🤖 Category

cs.LG

20386 पेपर

🤖 machine learning

Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems

यह शोध पत्र मल्टीमॉडल साइबर-फिजिकल सिस्टम्स में विसंगति का पता लगाने के लिए एक संयुक्त लेटेंट क्लस्टरिंग फ्रेमवर्क प्रस्तावित करता है जो "मैसिव, इम्प्लिसिट, इम्बैलेंस्ड मल्टीमोडैलिटी" (MIIM) धारणाओं के तहत सामान्य व्यवहार को मॉडल करता है, और एक लेटेंट-ओनली स्कोरिंग मैकेनिज्म और एक निष्पक्ष, रॉ पॉइंट-वाइज इवैल्यूएशन प्रोटोकॉल का उपयोग करके कठिन फॉल्ट सबसेट्स पर बेहतर प्रदर्शन प्राप्त करता है जो मानक पॉइंट-एडजस्टेड मेट्रिक्स के दोषों से बचता है।

Alexander Apartsin, Yehudit Aperstein2026-07-08
🤖 machine learning

x-Prediction Is All You Need:Training-Free Accelerated Generation via Endpoint Decodability

यह शोध पत्र 'ट्रेनिंग-फ्री एक्सीलरेटेड जनरेशन वाया एंडपॉइंट डिकोडेबिलिटी' पेश करता है, जो 'ट्रंकेटेड जंप सैंपलिंग' (TJS) नामक एक विधि है जो मानक प्रायिकता पथों (प्रोबेबिलिटी पाथ्स) में अंतर्निहित x0x_0 जानकारी का लाभ उठाकर ODE सैंपलिंग के दौरान स्वच्छ नमूनों को जल्दी डिकोड करती है, जिससे बिना किसी पुनरप्रशिक्षण या संरचनात्मक परिवर्तन के विभिन्न डिफ्यूजन और फ्लो मैचिंग मॉडलों में न्यूरल फंक्शन इवैल्यूएशन को 20–70% तक कम किया जा सकता है।

Xin Peng, Ang Gao2026-07-08
🤖 machine learning

6G Sensing Security: Distributed Game-Theoretic RL for Urban Beamforming and Attacker Detection

यह शोध पत्र शहरी 6G एकीकृत संवेदन और संचार (ISAC) प्रणालियों में बीमफॉर्मिंग में हेरफेर करने वाले सक्रिय हमलावरों का पता लगाने के लिए एक वितरित गेम-थ्योरेटिक सुदृढीकरण लर्निंग फ्रेमवर्क प्रस्तावित करता है, जो रणनीतिक इंटरेक्शन मॉडलिंग के माध्यम से हस्तक्षेप और सुरक्षा खतरों को प्रभावी ढंग से कम करता है।

Parmida Geranmayeh, Onur Günlü2026-07-08
🤖 machine learning

Self-Supervised Implicit CEST Reconstruction via Physics-Informed Lorentz Encoding

यह शोध पत्र लोरेन्त्ज़ एनकोडिंगिंग (Lorentz Encoding) का प्रस्ताव करता है, जो एक स्व-पर्यवेक्षित (self-supervised), भौतिकी-सूचित (physics-informed) ढांचा है जो विरल नमूनाकरण (sparse sampling) से उच्च-रिज़ॉल्यूशन, आर्टिफ़ेक्ट-मुक्त CEST Z-स्पेक्ट्रा को पुनर्गठित करने के लिए इम्पलिसिट न्यूरल रिप्रेजेंटेशन और पैरामीट्रिक लोरेन्त्ज़ियन प्रोफाइल्स का लाभ उठाता है, जो इमेज गुणवत्ता और मात्रात्मक मेटाबॉलिक मैपिंग दोनों में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।

Dexuan Li, Yupeng Wu, Chenglong Wang, Hanlin Liu, Hui Zhen, Jianqi Li, Guang Yang2026-07-08
🤖 machine learning

Enhanced Seam Segmentation for Automated Welding Robot in Construction Through Transfer Learning: Addressing Limitations of Bilateral Segmentation Network

यह शोध पत्र स्वचालित निर्माण वेल्डिंग के लिए एक रिफ्लेक्शन-रोबस्ट सीम सेगमेंटेशन फ्रेमवर्क प्रस्तावित करता है जो ट्रांसफर लर्निंग और एक हाइब्रिड क्रॉस-एन्ट्रॉपी-लोवाज़ लॉस के माध्यम से BiSeNetV2 बैकबोन को उन्नत करता है, जिससे बिना किसी कम्प्यूटेशनल जटिलता को बढ़ाए चुनौतीपूर्ण परावर्तक वातावरण में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।

Keonvin Park, Yong Ann Voeurn, Hyeokjun Kweon, Doyun Lee2026-07-08
🤖 machine learning

X-FEMR: A Token-level Explainable Approach for Electronic Health Records Foundation Models using Transformer-based Models

यह शोध पत्र X-FEMR को प्रस्तुत करता है, जो इलेक्ट्रॉनिक हेल्थ रिकॉर्ड्स फाउंडेशन मॉडल्स के लिए पहला टोकन-स्तरीय व्याख्यात्मकता ढांचा (explainability framework) है, जो भविष्यवाणियों का अनुमान लगाने के लिए एक ट्रांसफॉर्मर-आधारित सरोगेट मॉडल का उपयोग करता है और एक नवीन संरेखण मीट्रिक (alignment metric) के माध्यम से नैदानिक प्रासंगिकता को मान्य करता है, जिससे ब्लैक-बॉक्स क्लिनिकल एआई की व्याख्यात्मकता और विश्वसनीयता बढ़ती है।

Jie Huang, Pengfei Yin, Zihan Xu, Daniel Capurro, Mike Conway, Ting Dang2026-07-08
💬 NLP

Improving LLM-Generated Process Model Quality Through Reinforcement Learning: The Role of Reward Function Design

यह शोध पत्र प्रदर्शित करता है कि सुदृढीकरण सीखना (Reinforcement Learning) LLM-जनित BPMN प्रक्रिया मॉडलों की गुणवत्ता को महत्वपूर्ण रूप से बढ़ाता है, जो यह प्रकट करता है कि बहु-आयामी गुणवत्ता मेट्रिक्स का समान भार देना लक्षित दृष्टिकोणों की तुलना में बेहतर प्रदर्शन करता है और इष्टतम रिवॉर्ड फंक्शन डिज़ाइन विशिष्ट मॉडल आर्किटेक्चर पर अत्यधिक निर्भर है।

Alexander Rombach, Chantale Lauer, Nijat Mehdiyev2026-07-08
⚛️ quantum physics

Entanglement as a Structural Complexity Axis: A PAC-Bayesian View of Generalization in Quantum Policies and Value Functions

यह शोध पत्र यह स्थापित करता है कि क्वांटम सुदृढीकरण लर्निंग (quantum reinforcement learning) में, एंटैंगलमेंट (entanglement) संरचनात्मक जटिलता के एक विशिष्ट अक्ष के रूप में कार्य करता है जो फिशर प्रभावी आयाम (Fisher effective dimension) को बढ़ा देता है, जिससे यह पैरामीटर गणना की तुलना में जनरलाइजेशन गैप (generalization gap) का अधिक सटीक भविष्यवक्ता बनता है और एंटैंगलमेंट एवं जनरलाइजेशन प्रदर्शन के बीच एक मौलिक व्यापार-बंद (trade-off) को प्रकट करता है।

Jian Xu, Delu Zeng, John Paisley, Qibin Zhao2026-07-08
📊 statistics

A Convex Approximation Framework for Neural Likelihood-Based Bayesian Inverse Problems

यह शोध पत्र अन-नॉर्मलाइज़्ड पोटेंशियल (un-normalized potentials) का उपयोग करके और नॉर्मलाइज़ेशन को प्रशिक्षण उद्देश्य (training objective) में एकीकृत करके, बेयसियन व्युत्क्रम समस्याओं (Bayesian inverse problems) में न्यूरल लाइकलीहुड एप्रोक्सिमेशन के लिए एक स्ट्रिक्टली कॉनवेक्स फ्रेमवर्क प्रस्तावित करता है, जिससे वास्तविक लाइकलीहुड की सैद्धांतिक अभिसरण (theoretical convergence) सुनिश्चित होती है और डीब्लरिंग एवं नॉन-लीनियर PDE-आधारित इमेजिंग कार्यों में प्रभावशीलता प्रदर्शित होती है।

Fabian Schneider, Tapio Helin, Leila Taghizadeh2026-07-08
📊 statistics

Quantitative Gaussian-Process limits of Tensor Programs

यह शोध पत्र टेंसर प्रोग्राम फ्रेमवर्क का उपयोग करते हुए, वेट-शेयरिंग स्कीम्स सहित मनमाने आर्किटेक्चर वाले रैंडम न्यूरल नेटवर्क के अनंत-चौड़ाई वाले गाऊसी-प्रक्रिया (गॉसियन-प्रोसेस) सीमाओं के लिए एक मात्रात्मक अभिसरण सिद्धांत स्थापित करता है, जिसमें वासरस्टीन दूरी (वॉसरस्टीन डिस्टेंस) में O(1/N)O(1/\sqrt{N}) क्रम के स्पष्ट परिमित-चौड़ाई त्रुटि बाउंड प्रदान किए गए हैं।

Andrea Agazzi, Eloy Mosig García, Dario Trevisan2026-07-08