25466 पेपर
FAAST एक विशेष रूप से फॉरवर्ड-डायरेक्टेड एसोसिएटिव लर्निंग पद्धति है जो एकल पास में लेबल किए गए उदाहरणों को फास्ट वेट्स में विश्लेषणात्मक रूप से संकलित करती है, जिससे टेस्ट टाइम पर निरंतर-समय (constant-time), मेमोरी-कुशल सुपरवाइज्ड अडैप्टेशन सक्षम होता है जो बैकप्रोपैगेशन के प्रदर्शन को प्राप्त करते हुए कम्प्यूटेशनल और मेमोरी ओवरहेड को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र पोस्ट-सर्जिकल कार्डिएक रोगियों के लिए असामान्य प्रबंधन निर्णयों की पहचान करने हेतु, ऐतिहासिक रोगी डेटा पर प्रशिक्षित बेयसियन नेटवर्क का उपयोग करते हुए, नई संभाव्य विसंगति पहचान विधियों को प्रस्तुत करता है।
यह शोध पत्र 4,486 पोस्ट-सर्जिकल कार्डिएक रोगियों के इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड का विश्लेषण करता है ताकि यह पहचान की जा सके कि लैब ऑर्डर और दवाओं के संबंध में चिकित्सक के निर्णयों को प्रमुख नैदानिक विशेषताओं के एक छोटे उपसमुच्चय का उपयोग करके प्रभावी ढंग से अनुमानित किया जा सकता है।
ITBoost अवशेष प्रक्षेपवक्रों (residual trajectories) का विश्लेषण करने के लिए न्यूनतम विवरण लंबाई (Minimum Description Length) सिद्धांत का उपयोग करके लेबल शोर के विरुद्ध ग्रेडिएंट बूस्टिंग की मजबूती को बढ़ाता है, जिससे अनियमित त्रुटि पैटर्न वाले नमूनों को कम भार दिया जाता है और स्वच्छ डेटा पर उच्च प्रदर्शन बनाए रखा जाता है।
HEXST एक नवीन हेक्सागोनल-शिफ़्टेड-विंडो ट्रांसफॉर्मर है जो हेक्सागोनल स्पॉट-एरे ज्योमेट्री के साथ संरेखित होकर और स्थानिक विषमता को संरक्षित करने के लिए कंट्रास्ट-सेंसिटिव ऑब्जेक्टिव्स का उपयोग करके हिस्टोलॉजी छवियों से स्थानिक जीन अभिव्यक्ति की भविष्यवाणी में सुधार करता है, जो कई डेटासेट्स पर मौजूदा अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।
यह शोध पत्र प्रदर्शित करता है कि अंकगणितीय परिपथों (arithmetic circuits) और औसत हार्ड अटेंशन (average hard attention) से सुसज्जित ट्रांसफार्मर एनकोडर, वास्तविक, परिमेय और मध्यवर्ती रिंगों पर अनबाउंडेड जोड़ (unbounded addition), बाइनरी गुणन (binary multiplication) और साइन गेट्स (sign gates) वाले कॉन्स्टेंट-डेप्थ अंकगणितीय परिपथों का अनुकरण करने की कम्प्यूटेशनल शक्ति रखते हैं।
यह शोध पत्र एक ऐसे ढांचे को प्रस्तुत करता है जो वित्तीय समय श्रृंखला (financial time series) के लिए स्पष्ट, समय-परिवर्ती मार्कोव ट्रांज़िशन मैट्रिसेस (Markov transition matrices) को पैरामीटराइज़ करने के लिए न्यूरल नेटवर्क का उपयोग करता है, जिससे गणितीय व्याख्यात्मकता बनाए रखते हुए डेटा की विरलता (data sparsity) की समस्या को दूर किया जा सके और रिजीम शिफ्ट (regime shifts) को पकड़ने तथा मेमोरी ब्रेकडाउन (memory breakdowns) का निदान करने में सक्षम हुआ जा सके।
यह योगदान निरंतर मालवेयर अंतर्ग्रहण पाइपलाइनों (continuous malware ingestion pipelines) पर फंक्शनलिटी-प्रिजर्विंग बाइनरी मैनिपुलेशन के माध्यम से ग्रे-बॉक्स पॉइजनिंग हमलों की जांच करता है ताकि डिटेक्शन रिकॉल दरों को कम किया जा सके और साथ ही यह भी प्रदर्शित करता है कि एक होमोजेनियस एनसेम्बल डिफेंस ऐसे प्रतिकूल नमूनों में से 95.6% तक को प्रभावी ढंग से फ़िल्टर कर सकता है।
Vol-Mark 3D मेडिकल वॉल्यूमेट्रिक डेटा के लिए एक नवीन प्रतिवर्ती (reversible) ज़ीरो-वॉटरमार्किंग फ्रेमवर्क है जो मजबूत फीचर एक्सट्रैक्शन के लिए कंट्रास्टिव लर्निंग और कम-डिस्टॉर्शन एम्बेडिंग के लिए क्यूबिक डिफरेंस एक्सपेंशन को जोड़ता है, जिससे नैदानिक सटीकता से समझौता किए बिना विभिन्न हमलों के विरुद्ध डेटा अखंडता और स्वामित्व सत्यापन सुनिश्चित होता है।
यह शोध पत्र SPHERE को प्रस्तुत करता है, जो कि न्यूरल टेंगेंट कर्नेल थ्योरी से व्युत्पन्न एक व्यावहारिक पारसेवल पेनल्टी (Parseval penalty) है जो मिक्सचर-ऑफ-एक्सपर्ट्स नेटवर्क में स्पेक्ट्रल प्लास्टिसिटी लॉस को कम करता है, जिससे MetaWorld और HumanoidBench बेंचमार्क पर कॉन्टिनुअल रीइन्फोर्समेंट लर्निंग प्रदर्शन में महत्वपूर्ण सुधार होता है।