20856 पेपर
यह अध्ययन यह विश्लेषण करने के लिए इन्वर्स रीइन्फोर्समेंट लर्निंग (Inverse Reinforcement Learning) का उपयोग करता है कि कैसे 2021-2023 के ऊर्जा संकट और हीटवेव के जवाब में इतालवी परिवारों के बिजली खपत व्यवहार विषम रूप से विकसित हुए, जो यह प्रकट करता है कि नीतिगत हस्तक्षेपों को विविध उपभोक्ता प्रोफाइल, निर्मित वातावरण और व्यवहारिक परिवर्तनों की सामयिक निरंतरता को ध्यान में रखना चाहिए।
यह शोध पत्र CRRL प्रस्तुत करता है, जो एक कार्य-कारण (कॉज़ैलिटी) आधारित सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचा है, जो नीतियों को नियम-आधारित हस्तक्षेपों के साथ प्रभावी ढंग से सहयोग करने के लिए प्रशिक्षित करके स्वायत्त प्रणाली की रिकवरी को बढ़ाता है, जिससे विफलता की स्थितियों में प्रदर्शन में उल्लेखनीय सुधार होता है और गतिहीनता (इमोबिलाइजेशन) में कमी आती है।
यह शोध पत्र एक स्व-विशिष्टीकरण (self-specializing) विजन-लैंग्वेज एजेंट प्रस्तुत करता है जो भौतिकी-आधारित सिमुलेशन में सुपरकंडक्टिंग ट्रांसमोन चिप्स को कैलिब्रेट करता है, जो ग्रेडिएंट-मुक्त, मानव-पठनीय नोट्स के माध्यम से अपनी रणनीति को पुनरावृत्ति से अनुकूलित करके, बिना वेट अपडेट के महत्वपूर्ण फिडेलिटी सुधार और विचरण कमी प्राप्त करता है, जिसका ढांचा सीधे वास्तविक हार्डवेयर पर स्थानांतरित करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र WiLHPE प्रस्तुत करता है, जो एक हल्का और कुशल ढांचा है जो वाई-फाई आधारित मानव मुद्रा अनुमान (ह्यूमन पोस एस्टीमेशन) के लिए डायनेमिक कर्नेल अटेंशन और हाइपरपैरामीटर ऑप्टिमाइज़ेशन का उपयोग करता है ताकि गोपनीयता बनाए रखते हुए संसाधन-सीमित उपकरणों पर अत्याधुनिक सटीकता प्राप्त की जा सके।
यह शोध पत्र ट्रांज़िशन इंफॉर्मेशन डेंसिटी (TID) और पोजीशनल आइडेंटिटी को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि एंडपॉइंट्स के बीच संरचित मध्यवर्ती अवस्थाओं पर न्यूरल मॉडल को प्रशिक्षित करने से ध्वन्यात्मक और अर्थ संबंधी डोमेन में आंतरिक आयामीता (intrinsic dimensionality) काफी कम हो जाती है, हालांकि विजुअल या क्रॉस-मोडल डोमेन में ऐसा नहीं होता है, जिससे ट्रैजेक्टरी-अवेयर लर्निंग के लाभों के लिए एक मोडैलिटी-विशिष्ट सीमा स्थिति (boundary condition) का पता चलता है।
यह शोध पत्र प्रदर्शित करता है कि संचित (lumped) से वितरित (distributed) संभाव्य हाइड्रोलॉजिकल मॉडलों में संक्रमण के लिए ऊपरी प्रवाह (upstream runoff) के संयुक्त वितरण का स्पष्ट रूप से नमूना लेना आवश्यक है, ताकि अनिश्चितता के कृत्रिम औसत को रोका जा सके, अन्यथा इससे निचले प्रवाह (downstream discharge) के पूर्वानुमानों में अत्यधिक कम-प्रकीर्णन (under-dispersed) की स्थिति उत्पन्न हो जाती है।
PhenoNEST एक न्यूरो-सिम्बोलिक फ्रेमवर्क है जो गेहूं में जीनोटाइप-फेनोटाइप इंटरैक्शन की निगरानी करने और सटीक स्थानिक लक्षण खोज (spatial trait discovery) को सक्षम करने के लिए असंरचित फील्ड नोट्स और RGB छवियों के बीच के सिमेंटिक अंतराल को पाटकर एक मल्टीमॉडल, ऑन्टोलॉजी-अलाइन्ड नॉलेज ग्राफ का निर्माण करता है।
यह शोध पत्र एक सैद्धांतिक ढांचे को प्रस्तुत करता जिसमें अनबायस्ड रिवॉर्ड मॉडल (URM) और अनबायस्ड डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (UDPO) लॉस शामिल हैं, ताकि लार्ज लैंग्वेज मॉडल्स को बिना किसी स्वच्छ ग्राउंड-ट्रुथ सुपरविजन की आवश्यकता के, सीधे शोर वाले (noisy) प्रेफरेंस डेटासेट्स से सुदृढ़ और शोर-सहिष्णु संरेखण (alignment) प्राप्त करने में सक्षम बनाया जा सके।
यह शोध पत्र एक फाउंडेशन-मॉडल-संचालित डाउनस्केलिंग फ्रेमवर्क का प्रस्ताव करता है जो पारंपरिक तरीकों की तुलना में बहुत कम कम्प्यूटेशनल लागत पर सटीक, उच्च-रिज़ॉल्यूशन क्षेत्रीय मौसम पूर्वानुमानों को कुशलतापूर्वक उत्पन्न करने के लिए एक प्रीट्रेंड ग्लोबल वेदर मॉडल के लेटेंट स्पेस और लाइटवेट मल्टी-स्केल हेड्स का लाभ उठाता है, जो न्यूमेरिकल वेदर प्रेडिक्शन और मानक इमेज-आधारित सुपर-रिज़ॉल्यूशन दृष्टिकोणों दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र वर्ल्डटेंसर (WorldTensor) को प्रस्तुत करता है, जो एक सामंजस्यपूर्ण वैश्विक डेटासेट है जो विविध पर्यावरणीय और सामाजिक-आर्थिक चरों को एक मानकीकृत 0.25° ग्रिड और वार्षिक ढांचे पर संरेखित करता है ताकि मल्टीमॉडल अर्थ सिस्टम फाउंडेशन मॉडल्स को प्रशिक्षित किया जा सके जो युग्मित मानव-पर्यावरण गतिशीलता को पकड़ सकें।