट्रिक्स की ओर स्थानांतरित करके उच्च प्रति-टोकन एक्सप्रेसिविटी बनाए रखता है, जिससे टाइम-सीरीज़ बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक सीक्वेंशियल फॉरवर्ड फ्लोटिंग सिलेक्शन (SFFS) फ्रेमवर्क प्रस्तुत करता है जो भूस्खलन विभाजन (landslide segmentation) के लिए मल्टी-स्पेक्ट्रल और टोपोग्राफिक डेटा से एक संक्षिप्त, उच्च-प्रदर्शन वाले 8-चैनल उपसमूह की पहचान करता है, यह प्रदर्शित करते हुए कि व्यवस्थित फीचर चयन पारंपरिक दृष्टिकोणों की तुलना में कम्प्यूटेशनल ओवरहेड को कम करके और भौतिक व्याख्यात्मकता को बढ़ाकर बेहतर प्रदर्शन करता है।
यह शोध पत्र एक तेज़ स्केचिंग फ्रेमवर्क पेश करता है जो नियमित स्पेक्ट्रल सन्निकटन (regularized spectral approximation) का लाभ उठाकर बड़े-रैंक वाले लो-रैंक मैट्रिक्स सन्निकटन के लिए पावर मेथड को त्वरित करता है ताकि SVD, गुणनखंड (factorization), और निस्ट्रॉम सन्निकटन (Nyström approximation) में प्रमाणित रूप से कुशल और संख्यात्मक रूप से सुदृढ़ प्रदर्शन प्राप्त किया जा सके।