20650 पेपर
यह शोध पत्र यह सिद्ध करके कि नकारात्मक ELBO, डेटा एंट्रॉपी और एक पाथ KL डाइवर्जेंस के ठीक बराबर है, डिस्क्रीट डिफ्यूजन मॉडल्स के लिए एक कठोर सैद्धांतिक ढांचा स्थापित करता है, जिससे विभिन्न लॉस फंक्शन्स (जैसे कि डिनोइजिंग, स्कोर, और ब्रिज प्लग-इन) को एक एकल इष्टतम ओरेकल जंप रेट के कोऑर्डिनेट ट्रांसफॉर्मेशन के रूप में एकीकृत किया जा सके और इन दृष्टिकोणों के लिए सटीक विश्लेषणात्मक रूपांतरण और इनिशियलाइजेशन कैलिब्रेशन प्रदान किया जा सके।
यह शोध पत्र बंडल बिक्री डेटा से उपभोक्ता मूल्यांकन वितरणों का अनुमान लगाने के लिए एक ईएम (EM) एल्गोरिदम और मोंटे कार्लो सिमुलेशन का उपयोग करने वाला एक नया दृष्टिकोण प्रस्तावित करता है, जो उन सीमाओं को दूर करता है जो ग्राहकों द्वारा कई उत्पादों को खरीदने पर शास्त्रीय असतत विकल्प मॉडलों (classical discrete choice models) में आती हैं।
यह शोध पत्र एंट्रोपिक रिग्रेशन DMD (ERDMD) प्रस्तुत करता है, जो एक नवीन विधि है जो अराज प्रणालियों (chaotic systems) के सटीक पुनर्निर्माण और बहुस्तरीय विशेषताओं (multiscale features) की पहचान करने में सक्षम उच्च-निष्ठा वाले, विरल (sparse) और सुदृढ़ मल्टी-स्टेप डायनेमिक मोड डिकंपोजिशन मॉडलों के निर्माण के लिए इष्टतम, गैर-समान समय विलंबों (nonuniform time delays) की खोज हेतु एंट्रोपिक रिग्रेशन का उपयोग करती है।
यह अध्ययन एक सार्वजनिक रूप से उपलब्ध डेटासेट और लेजर डॉपलर फ्लोमेट्री एवं फ्लोरोसेंस स्पेक्ट्रोस्कोपी का उपयोग करने वाले पहनने योग्य उपकरण को प्रस्तुत करता है, जो उंगलियों के पोरों में रक्त प्रवाह और ऊतक गतिविधि के पैटर्न के माध्यम से तनाव-संबंधी मानसिक स्वास्थ्य लक्षणों का गैर-आक्रामक रूप से पता लगाने के लिए, व्यक्तिपरक स्व-रिपोर्ट प्रश्नावली का एक संभावित विकल्प प्रदान करता है।
यह शोध पत्र मेटा-रिप्रजेंटेशनल प्रेडिक्टिव कोडिंग (MPC) प्रस्तुत करता है, जो एक तंत्रिका विज्ञान-प्रेरित स्व-पर्यवेक्षित शिक्षण ढांचा है जो बैकप्रोपैगेशन या कच्चे इनपुट जेनेरेटिव मॉडलिंग पर निर्भर हुए बिना, सक्रिय अनुमान और समानांतर स्ट्रीम प्रतिनिधित्व भविष्यवाणी का लाभ उठाकर जैविक रूप से प्रशंसनीय, एनकोडर-ओनली लर्निंग प्राप्त करता है।
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।