19766 पेपर
यह शोध पत्र वायरलेस नेटवर्क पर विकेंद्रीकृत फेडरेटेड लर्निंग के लिए समय-परिवर्ती मिक्सिंग मैट्रिसेस (mixing matrices) को डिजाइन करने हेतु एक सैद्धांतिक रूप से न्यायसंगत, बहु-चरणीय ढांचे का प्रस्ताव करता है जो अनुकूलित, ऊर्जा-संतुलित टोपोलॉजी के माध्यम से संचार लागत और अभिसरण दरों (convergence rates) के बीच गतिशील रूप से संतुलन बनाकर प्रति-नोड अधिकतम ऊर्जा खपत को न्यूनतम करता है।
यह शोध पत्र डेनसिटी-इन्फॉर्म्ड स्यूडो-काउंट ई-डी-एल (DIP-EDL) को पेश करके आउट-ऑफ-डिस्ट्रीब्यूशन डेटा पर मानक एविडेंशियल डीप लर्निंग के अति-आत्मविश्वास को संबोधित करता है, जो बेहतर-कैलिब्रेटेड अनिश्चितता और वितरण संबंधी बदलाव (डिस्ट्रिब्यूशनल शिफ्ट) के तहत मजबूती प्राप्त करने के लिए मार्जिनल कोवेरिएट डेंसिटी के माध्यम से क्लास प्रेडिक्शन को अनिश्चितता अनुमान से अलग करता है।
यह शोध पत्र यह प्रदर्शित करके कि डेटा की कमी वाली स्थितियों में, उच्च-रिज़ॉल्यूशन इनपुट पर प्रशिक्षित YOLO11N जैसे छोटे मॉडल दक्षता और सटीकता दोनों में बड़े मॉडलों से काफी बेहतर प्रदर्शन करते हैं, अर्थ ऑब्जर्वेशन (पृथ्वी अवलोकन) में प्रचलित स्केलिंग लॉ धारणा को चुनौती देता है, जो प्रभावी रूप से पारंपरिक "बड़ा ही बेहतर है" के प्रतिमान को उलट देता है।
यह शोध पत्र एक मॉडल-आधारित लुप्त डेटा प्रतिस्थापन (missing data imputation) विधि प्रस्तावित करता है जो लुप्त मानों के सशर्त वितरण (conditional distribution) से नमूने लेने के लिए मिश्रण वेरिएशनल ऑटोएनकोडर्स (mixture variational autoencoders) और लेटेंट स्पेस डिफ्यूजन का लाभ उठाता है, जिससे अंतर्निहित डेटा मैनिफोल्ड ज्यामिति का सम्मान करते हुए अनिश्चितता परिमाणीकरण (uncertainty quantification) और कुशल ऑन-द-फ्लाई प्रतिस्थापन प्रदान किया जा सके।
यह शोध पत्र एक ऐसे नवीन ढांचे का प्रस्ताव करता है जो गुणात्मक व्यावसायिक संदर्भ को संरचित क्षमता समायोजनों में अनुवादित करके परिवहन हब क्षमता नियोजन को बढ़ाने के लिए पारंपरिक अनुकूलन मॉडलों के साथ बड़े भाषा मॉडलों को एकीकृत करता है, जिससे पारंपरिक विधियों की तुलना में अनुकूलतम अंतराल (optimality gap) में महत्वपूर्ण कमी आती है।
यह शोध पत्र प्रदर्शित करता है कि समझौता किए गए मॉडलों से हानिकारक चेन-ऑफ-थॉट ट्रेसेस को पुन: प्रयोज्य जेलब्रेक प्रॉम्प्ट्स में स्थानांतरित और डिस्टिल किया जा सकता है, जो ओपन-सोर्स और क्लोज्ड-सोर्स दोनों मॉडलों पर हमले की सफलता दर को महत्वपूर्ण रूप से बढ़ा देता है और यह भी प्रकट करता है कि वर्तमान आउटपुट-साइड सुरक्षा उपाय ऐसे रीजनिंग-आधारित खतरों का पता लगाने में अक्सर विफल रहते हैं।
यह अनुभवजन्य अध्ययन तीन चेहरे के भावों के डेटासेट पर हैंडक्राफ्टेड फीचर विधियों (HOG और LBP) की एक लाइटवेट CNN के साथ तुलना करता है, जो यह प्रदर्शित करता है कि जहाँ CNN समग्र रूप से बेहतर प्रदर्शन प्राप्त करते हैं, वहीं नियंत्रित वातावरण में HOG जैसे हैंडक्राफ्टेड फीचर्स प्रभावी बने रहते हैं, जबकि LBP खराब परिणाम देता है।
यह शोध पत्र डायनेमिक डेंसिटी फंक्शनल थ्योरी में नॉनलोकल ग्रेडिएंट-फ्लो समीकरणों को हल करने के लिए एक फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क फ्रेमवर्क प्रस्तुत करता है, जिसमें एक संशोधित लोरेंत्ज़ियन एक्टिवेशन फंक्शन और एक कुशल डिस्क्रीट ऑपरेटर शामिल है जो मानक विधियों की तुलना में अभिसरण (कन्वर्जेंस) को तेज करते हैं और भौतिक निरंतरता सुनिश्चित करते हैं।
यह शोध पत्र सर्कुलर कन्वल्यूशन में DFT के स्थान पर हैडामार्ड ट्रांसफॉर्म का उपयोग करने से उत्पन्न होने वाली संरचित और पूर्वानुमेय बीजगणितीय त्रुटि का लक्षण वर्णन करता है, जो यह प्रकट करता है कि यह त्रुटि संरेखण (alignment) द्वारा नियंत्रित होती है, एक लघुगणकीय शून्य स्थान (logarithmic null space) के साथ लगभग पूर्ण-रैंक की होती है, और विशिष्ट सार्वभौमिक शून्य-त्रुटि उप-स्थानों को छोड़कर आउटपुट ऊर्जा को स्पर्शोन्मुख रूप से दोगुना कर देती है।
यह शोध पत्र AV-JEPA को प्रस्तुत करता है, जो एक सुव्यवस्थित ऑडियो-विजुअल सेल्फ-सुपरवाइज्ड लर्निंग फ्रेमवर्क है, जो डिकोडर्स, EMA टीचर्स या कॉन्ट्रास्टिव नेगेटिव्स पर निर्भर हुए बिना प्रतिस्पर्धी प्रदर्शन और ज़ीरो-शॉट रिट्रीवल क्षमताओं को प्राप्त करने के लिए अर्ली-फ्यूजन विज़न ट्रांसफॉर्मर और मोडैलिटी ड्रॉपआउट का उपयोग करके LeJEPA का विस्तार करता है।