21502 पेपर
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए एक चयनात्मक अनलर्निंग दृष्टिकोण प्रस्तावित करता है जो उनके असमान फॉरगेटिंग डायनेमिक्स के आधार पर विशिष्ट समय और आवृत्ति घटकों को लक्षित करता है, जिससे मौजूदा यूनिफॉर्म विधियों की तुलना में उच्च अनलर्निंग सफलता दर और बेहतर जनरेशन गुणवत्ता प्राप्त होती है।
यह शोध पत्र दो-परत वाले न्यूरल नेटवर्क के लिए एक हाइब्रिड कंसेंसस-बेस्ड ऑप्टिमाइजेशन (CBO) और एडम दृष्टिकोण प्रस्तावित करता है जो मल्टी-टास्क लर्निंग में मेमोरी ओवरहेड को कम करता है, जबकि वॉसरस्टीन-ओवर-वॉसरस्टीन फ्रेमवर्क के भीतर एक मीन-फील्ड मॉडल को सैद्धांतिक रूप से स्थापित करता है जो निरंतर वेरिएंस की कमी और अभिसरण (कन्वर्जेंस) की गारंटी देता है।
यह शोध पत्र एक नवीन विभेदक रूप से निजी (डिफरेंशियल प्राइवेट) स्टोकेस्टिक स्टोकेस्टिक कन्वेक्स ऑप्टिमाइज़ेशन एल्गोरिदम प्रस्तुत करता है जो लगभग इष्टतम गोपनीयता-उपयोगिता व्यापार-संबंधों (प्राइवेसी-यूटिलिटी ट्रेड-ऑफ्स) को प्राप्त करता है और साथ ही मॉडल को प्रशिक्षित करने की तुलना में काफी कम कम्प्यूटेशनल लागत पर इसकी गोपनीयता गारंटियों के सार्वजनिक सत्यापन को सक्षम करता है।
यह शोध पत्र मार्कोव डिसीजन प्रोसेसिस (Markov Decision Processes) में स्टैटिक कंडीशनल वैल्यू-एट-रिस्क (CVaR) के लिए एक नवीन स्टेट-ऑगमेंटेशन फॉर्मूलेशन प्रस्तावित करता है जो सघन पुरस्कारों (dense rewards) और एक कॉन्ट्रैक्टिंग बेलमैन ऑपरेटर को सक्षम बनाता है, जिससे अभिसरण योग्य जोखिम-अवरोधक वैल्यू इटरेशन और Q-लर्निंग एल्गोरिदम प्राप्त होते हैं जिनके प्रमाणित सन्निकटन सीमाएँ (approximation bounds) और प्रभावी सुरक्षा-प्रदर्शन ट्रेड-ऑफ्स हैं।
DeXposure-FM एक नवीन टाइम-सीरीज ग्राफ फाउंडेशन मॉडल है जिसे एक विशाल मल्टी-चेन डेटासेट पर प्रशिक्षित किया गया है जो DeFi क्रेडिट एक्सपोजर के पूर्वानुमान में मौजूदा तरीकों से बेहतर प्रदर्शन करता है और मैक्रोप्रूडेंशियल निगरानी तथा प्रणालीगत जोखिम स्ट्रेस टेस्टिंग के लिए आवश्यक उपकरण प्रदान करता है।
यह शोध पत्र एक सुदृढ़ हाइब्रिड पूर्वानुमान ढांचे का प्रस्ताव करता है जो संक्रमण डेटा को बहु-स्तरीय घटकों में विघटित करके गैर-स्थिरता (non-stationarity) को स्पष्ट रूप से मॉडल करता है ताकि एक नियंत्रित न्यूरल ODE को एक यांत्रिक महामारी विज्ञान मॉडल के साथ जोड़ा जा सके, जिससे सहायक सह-चरों (auxiliary covariates) के बिना ही प्रकोपों की भविष्यवाणी करने और समय-परिवर्तनीय संचरण दरों को पुनः प्राप्त करने में उत्कृष्ट सटीकता प्राप्त होती है।
यह शोध पत्र -leaping-आधारित डिस्क्रीट डिफ्यूजन मॉडल्स के लिए शार्प, अडैप्टिव कन्वर्जेंस गारंटी स्थापित करता है, जो यह प्रदर्शित करता है कि यूनिफॉर्म सैंपलिंग की वोकैबुलरी-साइज-इंडिपेंडेंट कॉम्प्लेक्सिटी प्राप्त करती है जबकि मास्किंग सैंपलिंग प्रभावी टोटल कोरिलेशन के माध्यम से लो-डायमेंशनल डेटा स्ट्रक्चर्स के प्रति स्वतः अनुकूलित हो जाती है, और यह सब स्कोर एस्टीमेटर पर बाउंडेडनेस या स्मूथनेस धारणाओं की आवश्यकता के बिना किया जाता है।
यह शोधपत्र नाज़्रिन (Nazrin) को प्रस्तुत करता है, जो लीन 4 (Lean 4) के लिए एक ग्राफ न्यूरल नेटवर्क-आधारित प्रमेय सिद्ध करने वाला एजेंट है, जो मजबूत, उपभोक्ता-ग्रेड हार्डवेयर-अनुकूल प्रमाण स्वचालन को सक्षम करने के लिए परमाणु युक्तियों (atomic tactics) के एक नवीन सेट, एक ट्रांसपोज़िंग एटमाइज़ेशन एल्गोरिदम और एक्सप्र ग्राफ (ExprGraph) डेटा संरचना का उपयोग करता है।
यह शोध पत्र एक विश्लेषणात्मक सिद्धांत प्रस्तुत करता है जो यह प्रदर्शित करता है कि नेटवर्क परतों के बीच इनिशियलाइजेशन (आरंभीकरण) का सापेक्ष पैमाना विशिष्ट फाइन-ट्यूनिंग व्यवस्थाओं को निर्धारित करता है, जहाँ शुरुआती परतों में छोटा इनिशियलाइजेशन डाउनस्ट्रीम कार्यों पर बेहतर सामान्यीकरण के लिए उत्कृष्ट फीचर पुन: उपयोग और परिशोधन को सक्षम बनाता है।
यह शोध पत्र एक सरल डिबायस्ड कोसन्ड फंक्शनल (debiased coarsened functional) प्रस्तावित करके कॉज़ल आइडेंटिफिकेशन फंक्शनल्स में निरंतर चरों के विविक्तीकरण (discretization) से उत्पन्न होने वाले प्रथम-क्रम सन्निकटन पूर्वाग्रह (first-order approximation bias) को संबोधित करता है, जो परिणाम प्रतिगमन (outcome regressions) को बिन-के भीतर सशर्त माध्यों पर मूल्यांकित करता है, जिससे त्रुटि घटकर द्वितीय क्रम की हो जाती है और मोटे बिनिंग (coarse binning) के तहत भी सांख्यिकीय अनुमान में सुधार होता है।