20950 पेपर
यह शोध पत्र रैंक-देन-एक्ट (RTA) प्रस्तुत करता है, जो एक रिवॉर्ड-फ्री कंट्रोल फ्रेमवर्क है जो एक विजन-लैंग्वेज मॉडल को बिखरे हुए वीडियो फ्रेम्स से टेम्पोरल प्रोग्रेस सीखने के लिए प्रशिक्षित करता है और स्पष्ट एनवायरनमेंट रिवॉर्ड्स के बिना स्थिर पॉलिसी लर्निंग और क्रॉस-टास्क ट्रांसफर सक्षम करने के लिए स्पीरमैन रैंक कोरिलेशन-आधारित रिवॉर्ड सिग्नल का उपयोग करता है।
यह शोध पत्र सेमी-सुपरवाइज्ड GANs के लिए एक जनसंख्या-आधारित बहु-उद्देश्यीय विकासवादी प्रशिक्षण रणनीति प्रस्तावित करता है जो वर्गीकरण सटीकता और वास्तविक/नकली भेदभाव के बीच संतुलन तलाशने के लिए पारेटो डोमिनेंस द्वारा रैंक किए गए डिस्क्रिमिनेटर्स की एक जनसंख्या को बनाए रखता है, जिससे प्रशिक्षण की मजबूती में सुधार होता है और अत्याधुनिक बेसलाइनों की तुलना में बेहतर वर्गीकरण प्रदर्शन प्राप्त होता है।
यह शोध पत्र कंडीशनल को-एब्लेशन (CoAx) प्रस्तुत करता है, जो एक लेबल-मुक्त विधि है जो प्राथमिक घटकों को हटाने के बाद उनके महत्व में होने वाली वृद्धि को मापकर ट्रांसफॉर्मर सर्किटों में सुप्त बैकअप घटकों का पता लगाती है, जिससे आत्म-मरम्मत तंत्र (self-repair mechanisms) द्वारा उत्पन्न भ्रामक एट्रिब्यूशन पर विजय प्राप्त होती है और अधिक प्रभावी मॉडल प्रूनिंग और क्षमता नॉकआउट (capability knockout) सक्षम होता है।
यह शोध पत्र प्रदर्शित करता है कि हाइब्रिड क्वांटम-क्लासिकल न्यूरल नेटवर्क कोविड-19 ट्वीट डेटा पर क्लासिकल बेसलाइन के समान सेंटीमेंट एनालिसिस प्रदर्शन प्राप्त करते हैं, जबकि ट्रांसफर लर्निंग के माध्यम से एसएमएस स्पैम वर्गीकरण पर 15% सटीकता वृद्धि और बेहतर सामान्यीकरण (जनरलाइजेशन) दिखाते हैं, जो नेचुरल लैंग्वेज प्रोसेसिंग के लिए क्वांटम मशीन लर्निंग की क्षमता को रेखांकित करता है।
यह शोध पत्र इस पारंपरिक दृष्टिकोण को चुनौती देता है कि ए/बी टेस्टिंग (A/B testing) हमेशा ऑफलाइन मूल्यांकन से बेहतर होती है, यह प्रकट करते हुए कि सकारात्मक सहसंबंध की कमी के कारण ए/बी टेस्टिंग में उच्च चयन त्रुटि दरें हो सकती हैं, और एक नए अनुमानक (estimator) का प्रस्ताव करता है जो एक काल्पनिक मध्य एल्गोरिदम के साथ चरणबद्ध तुलना के माध्यम से जानबूझकर इस सहसंबंध को प्रेरित करता है ताकि सटीक एल्गोरिदम चयन के लिए आवश्यक डेटा को महत्वपूर्ण रूप से कम किया जा सके।
यह शोध पत्र एक मॉडल-अज्ञेय (model-agnostic) ढांचे का प्रस्ताव करता है जो यूनिवेरिएट टाइम सीरीज़ फोरकास्टिंग में लैग महत्व को मापने के लिए ऑटो-रिलिवेंस और पार्शियल ऑटो-रिलिवेंस फंक्शन को परिभाषित करने हेतु घोस्ट वेरिएबल्स (Ghost variables) और शापली वैल्यूज (Shapley values) का उपयोग करता है, जो सीजनल ARMA और रिकरेंट न्यूरल नेटवर्क मॉडलों में उनकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र बहुभाषी टेक्स्ट-टू-स्पीच प्रणालियों के मूल्यांकन के लिए एक क्लासिफायर-आधारित ढांचे का प्रस्ताव करता है, जो असमिया स्वर सामंजस्य (vowel harmony) विश्लेषण के माध्यम से यह प्रदर्शित करता है कि मानक नैचुरलनेस मेट्रिक्स उन व्यवस्थित ध्वन्यात्मक विकृतियों का पता लगाने में विफल रहते हैं जो संश्लेषित भाषण (synthesized speech) में मौजूद होती हैं लेकिन मानव भाषण में अनुपस्थित होती हैं।
यह शोध पत्र 200 वास्तविक फीडरों पर संभाव्य निम्न-वोल्टेज पीक लोड पूर्वानुमान के लिए टाइम सीरीज़ फाउंडेशन मॉडल्स का एक व्यापक मूल्यांकन प्रस्तुत करता है, जो बेसलाइन्स की तुलना में उनके उत्कृष्ट प्रदर्शन को प्रदर्शित करता है और एक नवीन अनुप्रयोग-उन्मुख मीट्रिक पेश करता है जो पीक भविष्यवाणी की सटीकता को ग्रिड एसेट प्लानिंग के समझौतों (ट्रेड-ऑफ) से जोड़ता है।
यह शोध पत्र MediMeta-C डेटासेट का उपयोग करके मेडिकल इमेज क्वालिटी असेसमेंट पर 16 विजन-लैंग्वेज मॉडल्स का बेंचमार्किंग करता है, जिससे यह पता चलता है कि हालांकि वे पिक्सेलेशन जैसे इमेज करप्शन के प्रति संवेदनशील हैं और टेक्स्टुअल मेटाडेटा से महत्वपूर्ण पूर्वाग्रह प्रदर्शित करते हैं, लेकिन गोपनीयता-विश्वसनीयता ट्रेड-ऑफ और वस्तुनिष्ठता के संबंध में उनकी वर्तमान सीमाएं तत्काल नैदानिक तैनाती में बाधा डालती हैं।
यह शोध पत्र एक लिक्विड न्यूरल नेटवर्क-आधारित मॉडल प्रस्तावित करता है जो टर्बोफैन इंजन स्वास्थ्य निगरानी के लिए एक व्याख्यात्मक वर्ल्ड मॉडल बनाने हेतु लेटेंट स्टेट्स को विसंयोजित (disentangled) डिग्रेडेशन और ऑपरेटिंग-कंडीशन घटकों में विभाजित करता है, जो GRU बेसलाइन की तुलना में सीधे शेष उपयोगी जीवन (RUL) रिग्रेशन प्रदर्शन में थोड़ी कम सटीकता के बावजूद, C-MAPSS बेंचमार्क पर बेहतर सेंसर पूर्वानुमान सटीकता और स्पष्ट डिग्रेडेशन प्रक्षेपवक्र प्राप्त करता है।