🤖 Category

cs.LG

21579 पेपर

📊 statistics

What Drives the Inlier-Memorization Effect? A Theory of Outlier Detection via Early Training Dynamics

यह शोधपत्र ऑटोएनकोडर्स में प्रारंभिक प्रशिक्षण गतिकी का विश्लेषण करके आउटलायर डिटेक्शन (outlier detection) में इनलियर-मेमोराइजेशन प्रभाव (inlier-memorization effect) के लिए एक सैद्धांतिक आधार प्रदान करता है ताकि इस घटना के उद्भव और निरंतरता को स्पष्ट किया जा सके, और अंततः व्यावहारिक दिशा-निर्देश प्राप्त किए जा सकें जो बेंचमार्क डेटासेट्स पर अत्याधुनिक प्रदर्शन (state-of-the-art performance) प्राप्त करते हैं।

Kunwoong Kim, Dongha Kim2026-06-30
🤖 machine learning

Multi-Level Distributional Entropy for Explainable Network Intrusion Detection

यह शोध पत्र मल्टी-लेवल डिस्ट्रीब्यूशनल एंट्रॉपी (MDE) प्रस्तुत करता है, जो एक व्याख्या योग्य ढांचा है जो कच्चे पैकेट डेटा या प्रशिक्षण की आवश्यकता के बिना प्रभावी और पुनरुत्पादनीय नेटवर्क घुसपैठ का पता लगाने में सक्षम होने के लिए फ्लो-स्तरीय सांख्यिकी से सीधे एंट्रॉपी-आधारित विशेषताओं को व्युत्पन्न करता है, साथ ही यह उन महत्वपूर्ण प्रदर्शन विफलताओं को भी प्रकट करता है जो समग्र मेट्रिक्स द्वारा छिपाई जाती हैं।

Mohamed Aly Bouke, Md Shohel Sayeed, Swee-Huay Heng, Azizol Abdullah, Mohamed Othman2026-06-30
🤖 machine learning

The Forgetting-Retention Dilemma: Certified Unlearning Theory in Continual Learning

यह शोध पत्र ऐतिहासिक ज्ञान को संरक्षित करने और लक्षित विस्मरण (targeted forgetting) के बीच एक ट्रेड-ऑफ को सूत्रबद्ध करके, गैर-उत्तल (non-convex) मॉडलों के लिए जोखिम सीमाओं को व्युत्पन्न करके, और भंडारण दक्षता एवं अनलर्निंग प्रदर्शन के बीच संतुलन बनाने वाली एक हाइब्रिड रणनीति प्रस्तावित करके, निरंतर शिक्षण (continual learning) और मशीन अनलर्निंग के बीच सेतु बनाने वाला पहला सैद्धांतिक आधार स्थापित करता है।

Yiting Hu, Lingjie Duan, Qian Zhang2026-06-30
🤖 machine learning

Theory of Continual Learning Against Data Poisoning Attacks

यह शोध पत्र असीमित हमलों के तहत मौलिक प्रदर्शन सीमाओं को सिद्ध करके और विरल या सीमित-शोर वाले परिदृश्यों के लिए सीखने के अभिसरण (convergence) को सुनिश्चित करने वाले प्रमाण योग्य रक्षा तंत्र प्रस्तावित करके, डेटा पॉइजनिंग के विरुद्ध निरंतर शिक्षण (continual learning) के लिए एक सैद्धांतिक ढांचा स्थापित करता है।

Yiting Hu, Lingjie Duan2026-06-30
🤖 machine learning

RoAd-RL: A Unified Library and Benchmark for Robust Adversarial Reinforcement Learning

यह शोध पत्र RoAd-RL को प्रस्तुत करता है, जो एक एकीकृत ओपन-सोर्स लाइब्रेरी और बेंचमार्क है जो विभिन्न प्रतिकूल हमलों (adversarial attacks) और रक्षा प्रणालियों (defenses) के विरुद्ध नीतियों के परीक्षण के लिए पुनरुत्पादक पाइपलाइन प्रदान करके डीप रिइन्फोर्समेंट लर्निंग में मजबूती (robustness) के मूल्यांकन को मानकीकृत करता है, जिससे कुछ रक्षा प्रणालियों के संभावित नुकसान और टेम्पोरल स्मूथिंग (temporal smoothing) की प्रभावशीलता जैसे महत्वपूर्ण अंतर्दृष्टि का पता चलता है।

Adithya Mohan, Daniel Kriegl, Torsten Schön2026-06-30
🔢 mathematics

Implementation of Hyperelastic Physics-Augmented Neural Networks in the Explicit Finite Element Codes Simcenter Radioss and OpenRadioss with Applications to Impact Events

यह शोध पत्र एक स्वचालित फोर्ट्रान (Fortran) रूटीन जनरेटर के माध्यम से स्पष्ट परिमित तत्व सॉल्वर (explicit finite element solvers) Simcenter Radioss और OpenRadioss में भौतिकी-संवर्धित तंत्रिका नेटवर्क (physics-augmented neural networks) को एकीकृत करने के लिए एक ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि अनुकूलित नेटवर्क आर्किटेक्चर विशेष सॉल्वरों की आवश्यकता के बिना प्रभाव सिमुलेशन (impact simulations) में जटिल हाइपरइलास्टिक व्यवहारों को कुशलतापूर्वक मॉडल कर सकते हैं।

Lukas Maurer, Sascha Eisenträger, Marian Bulla, Daniel Juhre2026-06-30
🤖 machine learning

CW-B: Class Weighted Boosting Framework for Imbalance Resilient Multi Class Cardiac Phenotyping

यह शोध पत्र CW-B को प्रस्तुत करता है, जो एक क्लास-वेटेड XGBoost फ्रेमवर्क है जो नैदानिक व्याख्यात्मकता बनाए रखते हुए पांच-वर्ग हृदय डिस्चार्ज फेनोटाइपिंग में बेहतर प्रदर्शन प्राप्त करने के लिए वास्तविक दुनिया के डेटा असंतुलन और अनुपलब्धता को प्रभावी ढंग से संबोधित करता है।

Sijia Li, Xiaoyu Tan, Chen Zhan, Yuanji Ma, Haoyu Wang, Xihe Qiu2026-06-30
💬 NLP

MemDelta: Controlled Baselines and Hidden Confounds in Agent Memory Evaluation

MemDelta एक नियंत्रित मूल्यांकन प्रोटोकॉल पेश करता है जो यह प्रकट करता है कि कैसे एम्बेडिंग मॉडल और लैंग्वेज मॉडल परिवार जैसे अनियंत्रित चर अक्सर एजेंट मेमोरी बेंचमार्क को भ्रमित करते हैं, यह प्रदर्शित करते हुए कि विशिष्ट घटकों को अलग करने पर रिपोर्ट किए गए प्रदर्शन लाभ अक्सर संकीर्ण, लागत-अकुशल या यहाँ तक कि विपरीत भी होते हैं।

Kuan Wang2026-06-30
🤖 machine learning

Bandwidth Selection in Kernel Density Estimation for Model Calibration

यह शोध पत्र रिस्क अलाइनमेंट (RA) को प्रस्तुत करता है, जो एक नवीन अनुकूलन ढांचा (optimization framework) है जो पुनर्गठित जोखिम (reconstructed risk) को अनुभवजन्य जोखिम (empirical risk) के साथ संरेखित करके मॉडल अंशांकन (model calibration) के लिए इष्टतम कर्नेल बैंडविड्थ का चयन करता है, जिससे यह मानक चयन विधियों से बेहतर प्रदर्शन करता है और अधिक विश्वसनीय अनिश्चितता मूल्यांकन प्रदान करता है।

Han Zhou, Teodora Popordanoska, Matthew Blaschko2026-06-30
🤖 machine learning

Improved Predictive Performance and Interpretability for Mesomorphic Neural Networks Using Local Fidelity Regularization

यह शोध पत्र इंटरप्रिटेबल मेसोमॉर्फिक न्यूरल नेटवर्क्स में विश्वसनीयता संबंधी समस्याओं को संबोधित करने के लिए लोकल फिडेलिटी रेगुलराइजेशन (LFR) को प्रस्तुत करता है, जो डिजेनरेट वेट कोलैप्स को रोककर उत्कृष्ट भविष्य कहनेवाला प्रदर्शन और निष्ठावान मॉडल व्याख्या दोनों प्राप्त करता है।

Hugo L. Hammer, Vajira Thambawita, Kristoffer Herland Hellton, Pål Halvorsen2026-06-30