24939 पेपर
यह कार्य विकेंद्रीकृत फेडरेटेड लर्निंग में लोकल SGD के लिए दो सामान्यीकृत गॉसियन सन्निकटन परिणाम स्थापित करता है—अंतिम पुनरावृत्तियों के लिए एक बेरी-एसेन प्रमेय और संपूर्ण प्रक्षेपवक्र के लिए समय-में-एकसमान (uniform-in-time) सन्निकटन—जो बूटस्ट्रैप प्रक्रियाओं के माध्यम से वैध सांख्यिकीय अनुमान और प्रतिकूल हमलों का सुदृढ़ पता लगाने में सक्षम बनाता है।
यह शोध पत्र एक कार्यान्वयन-अज्ञेय (implementation-agnostic) अवस्था-संक्रमण मॉडल का उपयोग यह प्रदर्शित करने के लिए करता है कि डीप लर्निंग सामान्यीकरण (generalization) में सुधार करती है जब तीव्र सन्निकटन लाभों को ज्यामितीय रूप से सुव्यवस्थित (geometrically tame) संक्रमण अर्धसमूहों (transition semigroups) के साथ जोड़ा जाता है जो सांख्यिकीय जटिलता को घातीय वृद्धि से पीड़ित होने से रोकते हैं।
यह शोध पत्र PKeX-Shapley प्रस्तुत करता है, जो एक नवीन एल्गोरिदम है जो उत्पाद कर्नेल (product kernels) की गुणात्मक संरचना का लाभ उठाकर सभी विशेषताओं के लिए एमोर्टाइज्ड लीनियर समय में सटीक, पैरामीटर-मुक्त शापली मान (Shapley values) की गणना करता है, जिससे कर्नेल-आधारित व्याख्यात्मकता और सांख्यिकीय विश्लेषण के लिए मौजूदा सन्निकटन विधियों में निहित कम्प्यूटेशनल जटिलता और अनुमान त्रुटियों पर विजय प्राप्त होती है।
यह शोध पत्र कोहॉर्ट-आधारित सक्रिय मोडैलिटी अधिग्रहण (CAMA) प्रस्तुत करता है, जो एक नवीन टेस्ट-टाइम फ्रेमवर्क है जो इम्प्यूटेशन-आधारित रणनीतियों का उपयोग करके कुशलतापूर्वक यह प्राथमिकता देता है कि एक कोहॉर्ट के किन नमूनों को महंगी अतिरिक्त मोडैलिटी प्राप्त होनी चाहिए, जो मौजूदा विधियों की तुलना में बेहतर प्रदर्शन और UK बायोबैंक प्रोटिओमिक्स डेटा का उपयोग करके रोग भविष्यवाणी में वास्तविक दुनिया की प्रयोज्यता प्रदर्शित करता है।
यह स्थिति पत्र (position paper) तर्क देता है कि गैर-परक्राम्य (non-negotiable) आवश्यकताओं वाले डीप लर्निंग समस्याओं को एक निश्चित भारित योग दंड विधि (fixed weighted sum penalty method) पर निर्भर रहने के बजाय, जो बाधा संतुप्ति की कोई गारंटी नहीं देती, कठोर आवश्यकताओं को कमजोर समझौतों में बदल देती है और जिसमें महंगी परीक्षण-त्रुटि ट्यूनिंग की आवश्यकता होती है, सीधे सूत्रित बाधित अनुकूलन (constrained optimization) को हल करके संबोधित किया जाना चाहिए।
यह शोध पत्र स्टोकेस्टिक बैंडिट्स (stochastic bandits) के लिए एक व्यावहारिक "फेक डेटा इंजेक्शन" (Fake Data Injection) खतरे के मॉडल को प्रस्तुत करता है जो हमलावरों को सीमित मात्रा में बाउंडेड फेक सैंपल्स (bounded fake samples) इंजेक्ट करने तक सीमित रखकर पूर्व कार्यों की अवास्तविक धारणाओं को दूर करता है, और यह सिद्धांत एवं प्रयोगों के माध्यम से प्रदर्शित करता है कि यह रणनीति केवल सबलीनियर लागत (sublinear cost) के साथ एल्गोरिदम को एक लक्षित आर्म (target arm) चुनने के लिए प्रभावी ढंग से गुमराह कर सकती है।
यह शोधपत्र एनालिटिक ग्रेडिएंट-आधारित सुदृढीकरण शिक्षण (reinforcement learning) के लिए पहले प्रभावी सुरक्षात्मक ढांचे (safeguarding framework) को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि प्रशिक्षण के दौरान विभेदक सुरक्षा तंत्रों (differentiable safety mechanisms) को एकीकृत करना सीखने के प्रदर्शन से समझौता किए बिना नियंत्रण कार्यों में प्रमाणित सुरक्षा सुनिश्चित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि मात्र तीन मापदंडों वाले न्यूनतम न्यूरल नेटवर्क संभाव्यता के आधार पर पुनर्सामान्यीकरण समूह (renormalization group) की प्रक्रिया को उलटने में सक्षम हैं ताकि 2-आयामी (2D) आइसिंग मॉडल के स्केल-इनवेरिएंट क्रिटिकल कॉन्फ़िगरेशन उत्पन्न किए जा सकें, जो जटिल आर्किटेक्चर की आवश्यकता के बिना आवश्यक सार्वभौमिकता और आरजी (RG) आइजन मानों को पकड़ते हैं।
यह शोध पत्र एक हाइब्रिड फिजिक्स-इन्फॉर्म्ड मशीन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो नॉनलीनर एक्सोसिस्टम द्वारा संचालित डिस्क्रीट-टाइम डायनेमिकल सिस्टम के इनवेरिएंट मैनिफोल्ड्स का सटीक अनुमान लगाने के लिए पॉलीनोमियल सीरीज़ और शैलो न्यूरल नेटवर्क को जोड़ता है, जो बेंचमार्क अनुप्रयोगों में स्टैंडअलोन विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
HDTree एक नवीन जनरेटिव मॉडलिंग फ्रेमवर्क है जो एक एकीकृत पदानुक्रमित कोडबुक (hierarchical codebook) और क्वांटाइज्ड डिफ्यूजन प्रक्रिया का उपयोग करता है ताकि एक पदानुक्रमित लेटेंट स्पेस के भीतर ट्री संबंधों को कैप्चर करके सेलुलर वंशों (cellular lineages) को मजबूती से इन्फर (infer) किया जा सके, जिससे मौजूदा विधियों की स्केलेबिलिटी, स्थिरता और पोस्टीरियर कोलैप्स (posterior collapse) सीमाओं को दूर किया जा सके।