20643 पेपर
यह शोध पत्र 3DGSim का प्रस्ताव करता है, जो एक एंड-टू-एंड सीखा गया 3D सिम्युलेटर है जो मल्टी-व्यू RGB डेटा से यथार्थवादी नोवेल व्यू वीडियो उत्पन्न करने और भौतिक अंतःक्रियाओं को सीधे कैप्चर करने के लिए 3D पुनर्निर्माण, पार्टिकल डायनेमिक्स प्रेडिक्शन और टेम्पोरल एग्रीगेशन को एकीकृत करता है, जिसमें बिना किसी विशेषाधिकार प्राप्त 3D ग्राउंड ट्रुथ की आवश्यकता नहीं होती है।
MAGIK एक नवीन ढांचा है जो एक इमेजिनेशन मैकेनिज्म का लाभ उठाकर संस्थाओं (entities) को स्रोत डोमेन से लक्ष्य डोमेन में मैप करने में सक्षम बनाता है, जिससे सुदृढीकरण सीखने वाले एजेंटों (reinforcement learning agents) को बिना लक्ष्य वातावरण के साथ इंटरैक्शन के समान कार्यों में ज़ीरो-शॉट ट्रांसफर प्राप्त करने में मदद मिलती है, जिससे न्यूनतम मानवीय पर्यवेक्षण के साथ मूल नीति का पुन: उपयोग संभव हो पाता है।
यह शोध पत्र एक लचीले बकल-जेम्स बूस्टिंग क्यू-लर्निंग (Buckley-James Boosting Q-learning) ढांचे का प्रस्ताव करता है जो राइट-सेंसर्ड सर्वाइवल डेटा से आनुपातिक जोखिम धारणाओं (proportional hazards assumptions) पर निर्भर किए बिना इष्टतम गतिशील उपचार व्यवस्था (optimal dynamic treatment regimes) का अनुमान लगाने के लिए त्वरित विफलता समय मॉडलिंग (accelerated failure time modeling) को पुनरावृत्ति बूस्टिंग के साथ जोड़ता है, जो एचआईवी (HIV) और ल्यूकेमिया क्लिनिकल ट्रायल के सिमुलेशन और विश्लेषण दोनों में बेहतर सटीकता और स्थिरता प्रदर्शित करता है।
यह शोध पत्र पारंपरिक सिग्नल प्रोसेसिंग को डीनॉइजिंग डिफ्यूजन मॉडल के साथ जोड़कर सिंक्रोनाइज़्ड और मल्टीचैनल हृदय ध्वनि डेटासेट की कमी को संबोधित करता है, जिससे संवर्धित डेटा (augmented data) निर्मित होता है, जो एक Wav2Vec 2.0-आधारित ट्रांसफार्मर क्लासिफायर को सिंगल-चैनल, मल्टीमॉडल और मल्टीचैनल परिदृश्यों में हृदय रोगों का पता लगाने में अत्याधुनिक प्रदर्शन प्राप्त करने में सक्षम बनाता है।
यह शोधपत्र \textsc{LLM-PV} को प्रस्तुत करता है, जो एक प्रपोज़-एंड-वेरिफाई (प्रस्ताव-और-सत्यापन) ढांचा है जो थकाऊ गणना (exhaustive enumeration) या ग्रेडिएंट अपडेट के बिना डिस्क्रीट प्रोग्राम क्लासेस पर कुशलतापूर्वक एम्पिरिकल रिस्क मिनिमाइजेशन करने के लिए प्री-ट्रेन्ड एलएलएम प्रायर्स (pretrained LLM priors) का लाभ उठाता है, जिससे उन एल्गोरिद्मिक कार्यों पर सुदृढ़ सामान्यीकरण सक्षम होता है जहाँ पारंपरिक विधियाँ विफल हो जाती हैं।
यह शोध पत्र Storm250-L2 को प्रस्तुत करता है, जो NEXRAD Level-II और GridRad-Severe डेटा से प्राप्त एक उच्च-रिज़ॉल्यूशन (250 मीटर) तूफान-केंद्रित रडार डेटासेट है, जिसे मौजूदा सार्वजनिक डेटासेट की मोटे रिज़ॉल्यूशन की सीमाओं को दूर करने और अत्यधिक संवहनी मौसम के अधिक सटीक मशीन लर्निंग-आधारित नाउकास्टिंग को सक्षम करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र वेरिएशनल ज्योमेट्रिक इंफॉर्मेशन बॉटलनेक (V-GIB) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो गैर-एसिम्प्टोटिक सामान्यीकरण सीमाओं (non-asymptotic generalization bounds) को प्राप्त करने के लिए प्रतिनिधित्व अधिगम (representation learning) उद्देश्य में लेटेंट ज्योमेट्री—विशेष रूप से वक्रता (curvature) और आंतरिक आयाम (intrinsic dimension)—को स्पष्ट रूप से समाहित करता है और मानक विधियों की तुलना में डेटा की कमी के तहत बेहतर प्रदर्शन को अनुभवजन्य रूप से प्रदर्शित करता है।
यह शोध पत्र एक ऐसा कम्प्यूटेशनल फ्रेमवर्क प्रस्तुत करता है जो परिवर्तित गुरुत्वाकर्षण के प्रति न्यूरोफिज़ियोलॉजिकल अनुकूलन की भविष्यवाणी करने के लिए डीप लर्निंग मॉडल्स को मानव जागरूकता के व्यक्तिपरक वृत्तांत (subjective narratives) उत्पन्न करने के लिए LLM सिमुलेशन के साथ जोड़ता है, जो भविष्य के अंतरिक्ष मिशनों में प्रदर्शन और लचीलेपन के आकलन के लिए एक नवीन उपकरण प्रदान करता है।
यह शोध पत्र लोकैलिटी-अवेयर कॉन्टिनुअल अनलर्निंग (LACU) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो लोकैलिटी-अवेयर टारगेट सिलेक्शन और रिप्ले का उपयोग करके डिफ्यूजन मॉडल्स में मौजूदा सीक्वेंशियल अनलर्निंग विधियों की अस्थिरता को दूर करता है ताकि सिमेंटिक रूप से पड़ोसी अवधारणाओं को होने वाले संपार्श्विक नुकसान को कम किया जा सके, जिससे रिटेंशन प्रदर्शन को बनाए रखते हुए दस क्रमिक चरणों में स्थिर अवधारणा निष्कासन सक्षम हो सके।
यह शोध पत्र कम से उच्च-आयामी यूक्लिडियन और ग्राफ-संरचित डेटा के लिए ऑफलाइन और ऑनलाइन दोनों सेटिंग्स में वितरण संबंधी परिवर्तनों का पता लगाने के लिए एक नवीन ग्राफ-स्पैनिंग एल्गोरिदम प्रस्तुत करता है, जो छोटे अवलोकन विंडो और अज्ञात वितरणों के साथ भी उत्कृष्ट सटीकता और मजबूती प्रदर्शित करता है।