24832 पेपर
यह शोध पत्र DECO को प्रस्तुत करता है, जो एक स्पार्स Mixture-of-Experts आर्किटेक्चर है जो ReLU-आधारित रूटिंग, लर्नेबल एक्सपर्ट-वाइज स्केलिंग और एक नवीन NormSiLU एक्टिवेशन फंक्शन का लाभ उठाकर केवल 20% एक्सपर्ट एक्टिवेशन और एंड-साइड डिवाइसेस पर 3.00× इन्फरेंस स्पीडअप के साथ डेंस-तुलनीय प्रदर्शन प्राप्त करता है।
यह शोध पत्र एम्बेडेड लैंग्वेज फ्लोज़ (ELF) को प्रस्तुत करता है, जो एक निरंतर-समय फ्लो मैचिंग मॉडल है जो डिस्क्रीट टोकन में मैप करने से पहले मुख्य रूप से निरंतर एम्बेडिंग स्पेस में कार्य करता है, और मौजूदा डिस्क्रीट और निरंतर डिफ्यूजन लैंग्वेज मॉडल्स की तुलना में बेहतर जनरेशन गुणवत्ता और दक्षता प्रदर्शित करता है।
यह शोध पत्र HIVE-COTE 2.0 प्रस्तुत करता है, जो टाइम सीरीज़ क्लासिफिकेशन के लिए एक काफी उन्नत मेटा-एन्सेम्बल है, जिसमें यूनिवेरिएट और मल्टीवेरिएट डेटासेट्स पर अत्याधुनिक सटीकता प्राप्त करने के लिए नवीन क्लासिफायर (TDE, DrCIF, और द आर्सेनल) को शामिल किया गया है।
यह शोध पत्र टाइम सीरीज़ एक्सट्रिंसिक रिग्रेशन (TSER) बेंचमार्क का विस्तार 63 समस्याओं तक करता है और यह प्रदर्शित करता है कि दो नए प्रस्तावित अनसुपरवाइज्ड फीचर-आधारित एल्गोरिदम, FreshPRINCE और DrCIF, मानक रोटेशन फॉरेस्ट रिग्रेसर सहित मौजूदा तरीकों से काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र एक नवीन फ्लैट बहुपद सन्निकटन (flat polynomial approximation) और सम-ऑफ-स्क्वायर रिलैक्सेशन (sum-of-squares relaxation) का उपयोग करके पिछले कम्प्यूटेशनल अवरोधों को दूर करते हुए, किसी भी स्थिर व्युत्क्रम तापमान पर उनके गिब्स अवस्थाओं (Gibbs states) की बहुपद संख्या प्रतियों से परिशुद्धता के साथ स्थानीय क्वांटम हैमिल्टोनियन (local quantum Hamiltonians) सीखने के लिए एक बहुपद-समय एल्गोरिदम प्रस्तुत करके एक प्रमुख खुली समस्या का समाधान करता है।
यह शोध पत्र रिवॉर्ड लर्निंग में एकल मानव शिक्षक को मानने की सीमा को संबोधित करने के लिए हिडन यूटिलिटी बैंडिट (HUB) फ्रेमवर्क और एक्टिव टीचर सिलेक्शन (ATS) एल्गोरिदम पेश करता है, जो विविध वास्तविक दुनिया के अनुप्रयोगों में तर्कसंगतता, विशेषज्ञता और लागत में शिक्षक की विषमता को प्रभावी ढंग से मॉडल और लाभान्वित करता है।
आईसीयू में भर्ती सेप्टिक रोगियों के 218 मामलों का यह रेट्रोस्पेक्टिव अध्ययन प्रदर्शित करता है कि प्रोकैल्सीटोनिन, बिलीरुबिन, न्यूट्रोफिल-टू-लिम्फोसाइट अनुपात, प्लेटलेट्स, लैक्टिक एसिड, एरिथ्रोसाइट सेडिमेंटेशन रेट और ग्लासगो कोमा स्केल स्कोर को संयोजित करने वाला एक मल्टीवेरिएबल लॉजिस्टिक रिग्रेशन मॉडल, केवल प्रोकैल्सीटोनिन की तुलना में बैक्टीरेमिया (AUC 0.907) के पूर्वानुमान में महत्वपूर्ण रूप से सुधार करता है, जबकि साथ ही बैक्टीरेमिया और बढ़ी हुई मृत्यु दर के बीच एक मजबूत संबंध की भी पुष्टि करता है।
यह शोध पत्र Hyformer को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर-आधारित मॉडल है जो एक अल्टरनेटिंग अटेंशन मैकेनिज्म और जॉइंट प्री-ट्रेनिंग के माध्यम से अणु निर्माण (molecule generation) और गुण भविष्यवाणी (property prediction) को एकीकृत करता है, जो कंडीशनल सैंपलिंग, आउट-ऑफ-डिस्ट्रीब्यूशन प्रेडिक्शन और नवीन रोगाणुरोधी पेप्टाइड्स की खोज में सहक्रियात्मक सुधार प्रदर्शित करता है।
यह शोध पत्र TCGA डेटा का उपयोग करके मल्टीमॉडल कैंसर मॉडलिंग के लिए एक एम्बेडिंग-केंद्रित दृष्टिकोण प्रस्तावित करता है, जो यह प्रदर्शित करता है कि ज़ीरो-शॉट फाउंडेशन मॉडल एम्बेडिंग्स—विशेष रूप से पैथोलॉजी रिपोर्ट टेक्स्ट को एकीकृत करने पर—पर प्रशिक्षित शास्त्रीय मशीन लर्निंग मॉडल, मतिभ्रम (hallucination) जैसी समस्याओं को प्रभावी ढंग से कम करते हुए यूनिमोडल बेसलाइन की तुलना में बेहतर प्रदर्शन करते हैं।
RECON एक क्लास-पोज़ एग्नोस्टिक कैनोनिकल ओरिएंटेशन नॉर्मलाइज़ेशन विधि पेश करता है जो सरल राइट ट्रांसलेशन के माध्यम से मनमाने कैनोनिकल रिप्रेजेंटेशन्स को ठीक करती है ताकि इंस्टेंस-विशिष्ट सिमिट्रीज़ की अनसुपरवाइज्ड डिस्कवरी सक्षम हो सके, आउट-ऑफ-डिस्ट्रीब्यूशन पोज़ का पता लगाया जा सके, और बिना रिट्रेनिंग के प्लग-एंड-प्ले टेस्ट-टाइम लेयर के माध्यम से प्री-ट्रेन्ड मॉडल्स में सुधार किया जा सके।