🤖 Category

cs.LG

20386 पेपर

🔢 mathematics

The Method of Gaps: Exact Expressions for the Generalization Error of Supervised Learning Algorithms

यह शोध पत्र "गैप्स की विधि" (method of gaps) प्रस्तुत करता है, जो एक ऐसी तकनीक है जो सुपरवाइज्ड लर्निंग एल्गोरिदम के सामान्यीकरण त्रुटि (generalization error) के लिए सटीक क्लोज्ड-फॉर्म अभिव्यक्तियों को व्युत्पन्न करती है, जिसे एल्गोरिदम-संचालित या डेटा-संचालित गैप्स के प्रत्याशा (expectation) के रूप में वर्णित किया जाता है, जिन्हें गिब्स प्रायिकता मापों (Gibbs probability measures) से जुड़ी सापेक्ष एंट्रॉपी के पदों में व्यक्त किया जा सकता है।

Samir M. Perlaza, Xinying Zou2026-07-07
🧬 biology

Batch effects can impair federated learning in multi-center omics studies

यह शोध पत्र यह प्रदर्शित करता है कि अनियंत्रित बैच प्रभाव (batch effects) मल्टी-सेंटर ओमिक्स अध्ययनों में फेडरेटेड लर्निंग के प्रदर्शन को महत्वपूर्ण रूप से बाधित करते हैं और मिसिंग वैल्यूज (missing values) तथा गैर-समान विशेषताओं वाले वितरित डेटासेट में इन प्रभावों को प्रभावी ढंग से ठीक करने के लिए सिक्योर मल्टी-पार्टी कंप्यूटेशन पर आधारित एक गोपनीयता-संरक्षण उपकरण, fedRBE को प्रस्तुत करता है।

Yuliya Burankova, Julian Klemm, Jens J. G. Lohmann, Anne Hartebrodt, Ahmad Taheri, Niklas Probul, Jan Baumbach, Olga Zol (…)2026-07-07
🤖 AI

Stroke Prediction using Clinical and Social Features in Machine Learning

यह शोध पत्र नैदानिक और सामाजिक विशेषताओं का उपयोग करके स्ट्रोक के जोखिम की भविष्यवाणी करने में न्यूरल नेटवर्क (डेंस और कन्वोल्यूशनल) और लॉजिस्टिक रिग्रेशन मॉडल की प्रभावशीलता की तुलना करता है, जिसका उद्देश्य फॉल्स नेगेटिव्स (गलत नकारात्मक परिणामों) को कम करने के लिए सबसे सटीक दृष्टिकोण की पहचान करना है।

Aidan Chadha2026-07-07
🤖 machine learning

Revealing Treatment Non-Adherence Bias in Clinical Machine Learning Using Large Language Models

यह अध्ययन प्रदर्शित करता है कि क्लिनिकल नोट्स का विश्लेषण करने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करने वाले उच्च रक्तचाप के 21.7% रोगियों में पहचाना गया उपचार गैर-अनुपालन (treatment non-adherence), एक महत्वपूर्ण पूर्वाग्रह पेश करता है जो कारण अनुमान (causal inference) को विकृत करता है, मॉडल के प्रदर्शन को कम करता है, और क्लिनिकल मशीन लर्निंग सिस्टम में स्वास्थ्य असमानताओं को बढ़ाता है।

Zhongyuan Liang, Arvind Suresh, Irene Y. Chen2026-07-07
🤖 AI

Using Mechanistic Interpretability to Craft Adversarial Attacks against Large Language Models

यह शोध पत्र एक नवीन व्हाइट-बॉक्स एडवरसैरियल अटैक पद्धति प्रस्तुत करता है जो मैकेनिस्टिक इंटरप्रिटेबिलिटी का लाभ उठाकर एम्बेडिंग्स को रिफ्यूज़ल (अस्वीकृति) से एक्सेप्टेंस (स्वीकृति) सबस्पेस में पहचानने और पुनरनिर्देशित करने का कार्य करती है, जिससे मौजूदा तकनीकों की तुलना में काफी कम कम्प्यूटेशनल लागत के साथ अत्याधुनिक एलएलएम (LLMs) पर उच्च जेलब्रेक सफलता दर प्राप्त होती है।

Thomas Winninger, Boussad Addad, Katarzyna Kapusta2026-07-07
🤖 AI

Neuro-symbolic Weak Supervision: Theory and Semantics

यह शोध पत्र एक न्यूरो-सिम्बोलिक ढांचे का प्रस्ताव करता है जो मल्टी-इंस्टेंस पार्शियल लेबल लर्निंग के सिमेंटिक्स को औपचारिक रूप देने के लिए इंडक्टिव लॉजिक प्रोग्रामिंग को एकीकृत करता है, जिससे अस्पष्ट सुपरविजन सिग्नल्स के बारे में संरचित तर्क और सरल सटीकता मेट्रिक्स से परे सिमेंटिक विफलता मोड का निदान सक्षम होता है।

Nijesh Upreti, Vaishak Belle2026-07-07
🤖 AI

FuseMamba-VD: Dual Branch VideoMamba with Gated Class Token Fusion for Violence Detection

यह शोधपत्र FuseMamba-VD का प्रस्ताव करता है, जो एक कुशल द्विशाखीय (dual-branch) VideoMamba आर्किटेक्चर है जिसमें गेटेड क्लास टोकन फ्यूजन का उपयोग किया गया है, जो स्टेट-स्पेस मॉडल बैकबोन के माध्यम से सटीकता और कम्प्यूटेशनल दक्षता को प्रभावी ढंग से संतुलित करके कई बेंचमार्क पर अत्याधुनिक हिंसा पहचान प्रदर्शन प्राप्त करता है।

Damith Chamalke Senadeera, Muhammad Awais, Shibo Li, Dimitrios Kollias, Gregory Slabaugh2026-07-07
🤖 AI

Ensemble Elastic DQN: A Step Dependent Ensemble Approach for Reducing Overestimation in Deep Value-Based Reinforcement Learning

यह शोध पत्र एन्सेम्बल इलास्टिक डीक्यूएन (EEDQN) को प्रस्तुत करता है, जो एक वैल्यू-बेस्ड सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) एल्गोरिदम है जो ओवरएस्टिमेशन बायस (अति-आकलन पूर्वाग्रह) को प्रभावी ढंग से कम करने और कई मिनाटार (MinAtar) वातावरणों में बेहतर प्रदर्शन प्राप्त करने के लिए एडेप्टिव इलास्टिक मल्टी-स्टेप रिटर्न्स को होराइजन-डिपेंडेंट एन्सेम्बल एग्रीगेशन के साथ संयोजित करता है।

Adrian Ly, Richard Dazeley, Peter Vamplew, Francisco Cruz, Sunil Aryal2026-07-07
📊 statistics

Hybrid Meta-learners for Estimating Heterogeneous Treatment Effects

यह शोध पत्र हाइब्रिड लर्नर (H-learner) को प्रस्तुत करता है, जो एक नवीन मेटा-लर्निंग रणनीति है जो व्यक्तिगत संभावित परिणाम मॉडलिंग के बजाय सटीक CATE अनुमान को प्राथमिकता देकर विषम उपचार प्रभावों (heterogeneous treatment effects) के आकलन के लिए बायस-वेरिएंस ट्रेडऑफ़ को अनुकूलित करने हेतु प्रत्यक्ष और अप्रत्यक्ष नियमितीकरण (regularization) दृष्टिकोणों के बीच अनुकूल रूप से इंटरपोलेट करता है।

Zhongyuan Liang, Lars van der Laan, Ahmed Alaa2026-07-07
📊 statistics

Tight Stability Bounds for Robust Distributed Learning: Byzantine Failures Hurt Generalization More than Data Poisoning

यह शोध पत्र सुदृढ़ वितरित शिक्षण (robust distributed learning) के लिए सामान्यीकरण गारंटी (generalization guarantees) में एक मौलिक अंतर स्थापित करता है, जो सटीक एल्गोरिद्मिक स्थिरता विश्लेषण के माध्यम से यह प्रदर्शित करता है कि बायज़ेंटाइन विफलताएं (Byzantine failures), डेटा पॉइज़निंग की तुलना में स्पष्ट रूप से बदतर सामान्यीकरण दरें उत्पन्न करती हैं।

Thomas Boudou, Batiste Le Bars, Nirupam Gupta, Aurélien Bellet2026-07-07