25436 पेपर
यह शोध पत्र एक पुनरावृत्ति क्वाड-मेश फिलिंग (iterative quad-mesh filling) प्रक्रिया का प्रस्ताव और सत्यापन करके यह अनुभवजन्य प्रमाण प्रस्तुत करता है कि डीप इमेज क्लासिफायर के निर्णय क्षेत्र (decision regions) केवल पथ-संयुक्त (path connected) ही नहीं, बल्कि सरल-संयुक्त (simply connected) भी हैं, जो बंद लूपों द्वारा सीमित लेबल-संरक्षण वाली सतहों का निर्माण करते हैं।
यह शोध पत्र एसिमेट्रिक ऑन-पॉलिसी डिस्टिलेशन (AOPD) का प्रस्ताव करता है, जो एक नवीन प्रशिक्षण ढांचा है जो अप्रभावी नकारात्मक सुदृढ़ीकरण को स्थानीयकृत विचलन न्यूनीकरण (localized divergence minimization) से बदलकर मानक ऑन-पॉलिसी डिस्टिलेशन की संरचनात्मक कमजोरियों को संबोधित करता है, जिससे उच्च नीति एंट्रॉपी बनाए रखते हुए गणितीय तर्क और टूल-उपयोग अनुकूलन में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र HilbNets को प्रस्तुत करता है, जो एक नवीन ज्यामितीय गहन शिक्षण (geometric deep learning) ढांचा है जो हिल्बर्ट बंडलों (Hilbert bundles) पर कनेक्शन लैपलेसियन (connection Laplacians) का उपयोग करता है ताकि अनियमित डोमेन पर अनंत-आयामी संकेतों के लिए सुसंगत, हस्तांतरणीय कनवल्शनल लर्निंग को सक्षम किया जा सके, यह सिद्ध करते हुए कि उनके विविक्त सेलुलर शीफ सन्निकटन (discrete cellular sheaf approximations) अंतर्निहित निरंतर ऑपरेटरों की ओर अभिसरित होते हैं।
SparseForge एक पोस्ट-ट्रेनिंग फ्रेमवर्क है जो हेसियन-गाइडेड महत्व अनुमान (Hessian-guided importance estimation) को प्रोग्रेसिव सॉफ्ट-मास्क एनीलिंग (progressive soft-mask annealing) के साथ जोड़कर सेमी-स्ट्रक्चर्ड LLM स्पार्सिफिकेशन की दक्षता को बढ़ाता है, जिससे मौजूदा तरीकों की तुलना में काफी कम रिट्रेनिंग टोकन के साथ बेहतर सटीकता प्राप्त होती है।
यह शोध पत्र FRInGe का प्रस्ताव करता है, जो एक नवीन एट्रिब्यूशन विधि है जो डीप लर्निंग मॉडल्स के लिए अधिक सुदृढ़ और कैलिब्रेशन-उन्मुख स्पष्टीकरण उत्पन्न करने हेतु ह्यूरिस्टिक इनपुट बेसलाइन्स और स्ट्रेट-लाइन पाथ्स के स्थान पर मैक्सिमम-एन्ट्रॉपी रेफरेंस और प्रेडिक्टिव डिस्ट्रीब्यूशन स्पेस में फिशर-राओ जियोडेसिक इंटरपोलेशन का उपयोग करता है।
यह शोधपत्र डिकपल्ड पीएफएन (Decoupled PFNs) का प्रस्ताव करता है, जो एक ऐसी विधि है जो प्रायर-फिटेड नेटवर्क्स (Prior-Fitted Networks) में नियंत्रित सिंथेटिक प्रायर्स (synthetic priors) का लाभ उठाकर एपिस्टेमिक (epistemic) और एलियटोरिक (aleatoric) अनिश्चितताओं को स्पष्ट रूप से अलग करती है, जिससे अधिग्रहण के लिए एपिस्टेमिक अनिश्चितता को प्राथमिकता देकर शोर वाले और हेटेरोसेडास्टिक (heteroscedastic) परिवेशों में अधिक प्रभावी क्रमिक निर्णय लेने में सक्षम बनाया जा सके।
FREPix पिक्सेल-स्पेस इमेज जनरेशन के लिए एक फ्रीक्वेंसी-हेटरोजीनियस फ्लो मैचिंग फ्रेमवर्क पेश करता है जो स्पष्ट रूप से लो- और हाई-फ्रीक्वेंसी घटकों को अलग-अलग डीकंपोज़ और ट्रेन करता है, जिससे ImageNet पर प्रतिस्पर्धी FID स्कोर प्राप्त होता है और कुशल कोर्स-टू-फाइन जनरेशन सक्षम होता है।
यह शोध पत्र एक ऐसे फेडेरेटेड फ्रेमवर्क का प्रस्ताव करके वितरित ग्राफों में सबग्राफ पैटर्न का पता लगाने की चुनौती को संबोधित करता है जो कच्चे डेटा को उजागर किए बिना स्थानीय और केंद्रीकृत ग्राफ न्यूरल नेटवर्क के बीच प्रतिनिधित्व अंतराल को पाटने के लिए परत-दर-परत मध्यवर्ती नोड एम्बेडिंग को सिंक्रोनाइज़ करता है।
यह शोध पत्र हाइपरबोलिक कॉन्सेप्ट बॉटलनेक मॉडल्स (HypCBM) को प्रस्तुत करता है, जो एक पोस्ट-हॉक फ्रेमवर्क है जो अवधारणा पदानुक्रमों (concept hierarchies) को विषम समावेशन (asymmetric containment) के माध्यम से मॉडल करने के लिए हाइपरबोलिक ज्यामिति का लाभ उठाता है, और बिना किसी अतिरिक्त पर्यवेक्षण या प्री-ट्रेनिंग दंड के, यूक्लिडियन मॉडलों की तुलना में बेहतर व्याख्यात्मकता, पदानुक्रमित निरंतरता और मजबूती प्राप्त करता है।
यह शोध पत्र OrthoBO को प्रस्तुत करता है, जो एक बेयसियन ऑप्टिमाइज़ेशन फ्रेमवर्क है जो मोंटे कार्लो वेरिएंस (Monte Carlo variance) को कम करने के लिए कंट्रोल वेरिएट्स के साथ एक ऑर्थोगोनल एक्विजिशन एस्टिमेटर का उपयोग करके शोर वाले एक्विजिशन अनुमानों (noisy acquisition estimates) की विफलता मोड को कम करता है, जिससे कैंडिडेट रैंकिंग को स्थिर किया जाता है और हाइपरपैरामीटर अनुकूलन प्रदर्शन में सुधार किया जाता है।