cs.LG पेपर | Gist.Science

Sample Complexity of Scientific Discovery: PAC Learnability of Compositional Function Trees

यह शोध पत्र यह स्थापित करता है कि वैज्ञानिक खोज के लिए कंपोजिशनल फंक्शन ट्रीज़ (compositional function trees) सीखने की सैंपल कॉम्प्लेक्सिटी, प्रतीकात्मक संरचनाओं (symbolic structures) के कॉम्बिनेटोरियल विस्फोट के बजाय, ट्री डेप्थ और ऑपरेटर लिप्सचिट्ज़ कॉन्स्टेंट्स (operator Lipschitz constants) द्वारा नियंत्रित होती है, जो PAC लर्नैबिलिटी बाउंड्स और यह अनुभवजन्य सत्यापन (empirical validation) प्रदान करता है कि जनरलाइजेशन गैप $\mathcal{O}(L^d/\sqrt{n})$ के रूप में स्केल करता है।

Şuayp Talha Kocabay, Talha Rüzgar Akkuş, Kerem Yalçın2026-06-30

🔬 physics

Two kinds of robustness are not the same: disentangling fault tolerance and low-SNR robustness in multi-domain event detection on real data

यह शोध पत्र यह प्रदर्शित करता है कि मल्टी-डोमेन इवेंट डिटेक्शन में, सेंसर विफलता के प्रति मजबूती और कम सिग्नल-टू-नॉइज़ रेशियो के प्रति मजबूती अलग-अलग गुण हैं, जहाँ सेंसर ड्रॉपआउट के साथ प्रशिक्षण लेना शोर के प्रति लचीलेपन के लिए प्रमुख कारक है, जबकि आर्किटेक्चरल जटिलता और आंतरिक अतिरेक (रिडंडेंसी) माध्यमिक भूमिका निभाते हैं।

Isao Kurosawa2026-06-30

🤖 machine learning

Reliability, Faithfulness, and the Limits of Post-hoc Explanations of Opaque Scientific Models

यह शोध पत्र तर्क देता है कि जबकि वैज्ञानिक मशीन लर्निंग मॉडलों की व्याख्या करने के लिए विश्वसनीयता और निष्ठा आवश्यक शर्तें हैं, वे बाहरी पुष्टिकरण के बिना अंतर्निहित घटनाओं के वास्तविक संरचनात्मक तंत्रों के बारे में दावों को मान्य करने के लिए अपने आप में अपर्याप्त हैं।

Nick Oh, Helen Jin2026-06-30

🤖 machine learning

Interventional Flow Matching: Prospective Dose-Response Forecasting with Velocity-Field Jacobian Regularization

यह शोध पत्र इंटरवेंशनल फ्लो मैचिंग (IFM) प्रस्तुत करता है, जो एक निरंतर-समय जनरेटिव फ्रेमवर्क है जो शारीरिक रूप से प्रशंसनीय और खुराक-सीमित संवेदनशीलता को लागू करने के लिए वेलोसिटी-फील्ड जैकोबियन रेगुलाइजेशन का उपयोग करता है, जिससे सख्त मैकेनिस्टिक ODEs पर निर्भर किए बिना नियोजित उपचार हस्तक्षेपों के तहत रोगी के ग्लूकोज प्रक्षेपवक्र (ट्रैजेक्टरी) के सटीक भावी पूर्वानुमान को सक्षम बनाया जा सके।

Amirreza Dolatpour Fathkouhi, Justin Lee, Heman Shakeri2026-06-30

🤖 machine learning

Exploring the Cryptographic Limits of Transformer Networks

यह शोध पत्र क्रिप्टोग्राफिक संरचनाओं (Keccak, Merkle-Damgard, और Merkle Trees) को थ्रेशोल्ड सर्किटों से मैप करके ट्रांसफॉर्मर की कम्प्यूटेशनल क्षमता पर संरचनात्मक गारंटी प्राप्त करने के लिए एक कार्यप्रणाली स्थापित करता है, जिससे सत्यापित स्केलिंग लॉ और उन क्रिप्टोग्राफिक कार्यों के रचनात्मक ऊपरी सीमाएँ (constructive upper bounds) प्रदान की जाती हैं जिन्हें एक दिए गए डेप्थ और विड्थ वाला ट्रांसफॉर्मर लागू कर सकता है।

Stefan Domunco, Andis Draguns, Philip Torr, Isaac Robinson, Christian Schroeder de Witt2026-06-30

📊 statistics

Self-Organized Conformal Prediction: Reducing Regional Coverage Gaps with Unsupervised Group Discovery

यह शोध पत्र सेल्फ-ऑर्गनाइज्ड कॉन्फॉर्मल प्रेडिक्शन (SOCP) को प्रस्तुत करता है, जो एक अनसुपरवाइज्ड कैलिब्रेशन विधि है जो इनपुट-स्पेस समूहों की खोज करने और स्थानीय कैलिब्रेशन करने के लिए सेल्फ-ऑर्गनाइजिंग मैप्स का उपयोग करती है, जिससे प्रेडिक्टर को पुन: प्रशिक्षित किए बिना या सुपरवाइज्ड विभाजनों की आवश्यकता के बिना, सुरक्षा-महत्वपूर्ण उपसमूहों में क्षेत्रीय कवरेज अंतराल को महत्वपूर्ण रूप से कम किया जाता है और सटीक वैधता गारंटी बनाए रखी जाती है।

Louis Berthier, Ahmed Shokry, Maxime Moreaud, Guillaume Ramelet, Aymeric Dieuleveut2026-06-30

🔢 mathematics

Fractional Stochastic Neural Networks

यह शोध पत्र फ्रैक्शनल ब्राउनियन मोशन द्वारा संचालित एक फ्रैक्शनल स्टोकेस्टिक न्यूरल नेटवर्क प्रस्तुत करता है, एक डिस्क्रीट स्टोकेस्टिक मैक्सिमम प्रिंसिपल के माध्यम से इसके सैद्धांतिक अभिसरण गुणों को स्थापित करता है, और संख्यात्मक प्रयोगों के माध्यम से यह प्रदर्शित करता है कि ऐसे फ्रैक्शनल ड्राइवर्स पारंपरिक ब्राउनियन और डिटरमिनिस्टिक बेसलाइन की तुलना में लॉन्ग-मेमोरी रिकवरी और मजबूती को बढ़ाते हैं।

Yuecai Han, Jianming Xu2026-06-30

🤖 machine learning

How Much Due Diligence Before You Bid? Learning in Intractable Takeover Auctions

यह शोध पत्र टेकओवर ऑक्शन्स (takeover auctions) के एक कंप्यूटर मॉडल पर सेल्फ-प्ले रीइन्फोर्समेंट लर्निंग (self-play reinforcement learning) का उपयोग करके यह प्रदर्शित करता है कि बोलीदाताओं को ड्यू डिलिजेंस (due diligence) में केवल एक मामूली, सीमित राशि ही निवेश करनी चाहिए—विशेष रूप से तब जब लागत अधिक हो या प्रतिस्पर्धा तीव्र हो—और यह दिखाता है कि सरल, सामान्य-उद्देश्य वाले एआई (AI) तरीके उन जटिल, वास्तविक दुनिया के परिदृश्यों में प्रभावी ढंग से मजबूत बोली रणनीतियों को प्राप्त कर सकते हैं जहाँ सटीक समाधान गणनात्मक रूप से अव्यवहार्य होते हैं।

Zain Naboulsi2026-06-30

🤖 machine learning

Prototype Latent World Model Replay for Class-Incremental Learning

यह शोध पत्र प्रोटोटाइप लेटेंट वर्ल्ड मॉडल रिप्ले (Prototype Latent World Model Replay) का प्रस्ताव करता है, जो एक मेमोरी-फ्री क्लास-इन्क्रीमेंटल लर्निंग फ्रेमवर्क है जो पुराने वर्गों को एक फ्रोजन लेटेंट स्पेस में प्रोटोटाइप-केंद्रित वितरणों के रूप में संग्रहीत करता है ताकि प्रशिक्षण के लिए सिंथेटिक अवस्थाओं को सैंपल किया जा सके, जिससे बिना कच्चे उदाहरणों को रखे स्प्लिट CIFAR-100 पर प्रदर्शन में उल्लेखनीय सुधार होता है।

Weizhi Nie, Hui Wang, Weijie Wang, Yuting Su2026-06-30

⚛️ nuclear experiments

Self-Supervised Calibration of Scientific Instruments Using Physical Consistency Constraints

यह शोध पत्र एक भौतिकी-सूचित स्व-पर्यवेक्षित ढांचे (physics-informed self-supervised framework) को प्रस्तुत करता है जो ज्ञात भौतिक बाधाओं का उपयोग करके छद्म-लेबल (pseudo-labels) उत्पन्न करने के लिए कच्चे मापन से डिटेक्टर अंशांकन मापदंडों और कार्य-विशिष्ट भविष्यवाणियों को संयुक्त रूप से सीखता है, जिससे विशेषज्ञ हस्तक्षेप या मैन्युअल रूप से लेबल किए गए डेटा की आवश्यकता के बिना वैज्ञानिक उपकरणों का स्वायत्त अंशांकन और निगरानी सक्षम होती है।

M. Rejmund (GANIL, CEA/DRF - CNRS/IN2P3, Bd Henri Becquerel, BP 55027, F-14076, Caen Cedex 5, France), A. Lemasson (GANI (…)2026-06-30

← पिछला अगला →