22037 पेपर
यह शोध पत्र एक विजन ट्रांसफॉर्मर-आधारित दृष्टिकोण प्रस्तावित करता है जो केवल प्रारंभिक 10-20% सिमुलेशन डेटा का उपयोग करके विस्कोइलास्टिक बूंदों के प्रभाव की पूर्ण टेम्पोरल इवोल्यूशन (कालिक विकास) गतिशीलता की भविष्यवाणी करता है, जिससे भौतिक निरंतरता बनाए रखते हुए और जटिल स्प्रेडिंग एवं बाउंसिंग रिजीम को सटीक रूप से कैप्चर करते हुए कम्प्यूटेशनल लागत में 80-90% की कमी आती है।
यह शोध पत्र एक बड़े पैमाने के अनुभवजन्य अध्ययन को प्रस्तुत करता है जो यह प्रदर्शित करता है कि DREG, जो कि एक लेयर-वाइज जैकोबियन रेगुलराइज़ेशन विधि है, आधुनिक डीप लर्निंग आर्किटेक्चर के लिए एक सुदृढ़, प्लग-एंड-प्ले समाधान के रूप में कार्य करते हुए समग्र सटीकता और डेटा-दुर्लभ परिदृश्यों में मौजूदा रेगुलराइज़र से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक सुदृढ़ कूपमैन प्रेडिक्टर (Koopman predictor) प्रस्तुत करता है जो स्थानीय टेम्पोरल कॉन्टेक्स्ट के लिए अटेंशन-मुक्त लेटेंट मेमोरी ब्लॉक और लेटेंट ड्रिफ्ट को ठीक करने के लिए डायनेमिक री-एनकोडिंग मैकेनिज्म को संयोजित करता है, जिससे मौजूदा ऑटोएन्कोडर और अटेंशन-आधारित मॉडलों की तुलना में बेहतर लॉन्ग-होरिज़न सटीकता और कम इन्फरेंस लेटेंसी प्राप्त होती है।
यह शोध पत्र प्रदर्शित करता है कि 3D मास्क किए गए ऑटोएनकोडर (masked autoencoders), विशेष रूप से जब उन्हें प्रोटीन लैंग्वेज मॉडल्स के साथ क्रॉस-मोडल अलाइनमेंट और विशिष्ट 3D-सचेत आर्किटेक्चरल घटकों के साथ उन्नत किया जाता है, प्रोटीन लोकलाइजेशन और इंटरेक्शन प्रेडिक्शन जैसे सिंगल-सेल माइक्रोस्कोपी कार्यों के लिए मजबूत वॉल्यूमेट्रिक रिप्रजेंटेशन सीखने में 2D-आधारित दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र RASC+ प्रस्तुत करता है, जो एक चरण-वार ढांचा (stage-wise framework) है जो उम्मीदवार रिकॉल (candidate recall) को अधिकतम करने के लिए उन्नत पुनर्प्राप्ति विधियों को एक नियंत्रित LLM निर्णायक (constrained LLM adjudicator) के साथ जोड़कर नैदानिक मूल्य सेट लेखन (clinical value set authoring) में सुधार करता है, जिससे पिछले बेसलाइन से काफी बेहतर प्रदर्शन होता है और यह सुनिश्चित होता है कि सभी आउटपुट एक ऑडिट योग्य उम्मीदवार पूल (auditable candidate pool) से उत्पन्न होते हैं।
यह शोध पत्र EMAgnet को प्रस्तुत करता है, जो एक नवीन पॉलिसी ग्रेडिएंट सेल्फ-प्ले पद्धति है जो पिछले पॉलिसी मापदंडों के एक्सपोनेंशियल मूविंग एवरेज का उपयोग करके एक एडेप्टिव रेगुलराइजेशन टारगेट के रूप में यूनिफॉर्म रेगुलराइजेशन में सुधार करती है, जिससे प्रभावी रूप से डोमिनेटेड स्ट्रैटेजीज़ वाले बड़े खेलों में कम एक्सप्लोिटेबिलिटी और बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र "चक्रीय डीनॉइज़िंग" (cyclic denoising) को प्रस्तुत करता है, जो एक भौतिकी-प्रेरित हमला है जो जनरेटिव मॉडल्स में अत्यंत स्थिर अट्रैक्टर्स (ultrastable attractors) को उजागर करने के लिए बार-बार फॉरवर्ड और रिवर्स डिफ्यूजन लागू करता है, जो बिना ग्रेडिएंट्स, प्रॉम्प्ट्स या डेटासेट के पूर्व ज्ञान के, वास्तव में याद किए गए प्रशिक्षण चित्रों को प्रकट करता है।
यह शोध पत्र डिफ्यूजन मॉडल्स में क्लासिफायर-फ्री गाइडेंस के एडेप्टिव शेड्यूल को अनुकूलित करने के लिए एक सूचना-सैद्धांतिक ढांचे का प्रस्ताव करता है, जो स्पष्ट घनत्व अनुमान (डेंसिटी एस्टीमेशन) की आवश्यकता के बिना, रिवर्स ट्राजेक्टरी के दौरान कंडीशन कंसिस्टेंसी और सैंपल डाइवर्सिटी के बीच संतुलन को गतिशील रूप से संतुलित करने के लिए एक क्लीन एंडपॉइंट रेफरेंस का उपयोग करता है।
यह शोध पत्र एक ऑटोएनकोडर का उपयोग करने वाले एक मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है जो कैलिब्रेटेड I-V डेटा को कम-आयामी लेटेंट स्पेस में संकुचित करके FinFETs को कुशलतापूर्वक मॉडल करता है, जिससे न्यूनतम प्रशिक्षण डेटा के साथ डिवाइस विशेषताओं के तीव्र और सटीक पुनर्निर्माण तथा प्रमुख मेट्रिक्स के निष्कर्षण को सक्षम बनाया जा सके।
यह शोध पत्र एक हाइब्रिड मशीन लर्निंग मॉडल प्रस्तावित करता है जो एन्सेम्बल फीचर सिलेक्शन, हैरिस हॉक्स ऑप्टिमाइज़ेशन-ट्यून्ड लॉजिस्टिक रिग्रेशन और एक्सप्लेनेबल एआई को संयोजित करता है ताकि महिला यौन कर्मियों में अवसाद की सटीक भविष्यवाणी की जा सके, जिसने लक्षित मनोसामाजिक हस्तक्षेपों को सक्षम करने के लिए प्रमुख आघात-संबंधी जोखिम कारकों की पहचान करते हुए 95.78% सटीकता प्राप्त की है।