📊 statistics

Multi-SpaCE: Multi-Objective Subsequence-based Sparse Counterfactual Explanations for Multivariate Time Series Classification

यह शोध पत्र Multi-SpaCE को प्रस्तुत करता है, जो एक नवीन बहु-उद्देश्यीय काउंटरफैक्चुअल स्पष्टीकरण विधि है, जो मल्टीवेरिएट टाइम सीरीज़ वर्गीकरण के लिए NSGA-II का लाभ उठाते हुए वैध, विरल (sparse) और प्रशंसनीय समाधान उत्पन्न करती है, साथ ही मौजूदा यूनिवैरिएट दृष्टिकोणों की सीमाओं को दूर करने के लिए निकटता (proximity) और निरंतरता (contiguity) के बीच संतुलन बनाती है।

Mario Refoyo, David Luengo2026-07-20
🤖 machine learning

A Systematic Review of ECG Arrhythmia Classification: Adherence to Standards, Fair Evaluation, and Embedded Feasibility

यह व्यवस्थित समीक्षा (सिस्टमैटिक रिव्यू) 2017 से 2024 तक के ईसीजी (ECG) अतालता वर्गीकरण अध्ययनों का E3C मानदंडों के विरुद्ध मूल्यांकन करती है ताकि उन सुदृढ़, नैदानिक रूप से व्यवहार्य मॉडलों की पहचान की जा सके जो मानकीकरण प्रोटोकॉल का पालन करते हैं और संसाधन-सीमित एम्बेडेड उपकरणों के लिए व्यवहार्यता प्रदर्शित करते हैं।

Guilherme Silva, Pedro Silva, Gladston Moreira, Vander Freitas, Jadson Gertrudes, Eduardo Luz2026-07-20
🤖 AI

SLAC: Safe and Efficient Real-Robot Reinforcement Learning via Unsupervised Simulation Pre-Training

SLAC एक नवीन ढांचा है जो अनसुपरवाइज्ड सिमुलेशन के माध्यम से एक टास्क-अग्नोस्टिक लेटेंट एक्शन स्पेस को प्री-ट्रेन करके, जटिल हाई-डिग्री-ऑफ-फ्रीडम रोबोट्स के लिए सुरक्षित और सैंपल-एफिशिएंट रियल-वर्ल्ड रिइन्फोर्समेंट लर्निंग को सक्षम बनाता है, जिससे यह बिना किसी प्रदर्शन (डेमोंस्ट्रेशन) के एक घंटे से कम समय में कॉन्टैक्ट-रिच बाईमैनुअल मोबाइल मैनिपुलेशन कार्यों में महारत हासिल कर सकता है।

Jiaheng Hu, Peter Stone, Roberto Martín-Martín2026-07-20
🤖 machine learning

A Standardized Benchmark for Skeleton-Based Rehabilitation Assessment Using Deep Learning

यह शोध पत्र Rehab-Pile, एक एकीकृत डेटासेट आर्काइव, और मोशन क्वालिटी विश्लेषण के लिए डीप लर्निंग मॉडल्स का व्यवस्थित रूप से मूल्यांकन करने हेतु एक व्यापक बेंचमार्किंग फ्रेमवर्क पेश करके, स्वचालित पुनर्वास मूल्यांकन (ऑटोमेटेड रिहैबिलिटेशन असेसमेंट) में मानकीकृत मूल्यांकन की कमी को संबोधित करता है।

Ali Ismail-Fawaz, Maxime Devanne, Stefano Berretti, Jonathan Weber, Germain Forestier2026-07-20
📊 statistics

A Bit of Freedom Goes a Long Way: Classical and Quantum Algorithms for Reinforcement Learning under a Generative Model

यह शोध पत्र एक जेनेरेटिव मॉडल के तहत परिमित और अनंत-क्षितिज वाले मार्कोव निर्णय प्रक्रियाओं (Markov Decision Processes) के लिए नवीन शास्त्रीय और क्वांटम ऑनलाइन सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम प्रस्तुत करता है जो आशावाद (optimism) और पश्च वितरण नमूनाकरण (posterior sampling) जैसे पारंपरिक प्रतिमानों को दरकिनार करने के लिए प्रत्यक्ष इष्टतम नीति गणना का लाभ उठाते हैं, जिससे क्वांटम विधियों के लिए समय चरणों पर पॉलीलॉगैरिद्मिक निर्भरता सहित बेहतर रिग्रेट बाउंड्स प्राप्त होते हैं।

Andris Ambainis, Joao F. Doriguello, Debbie Lim2026-07-20
⚡ electrical engineering

Comparative Field Deployment of Reinforcement Learning and Model Predictive Control for Residential HVAC

यह शोध पत्र आवासीय HVAC के लिए मॉडल प्रेडिक्टिव कंट्रोल (MPC) और मॉडल-बेस्ड रिइन्फोर्समेंट लर्निंग (RL) की तुलना करते हुए एक महीने के फील्ड परिनियोजन को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जहाँ दोनों ने समान डेटा आवश्यकताओं के साथ समान ऊर्जा बचत (क्रमशः 18.1% और 20.9%) प्राप्त की, वहीं RL को सुरक्षा और इनिशियलाइजेशन चुनौतियों के कारण शुरुआत में अधिभोगी आराम से समझौता करना पड़ा, लेकिन इसके लिए काफी कम इंजीनियरिंग प्रयास की आवश्यकता थी।

Ozan Baris Mulayim, Elias N. Pergantis, Levi D. Reyes Premer, Bingqing Chen, Guannan Qu, Kevin J. Kircher, Mario Bergés2026-07-20
🤖 machine learning

Are Heterogeneous Graph Neural Networks Truly Effective for Node Classification? A Causal Perspective

21 डेटासेट्स में व्यवस्थित पुनरुत्पादन और कारण मध्यस्थता विश्लेषण (causal mediation analysis) के माध्यम से, यह शोध पत्र प्रदर्शित करता है कि नोड वर्गीकरण के लिए हेटेरोजेनियस ग्राफ न्यूरल नेटवर्क की प्रभावशीलता मॉडल आर्किटेक्चर की जटिलता से नहीं, बल्कि बढ़ी हुई होमोफिली (homophily) और स्थानीय-वैश्विक वितरण विसंगति के माध्यम से वर्ग विशिष्टता को बढ़ाने में हेटेरोजेनियस सूचना के सकारात्मक कारण प्रभाव से उत्पन्न होती है।

Xiao Yang, Xuejiao Zhao, Zhiqi Shen2026-07-20
🤖 machine learning

Mixing Configurations for Downstream Prediction

यह शोध पत्र कॉन्फ़िगरेशन-मिक्सड प्रेडिक्शन (CMP) और इसके मिक्सकॉन्फ़िग (MixConfig) मॉड्यूल को प्रस्तुत करता है, जो विविध डोमेन में, विशेष रूप से कम-डेटा वाले परिदृश्यों में, डाउनस्ट्रीम प्रेडिक्शन प्रदर्शन को बढ़ाने के लिए प्रति नमूना कई संरचनात्मक रूप से स्थिर क्लस्टरिंग कॉन्फ़िगरेशन को अनुकूल रूप से भारित (weight) करता है।

Juntang Wang, Hao Wu, Yihan Wang, Dongmian Zou, Shixin Xu2026-07-20
📊 statistics

Analysis of Semi-Supervised Learning on Hypergraphs

यह शोध पत्र सुव्यवस्थितता (well-posedness) के लिए स्केलिंग व्यवस्थाओं की पहचान करके और डेंसिटी-वेटेड p-लैपलेसियन (density-weighted p-Laplacian) की ओर अभिसरण को सिद्ध करके रैंडम ज्योमेट्रिक हाइपरग्राफ्स पर सेमी-सुपरवाइज्ड लर्निंग की एसिम्प्टोटिक कंसिस्टेंसी (asymptotic consistency) स्थापित करता है, साथ ही एक नवीन मल्टीस्केल हायर-ऑर्डर हाइपरग्राफ लर्निंग (HOHL) पद्धति का प्रस्ताव और सत्यापन करता है जो हायर-ऑर्डर सोबोलेव-प्रकार के सेमीनॉर्म (higher-order Sobolev-type seminorm) की ओर अभिसरित होती है।

Adrien Weihs, Andrea L. Bertozzi, Matthew Thorpe2026-07-20
🤖 machine learning

SloMo-Fast: Slow-Momentum and Fast-Adaptive Teachers for Source-Free Continual Test-Time Adaptation

यह शोध पत्र SloMo-Fast को पेश करता है, जो एक सोर्स-फ्री कॉन्टिनुअल टेस्ट-टाइम अडैप्टेशन फ्रेमवर्क है जो दीर्घकालिक ज्ञान प्रतिधारण (नॉलेज रिटेंशन) और तीव्र डोमेन अनुकूलन के बीच प्रभावी ढंग से संतुलन बनाने के लिए पूरक स्लो (slow) और फास्ट (fast) टीचर्स का उपयोग करता है, जिससे यह विकसित और आवर्ती डोमेन शिफ्ट्स को संभालने में मौजूदा तरीकों से बेहतर प्रदर्शन करता है।

Md Akil Raihan Iftee, Mir Sazzat Hossain, Rakibul Hasan Rajib, Tariq Iqbal, Md Mofijul Islam, M Ashraful Amin, Amin Ahsa (…)2026-07-20