19766 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि यादृच्छिकता (randomness) इंजेक्ट करने के अपने विशिष्ट तंत्रों के बावजूद, ड्रॉपआउट (Dropout) और रैंडम ग्रेडिएंट मास्किंग (RaM), बड़े ResNets में स्पर्शोन्मुखी रूप से (asymptotically) समान हो जाते हैं, जो पूर्ण फीचर लर्निंग रिजीम (complete feature learning regime) में एक ही सीमित गतिकी (limiting dynamics) की ओर अभिसरित होते हैं।
MultiLoReFT एक कुशल लो-रैंक फाइन-ट्यूनिंग फ्रेमवर्क है जो बड़े पैमाने पर युग्मित डेटासेट की आवश्यकता के बिना स्केलेबल मल्टीमॉडल लर्निंग को सक्षम करने के लिए प्रीट्रेंड यूनिमोडल मॉडल्स में साझा और मोडैलिटी-विशिष्ट जानकारी को अलग करता है।
यह शोध पत्र प्रदर्शित करता है कि भाषा मॉडलों में हिडन-स्टेट रीडआउट्स अक्सर वस्तुनिष्ठ शुद्धता के बजाय मॉडल के आत्म-निर्णय (self-judgement) को कैप्चर करते हैं, जैसा कि वास्तविक शुद्धता से जुड़े दिशाओं की तुलना में आत्म-निर्णय से जुड़ी दिशाओं की बेहतर क्रॉस-डोमेन हस्तांतरणीयता (cross-domain transferability) से सिद्ध होता है।
यह शोध पत्र आइडेंटिटी-पेयर्ड प्रोग्रेसिव डेप्थ ट्रेनिंग (IP-PDT) को प्रस्तुत करता है, जो वेरिएशनल क्वांटम एल्गोरिदम के लिए एक नवीन करिकुलम लर्निंग रणनीति है, जो आइडेंटिटी-कंपोजिंग गेट पेयर्स को जोड़ने के माध्यम से इनिशियलाइजेशन शॉक और बैरन प्लेटो को कम करती है, जिससे सर्किट की एक्सप्रेसिबिलिटी संतृप्त होने के बाद भी ओवरपैरामीट्राइजेशन के माध्यम से निरंतर अनुकूलन सुधार सक्षम होते हैं, और साथ ही एंटैंगलिंग गेट लागतों को भी महत्वपूर्ण रूप से कम करती है।
यह शोध पत्र डेटा स्ट्रीम में विसंगति (anomaly) और ड्रिफ्ट डिटेक्शन के लिए गॉसियन मिक्सचर मॉडल्स का उपयोग करते हुए एक व्याख्यात्मक, हल्का ढांचा प्रस्तुत करता है, जो स्वचालित रूप से मॉडल की जटिलता चुनता है, एक्सट्रीम वैल्यू थ्योरी के माध्यम से थ्रेशोल्ड निर्धारित करता है, और नेगेटिव लॉग-लाइक्लीहुड तथा अनएक्सप्लेंड मास के माध्यम से अलार्म के लिए स्पष्ट स्पष्टीकरण प्रदान करता है, जो सात बेंचमार्क में अत्याधुनिक तरीकों के विरुद्ध प्रतिस्पर्धी प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र लेटेंट डिक्शनरी लर्निंग के बाद ईमानदार भौतिक-सहायता अनुमान (honest physical-support inference) के लिए एक रूपरेखा प्रस्तावित करता है जो मजबूत प्रशिक्षण-क्षण क्षेत्रों (robust training-moment regions) पर परीक्षण निरूपणों की प्रोफाइलिंग करके डिक्शनरी अनिश्चितता और कोलिजन सिंगुलैरिटीज़ (collision singularities) को ध्यान में रखता है, जिससे मिनिमैक्स-इष्टतम रिज़ॉल्यूशन दरें प्राप्त होती हैं और समूह एवं सूक्ष्म-सहायता अस्पष्टता (group and fine-support ambiguity) के बीच अंतर करने वाले रिज़ॉल्यूशन-अनुकूल विश्वास कथन प्रदान किए जाते हैं।
यह शोध पत्र नौ ट्रांसफॉर्मर मॉडलों में आठ स्थानीय अनुकूलन गुणों का व्यवस्थित रूप से मूल्यांकन करता है और पाता है कि जबकि व्यक्तिगत कार्य विक्षोभ (perturbations) एक साझा वैधता विंडो के भीतर प्रथम-क्रम (first-order) अनुमान योग्य रहते हैं, युग्मवार कार्य संरचना (pairwise task composition) क्रम संवेदनशीलता, घूमते हुए उप-स्थानों (rotating subspaces), और सार्वभौमिक योज्यता (universal additivity) या स्टीयरिंग पत्राचार (steering correspondence) के अभाव के कारण अत्यधिक भंगुर है।
यह शोध पत्र दो पूर्ण-पाठ वैज्ञानिक स्मृति बेंचमार्क, PAIM और PTr को प्रस्तुत करता है, जो यह प्रदर्शित करते हैं कि रिट्रीवल बजट और प्रोटोकॉल को नियंत्रित किए बिना मेमोरी लीडरबोर्ड अक्सर भ्रामक होते हैं, और अंततः यह तर्क देते हैं कि वैज्ञानिक स्मृति का मूल्यांकन अनियंत्रित आर्किटेक्चर प्रदर्शन के बजाय बजटयुक्त, मोडैलिटी-जागरूक संदर्भ बहाली (context restoration) के रूप में किया जाना चाहिए।
यह शोध पत्र एक एकल लैग्रेंजियन रिलैक्सेशन (Lagrangian relaxation) का लाभ उठाते हुए, वास्तविक समय में ट्रकलोड बोली स्वीकृति के लिए एक प्रमाणित-अंतराल (certified-gap) दोहरी-मूल्य नीति प्रस्तुत करता है जो एक साथ एक इष्टतमता प्रमाण (optimality certificate) और एक स्पर्शोन्मुख इष्टतम निर्णय नियम (asymptotically optimal decision rule) उत्पन्न करता है, जिससे महंगी रोलआउट ट्रेनिंग की आवश्यकता के बिना मिलीसेकंड निर्णय गति के साथ निकट-इष्टतम प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक आवर्ती रोगी अवस्था-संक्रमण सिमुलेशन ढांचे को प्रस्तुत करता है जो आवर्ती मूत्राशय के कैंसर के लिए गतिशील, व्यक्तिगत और व्याख्या योग्य उपचार योजना को सक्षम करने हेतु प्रेडिक्टिव मॉडलिंग को डीप क्यू-नेटवर्क सुदृढीकरण लर्निंग के साथ एकीकृत करता है, जो मौजूदा दृष्टिकोणों की तुलना में बेहतर अनुकूलन प्रदर्शन प्रदर्शित करता है।