cs.LG

SIDA: Synthetic Image Driven Zero-shot Domain Adaptation

SIDA एक नवीन, कुशल ज़ीरो-शॉट डोमेन अडैप्टेशन विधि है जो टेक्स्ट-ड्रिवन दृष्टिकोणों को सिंथेटिक इमेज जनरेशन और विशिष्ट मॉड्यूल्स (डोमेन मिक्स और पैच स्टाइल ट्रांसफर) से बदल देती है ताकि जटिल वास्तविक दुनिया के स्टाइल वेरिएशन्स को बेहतर ढंग से कैप्चर किया जा सके और अनुकूलन समय को काफी कम करते हुए स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त किया जा सके।

Calibrating Biophysical Models for Grape Phenology Prediction via Multi-Task Learning

यह शोध पत्र एक हाइब्रिड मॉडलिंग दृष्टिकोण प्रस्तावित करता है जो डिफरेंशिएबल बायोफिजिकल मॉडल्स को पैरामीटराइज़ करने के लिए रिकरेंट न्यूरल नेटवर्क के साथ मल्टी-टास्क लर्निंग को एकीकृत करता है, जो पारंपरिक विधियों की तुलना में अंगूर की फेनोलॉजी भविष्यवाणियों की सटीकता और मजबूती में महत्वपूर्ण सुधार करता है।

Non-Linear Model-Based Sequential Decision-Making in Agriculture

यह शोध पत्र गैर-रैखिक मॉडल-आधारित बैंडिट एल्गोरिदम विकसित करता है जो उर्वरक प्रबंधन को अनुकूलित करने के लिए अनुकूलन योग्य निर्णय लेने के साथ यांत्रिक यील्ड-रिस्पॉन्स मॉडलों को एकीकृत करता है, और यह प्रदर्शित करता है कि सैद्धांतिक विश्लेषण और फील्ड ट्रायल सिमुलेशन के माध्यम से यह व्याख्यात्मक दृष्टिकोण नॉन-पैरामीट्रिक बेसलाइन की तुलना में तेज़ शिक्षण और उच्च लाभ प्राप्त करता है।

Freshness and the Limits of Heuristic Trend Detection in Temporal RAG

Foundation vs. Specialized Models: Evaluating Catastrophic Forgetting in Continual Time Series Forecasting

यह अध्ययन प्रकट करता है कि जहाँ टाइम सीरीज़ फाउंडेशन मॉडल्स (Time Series Foundation Models) निरंतर फाइन-ट्यूनिंग के दौरान कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) के विरुद्ध अधिक अंतर्निहित मजबूती प्रदर्शित करते हैं, वहीं DER जैसी न्यूनीकरण तकनीकों से लैस छोटे विशिष्ट मॉडल्स अंततः उनके प्रदर्शन के बराबर पहुँच सकते हैं, जो यह सुझाव देता है कि वास्तविक गैर-स्थिर (non-stationary) परिदृश्यों में बड़े फाउंडेशन मॉडल्स की उच्च कम्प्यूटेशनल लागत अनावश्यक हो सकती है।

Accelerating Attention with Basis Decomposition

यह शोध पत्र बीडेसिस डिकम्पोजिशन (Basis Decomposition) पर आधारित अटेंशन के एक लॉसलेस, आर्किटेक्चर-अज्ञेय (architecture-agnostic) एल्गोरिद्मिक पुनर्गठन, बीडीए (BDA) को प्रस्तुत करता है, जो मॉडल के प्रदर्शन पर नगण्य प्रभाव के बिना, बिना किसी पुनरप्रशिक्षण (retraining) के, आधुनिक जीपियू (GPUs) पर महत्वपूर्ण गति वृद्धि और भार में कमी प्राप्त करता है।

Ranking Before Serving: Low-Latency LLM Serving via Pairwise Learning-to-Rank

Learning Peer Influence Probabilities with Linear Contextual Bandits

यह शोधपत्र एक कॉन्टेक्स्टुअल लीनियर बैंडिट फ्रेमवर्क पेश करके नेटवर्क वाले वातावरण में विषम पीयर इन्फ्लुएंस प्रोबेबिलिटीज (heterogeneous peer influence probabilities) को सीखने की चुनौती को संबोधित करता है, जो रिग्रेट मिनिमाइजेशन और एस्टिमेशन एरर के बीच मौलिक ट्रेड-ऑफ को स्पष्ट करता है, और इस स्पेक्ट्रम में इष्टतम प्रदर्शन प्राप्त करने के लिए एक अनसर्टेन्टी-गाइडेड एल्गोरिदम का प्रस्ताव करता है।

Self-Concordant Perturbations for Linear Bandits

यह शोधपत्र सेल्फ-कॉन्कॉर्डेंट (self-concordant) विक्षोभों का उपयोग करके एडवरसेरियल लीनियर बैंडिट्स के लिए FTRL और FTPL विधियों को जोड़ने वाला एक एकीकृत ढांचा प्रस्तुत करता है, जिसके परिणामस्वरूप एक नया एल्गोरिदम प्राप्त होता है जो हाइपरक्यूब और $\ell_2$ बॉल दोनों पर $\mathcal{O}(d\sqrt{n \ln n})$ का इष्टतम रिग्रेट बाउंड प्राप्त करता है।

Deep Koopman Economic Model Predictive Control of a Pasteurisation Unit

यह शोध पत्र एक पाश्चुरीकरण इकाई के लिए एक डीप कूप्मन-आधारित इकोनॉमिक मॉडल प्रेडिक्टिव कंट्रोल रणनीति प्रस्तावित करता है जो जटिल गैर-रेखीय गतिकी को रैखिकीकृत करने के लिए न्यूरल नेटवर्क का लाभ उठाता है, जिसके परिणामस्वरूप पारंपरिक N4SID-आधारित नियंत्रण की तुलना में कुल आर्थिक लागत में 32% की कमी और ऊर्जा खपत में 10.2% की कमी आती है।