19766 पेपर
डीप एडेप्टिव बेयसियन स्क्रीनिंग (DABS) एक नवीन विधि है जो उच्च-आयामी असतत स्थानों में कुशल एडेप्टिव फैक्टोरियल स्क्रीनिंग करने के लिए एक ऑफलाइन-प्रशिक्षित पॉलिसी नेटवर्क को ऑनलाइन गिब्स पोस्टीरियर इन्फरेंस के साथ जोड़ती है, जो स्पाइक-एंड-स्लैब प्रायर्स और विश्लेषणात्मक रूप से एकीकृत न्यूसेंस पैरामीटर्स का लाभ उठाकर मौजूदा बेसलाइनों की तुलना में बेहतर सटीकता और स्केलेबिलिटी प्राप्त करती है।
यह शोध पत्र हैंड एक्स-रे से बाल चिकित्सा अस्थि आयु (पीडियाट्रिक बोन एज) की सटीक भविष्यवाणी करने के लिए एडिटिव अटेंशन मैकेनिज्म के साथ संवर्धित एफिशिएंटनेटB4 (EfficientNetB4) जैसे एफिशिएंटनेट मॉडलों का उपयोग करते हुए एक डीप लर्निंग दृष्टिकोण प्रस्तुत करता है, जो पारंपरिक तरीकों की तुलना में एंडोक्राइन विकारों के निदान के लिए एक अधिक प्रभावी और स्वचालित समाधान प्रदान करता है।
यह शोध पत्र मशीन लर्निंग का उपयोग करके पॉलीसिस्टिक ओवरी सिंड्रोम (PCOS) के निदान के लिए एक डेटा-संचालित दृष्टिकोण प्रस्तावित करता है, जो यह प्रदर्शित करता है कि रैंडम फॉरेस्ट महत्व और उच्चतम सहसंबंध के माध्यम से चयनित दस विशेषताओं पर प्रशिक्षित एक एडाबूस्ट (AdaBoost) मॉडल ने विभिन्न मूल्यांकित एल्गोरिदम के बीच उच्चतम परीक्षण सटीकता प्राप्त की है।
यह शोध पत्र मिन-एन्ट्रॉपी (min-entropy) और रेनी एन्ट्रॉपी (Rényi entropy) के अनुमान के लिए सटीक सैंपल कॉम्प्लेक्सिटी बाउंड्स स्थापित करता है, यह सिद्ध करते हुए कि मिन-एन्ट्रॉपी के लिए नमूनों की आवश्यकता होती है—जो एक पिछले लक्षण वर्णन को सुधारता है—और रेनी एन्ट्रॉपी के क्रम के लिए नमूनों की आवश्यकता होती है, जो वर्णमाला के आकार और क्रम दोनों पर निर्भरता को हल करने के लिए नवीन एस्टिमेटर्स और लोअर-बाउंड कंस्ट्रक्शन्स का उपयोग करता है।
यह शोधपत्र SurvCF(t) को प्रस्तुत करता है, जो प्रेडिक्टिव मेंटेनेंस (अनुमानित रखरखाव) में डीप सर्वाइवल मॉडल्स के लिए न्यूनतम, प्रशंसनीय और सामयिक रूप से सुसंगत काउंटरफैक्चुअल स्पष्टीकरण उत्पन्न करने वाला पहला फ्रेमवर्क है, जिससे ब्लैक-बॉक्स 'रेमेनिंग यूज़फुल लाइफ' (शेष उपयोगी जीवन) भविष्यवाणियों और कार्रवाई योग्य, व्याख्या योग्य रखरखाव रणनीतियों के बीच के अंतर को पाटा जा सके।
यह शोध पत्र ट्विस्टेड श्रोडिंगर ब्रिज मैचिंग (TSBM) प्रस्तुत करता है, जो एक नवीन डिफ्यूजन-आधारित विधि है जो इटरेटिव मार्कोवियन फिटिंग प्रतिमान को समय-निर्भर विभवों (time-dependent potentials) वाले सामान्यीकृत श्रोडिंगर ब्रिज समस्याओं तक विस्तारित करती है, जो उच्च-आयामी परिवेश में प्रक्षेपवक्र अनुमान (trajectory inference) के लिए एक सुदृढ़ ढांचा और बेहतर प्रदर्शन एवं स्थिरता प्रदान करती है।
यह शोध पत्र PriorProof को प्रस्तुत करता है, जो एक स्वचालित, ऑन्टोलॉजी-मुक्त विधि है जो लीन (Lean) में औपचारिक प्रमाण तकनीकों की नवीनता को उनके डिपेंडेंसी फुटप्रिंट्स (dependency footprints) के सरप्राइज़ल (surprisal) को एक समय-बद्ध पूर्ववर्ती (time-anchored prior) के विरुद्ध मापकर मात्रात्मक रूप से निर्धारित करता है, जो मानव विशेषज्ञों के साथ मध्यम सहमति प्रदर्शित करता है और विशेषज्ञ निर्णय के विकल्प के बजाय एक विखंडनीय (decomposable), व्याख्या योग्य संकेत के रूप में कार्य करता है।
यह शोध पत्र WHALE को प्रस्तुत करता है, जो एक स्केलेबल यूनिफाइड रिकमेंडेशन आर्किटेक्चर है जो गैर-अनुक्रमिक (non-sequence) और अनुक्रमिक (sequence) विशेषताओं को संयुक्त रूप से मॉडल करने के लिए एक नवीन फ्यूजन मैकेनिज्म के माध्यम से Wukong और HSTU बैकबोन को एकीकृत करता है, जिससे औद्योगिक उत्पादन प्रणालियों में महत्वपूर्ण ऑफलाइन और ऑनलाइन प्रदर्शन लाभ प्राप्त होते हैं।
यह शोधपत्र गॉसियन मिश्रण मॉडलों (Gaussian mixture models) के लिए एक नवीन वितरण रूप से सुदृढ़ अनुकूलन (distributionally robust optimization) ढांचे को प्रस्तुत करता है जो बुरेस-वासरस्टीन (Bures-Wasserstein) मीट्रिक पर आधारित एक निरंतर-पैरामीटर वासरस्टीन-2 अस्पष्टता सेट (Wasserstein-2 ambiguity set) का उपयोग करता है, जो एक अनुकूलन योग्य एल्गोरिदम को अंतर्जात रूप से सबसे खराब स्थिति वाली मिश्रण संरचनाओं को निर्धारित करने और सुदृढ़ द्वैतता (strong duality) प्राप्त करने में सक्षम बनाता है, जिससे पारंपरिक परिमित-समर्थन (finite-support) दृष्टिकोणों की तुलना में बेहतर विश्वसनीयता और संरचनात्मक लचीलापन प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि केवल हिडन स्टेट्स (hidden states) पर LeJEPA एंटी-कोलैप्स ऑब्जेक्टिव लागू करने से KV-कैशे क्वांटाइजेशन में सुधार करने में विफलता मिलती है, प्रशिक्षण के दौरान सीधे KV-कैशे ज्योमेट्री को रेगुलराइज करना मोटे, प्रति-चैनल क्वांटाइजेशन स्कीम्स के तहत प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है, हालांकि KIVI जैसे अधिक परिष्कृत क्वांटाइजेशन कॉन्फ़िगरेशन नियोजित किए जाने पर यह लाभ कम हो जाता है।