26413 पेपर
यह शोधपत्र पुनरावर्ती तर्क प्रणालियों (recursive reasoning systems) के लिए एक रूपरेखा प्रस्तावित करता है जो विकसित होते तर्क की स्थिति को एक ज्ञानपरक अवस्था ग्राफ (epistemic state graph) के रूप में निरूपित करता है और "ऑर्डर-गैप" (order-gap) मीट्रिक को एक स्थानीय, आवश्यक और पर्याप्त शर्त के रूप में प्रस्तुत करता है ताकि यह निर्धारित किया जा सके कि आगे का पुनरावृत्ति सुधार लाने की संभावना कम कब होती है।
यह शोध पत्र एक नवीन मल्टीमॉडल लेटेंट डिफ्यूजन मॉडल प्रस्तुत करता है जो एक साझा लेटेंट स्पेस के भीतर सुसंगत एमआरआई (MRI) वॉल्यूम और सारणीबद्ध नैदानिक डेटा को संयुक्त रूप से संश्लेषित करने के लिए क्रॉस-अटेंशन और वेरिएशनल ऑटोएनकोडर का उपयोग करता है, जो जर्मन नेशनल कोहोर्ट डेटासेट पर उच्च-निष्ठा वाली पीढ़ी क्षमताओं का प्रदर्शन करता है और स्वास्थ्य सेवा में सिंथेटिक डिजिटल ट्विन्स बनाने के लिए एक प्रूफ-ऑफ-कॉन्सेप्ट स्थापित करता है।
यह शोध पत्र प्रदर्शित करता है कि जब ट्रांसफॉर्मर-आधारित अनुक्रम मॉडल (Transformer-based sequence models) को संवर्धित गति विशेषताओं और एक एकीकृत 1-घंटे के सामयिक रिज़ॉल्यूशन के साथ बड़े पैमाने पर जीपीएस प्रक्षेपवक्रों (GPS trajectories) पर प्रशिक्षित किया जाता है, तो वे चुनौतीपूर्ण क्रॉस-स्टडी और डेटा-सीमित स्थितियों के तहत वन्यजीव प्रजातियों के वर्गीकरण में एलएसटीएम (LSTM) और सीएनएन (CNN) जैसे पारंपरिक बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र E-MHC-Geo ट्रांसफॉर्मर को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो अनकंडीशनल इनपुट-एडेप्टिव ऑर्थोगोनैलिटी (unconditional input-adaptive orthogonality) और मौजूदा बेसलाइनों की तुलना में कम परतों के साथ बेहतर लॉन्ग-होरिज़न स्टेबिलिटी (long-horizon stability) प्राप्त करने के लिए मैनिफोल्ड-कंस्ट्रेंड हाइपर-कनेक्शन्स (Manifold-Constrained Hyper-Connections), डीप डेल्टा लर्निंग (Deep Delta Learning) और एक हाइब्रिड केली-हाउसहोल्डर मैकेनिज्म (Cayley-Householder mechanism) को एकीकृत करता है।
यह शोध पत्र सिमेंटिक स्टेट एब्स्ट्रैक्शन इंटरफेस (SSAI) को प्रस्तुत करता है, जो स्पार्स वित्तीय समाचारों को ऑडिट योग्य सिमेंटिक निर्देशांकों में मैप करने के लिए एक पद्धतिगत ढांचा है ताकि प्रतिनिधित्व की गुणवत्ता को अनुकूलन प्रदर्शन से अलग किया जा सके, और अमेरिकी इक्विटी पर अनुभवजन्य मूल्यांकन के माध्यम से यह प्रदर्शित करता है कि जहाँ यह दृष्टिकोण व्याख्यात्मकता प्रदान करता है, वहीं इसका विशिष्ट चार-अक्षीय इंस्टेंशिएशन सरल बेसलाइन की तुलना में कम प्रदर्शन करता है और लेनदेन लागत के प्रति संवेदनशील है।
यह शोध पत्र मॉडल-आधारित सुदृढीकरण aprendizaje (reinforcement learning) पर सीखे गए गतिकी (dynamics) और रिवॉर्ड मॉडल की त्रुटियों के प्रभाव का विश्लेषण करता है, अनुकूल नमूना आवंटन रणनीतियों को व्युत्पन्न करता है और नीति अनुकूलन (policy optimization) के लिए महंगी, कम-शोर वाली रिवॉर्ड्स बनाम सस्ती, शोर वाली रिवॉर्ड्स के उपयोग के बीच के ट्रेडऑफ़ को स्पष्ट करता है।
यह शोध पत्र GLoRA को प्रस्तुत करता है, जो एक गेज-अवेयर (gauge-aware) फेडरेटेड लर्निंग फ्रेमवर्क है जो एक सर्वसम्मत अपडेट सबस्पेस का अनुमान लगाकर और साझा संदर्भ निर्देशांकों (shared reference coordinates) में अपडेट को एकत्रित करके मौजूदा LoRA एकत्रीकरण में मौजूद सिमेंटिक मिसमैच को हल करता है, जिससे बिना किसी डेंस रिकंस्ट्रक्शन (dense reconstruction) की आवश्यकता के विषम क्लाइंट वातावरण में बेहतर प्रदर्शन और रैंक अनुकूलता प्राप्त होती है।
यह शोध पत्र Gated QKAN-FWP का प्रस्ताव करता है, जो एक स्केलेबल और पैरामीटर-कुशल क्वांटम-प्रेरित अनुक्रम शिक्षण ढांचा है जो बड़े रिकरेंट मॉडलों की तुलना में क्लासिकल बेंचमार्क और वास्तविक NISQ हार्डवेयर दोनों पर बेहतर लॉन्ग-होराइजन पूर्वानुमान सटीकता प्राप्त करने के लिए फास्ट वेट प्रोग्रामर्स को सिंगल-क्विबिट क्वांटम कोलमोगोरोव-आर्नोल्ड नेटवर्क के साथ एकीकृत करता है।
यह शोध पत्र STDA-Net का प्रस्ताव करता है, जो एक स्पेक्ट्रोग्राम-आधारित अनसुपरवाइज्ड डोमेन अडैप्टेशन फ्रेमवर्क है जो कई डेटासेट्स में मौजूदा 1D सिग्नल-आधारित विधियों से बेहतर प्रदर्शन करने के लिए CNNs, BiLSTMs और एडवर्सरियल लर्निंग को एकीकृत करता है ताकि सुदृढ़ और स्थिर क्रॉस-डेटासेट स्लीप स्टेज वर्गीकरण प्राप्त किया जा सके।
यह शोधपत्र ज्योमेट्रिक कोल्मोगोरोव-आर्नोल्ड नेटवर्क (GeoKANs) का परिचय देता है, जो मॉडलों का एक परिवार है जो इनपुट निर्देशांकों को विकृत करने के लिए एक विकर्ण रीमानियन मीट्रिक (diagonal Riemannian metric) सीखने के माध्यम से फलन सन्निकटन (function approximation) और भौतिकी-सूचित शिक्षण (physics-informed learning) को उन्नत करते हैं, जिससे तीव्र, कठोर और गैर-समान शासन (sharp, stiff, and non-uniform regimes) को बेहतर ढंग से संभालने के लिए प्रतिनिधित्व संबंधी रिज़ॉल्यूशन को गतिशील रूप से पुनर्वितरित किया जाता है।