🤖 Category

cs.LG

22092 पेपर

🤖 machine learning

Predicting High-Risk Colorectal Polyps in African Americans Using Pre-Colonoscopy Clinical Features: Machine Learning Model Development and Temporal Validation

इस अध्ययन ने उच्च-जोखिम वाले कोलोरेक्टल पॉलिप्स की भविष्यवाणी करने के लिए गैर-आक्रामक प्री-कोलोनोस्कोपी नैदानिक विशेषताओं का उपयोग करके मशीन लर्निंग मॉडल विकसित और टेम्पोरली वैलिडेट किए हैं, जिसका उद्देश्य संसाधनों के आवंटन को अनुकूलित करना और जोखिम स्तरीकरण तक न्यायसंगत पहुंच में सुधार करना है, जो एक विविध और मुख्य रूप से अफ्रीकी अमेरिकी समूह पर आधारित है।

Basheer Qolomany, Mrinalini Deverapall, Adeyinka Laiyemo, Zaki Sherif, Mori Yuichi, Omer Ahmed, Hassan Brim, Hassan Ashk (…)2026-06-23
🤖 machine learning

Breaking chains with trees: Deep learning with O(log⁡N)\mathcal{O}(\log N) parallel time complexity

यह शोध पत्र पदानुक्रमित ब्लॉक-स्थानीय शिक्षण (Hierarchical Block-Local Learning - HBLL) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो डीप न्यूरल नेटवर्क को पदानुक्रमित रूप से जुड़े ब्लॉकों में विभाजित करता है जिन्हें स्थानीय उद्देश्यों के माध्यम से प्रशिक्षित किया जाता है ताकि अनुक्रमिक बैकप्रॉपैगेशन को समाप्त किया जा सके, जिससे विजन और लैंग्वेज कार्यों पर प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए O(log⁡N)\mathcal{O}(\log N) समानांतर समय जटिलता प्राप्त की जा सके।

Neeraj Mohan Sushma, Aditya Nagarsekar, Cabrel Teguemne Fokam, Robin Schiewer, Amit Kumar Pal, Anand Subramoney, David K (…)2026-06-23
🤖 machine learning

Backpropagating Through Simulation: Analytic Policy Gradients for Sample and Learning Efficient Differentiable Continuous Control

यह शोध पत्र एनालिटिक पॉलिसी ग्रेडिएंट्स (APG) को प्रस्तुत करता है, जो सिमुलेशन के माध्यम से बैकप्रोपैगेशन द्वारा सटीक पॉलिसी ग्रेडिएंट्स की गणना करने के लिए डिफरेंशिएबल एनवायरनमेंट डायनेमिक्स का लाभ उठाता है, और बढ़ती जटिलता वाले चार निरंतर नियंत्रण कार्यों (continuous control tasks) में PPO जैसे मॉडल-फ्री एल्गोरिदम की तुलना में बेहतर सैंपल और लर्निंग दक्षता प्रदर्शित करता है।

Yueci Deng2026-06-23
🔢 mathematics

Accelerated and Stable Convergence with Anchored Optimistic Method

यह शोध पत्र जनरलाइज्ड ऑप्टिमिस्टिक मेथड्स विद एंकरिंग (GOMA) को प्रस्तुत करता है, जो प्रथम-क्रम एल्गोरिदम का एक नवीन परिवार है जो बिना वेरिएंस रिडक्शन या बढ़ते बैचों की आवश्यकता के, नियत (deterministic) और स्टोकेस्टिक दोनों परिवेशों में मोनोटोन वेरिएशनल इनइक्वेलिटीज के लिए इष्टतम त्वरित लास्ट-इटरेट अभिसरण दर प्राप्त करता है।

Motahareh Sohrabi, Jianxin You, Simon Lacoste-Julien, Eduard Gorbunov, Gauthier Gidel2026-06-23
🤖 machine learning

Memory Is No Longer a Bottleneck: Memory-Efficient Graph Filtering for Scalable Collaborative Filtering

यह शोध पत्र Mem-GF का प्रस्ताव करता है, जो कोलाबोरेटिव फ़िल्टरिंग के लिए एक मेमोरी-कुशल ग्राफ फ़िल्टरिंग विधि है जो पूर्ण आइटम समानता ग्राफ (item similarity graph) को संग्रहीत किए बिना बहुपद फिल्टरों (polynomial filters) को अनुमानित करने के लिए क्रायलोव सबस्पेस (Krylov subspaces) का लाभ उठाता है, जिससे मेमोरी उपयोग और रनटाइम में महत्वपूर्ण कमी आती है और साथ ही सटीकता एवं स्केलेबिलिटी में अत्याधुनिक (state-of-the-art) विधियों से बेहतर प्रदर्शन करता है।

Jin-Duk Park, Won-Yong Shin2026-06-23
🤖 machine learning

The Cost Geometry of Belief: finite-resource inference under noisy observation

यह शोध पत्र अनुकूलतम परिवहन (optimal transport) को फिशर सूचना (Fisher information) के साथ संयोजित करके विश्वास स्थानों (belief spaces) के लिए एक लागत ज्यामिति स्थापित करता है, जो यह प्रकट करता है कि शोर के तहत सीमित-संसाधन अनुमान स्वाभाविक रूप से एक ज्यामितीय "दीवार" के माध्यम से पूर्ण निश्चितता को अस्वीकार करता है, ईमानदार लागतों के लिए फिशर-अनुपातिक मेट्रिक्स का चयन करता है, और ऊष्मप्रवैगिकी बाधाओं के तहत गाऊसी वितरण को चरम हाइपरबोलिक विश्वास के रूप में पहचानता है।

Laurent Caraffa2026-06-23
🤖 machine learning

Radial Basis Function Networks as Projection Heads in Self-Supervised Learning

यह शोध पत्र स्व-पर्यवेक्षित शिक्षण (self-supervised learning) में मानक MLP प्रोजेक्शन हेड को रेडियल बेसिस फंक्शन नेटवर्क (RBFN) से बदलने का प्रस्ताव करता है ताकि एक नवीन स्केल-नॉर्मलाइज्ड सेपरेशन (SNS) मीट्रिक के माध्यम से लेबल-मुक्त प्रतिनिधित्व गुणवत्ता का आकलन किया जा सके, जबकि कई आर्किटेक्चर और डेटासेट पर प्रतिस्पर्धी प्रदर्शन बनाए रखा जा सके।

Andreas Schliebitz, Heiko Tapken, Martin Atzmueller2026-06-23
🤖 machine learning

Geometric and Information Compression of Representations in Deep Learning

यह शोध पत्र इस धारणा को चुनौती देता है कि इनपुट और निरूपणों (representations) के बीच कम पारस्परिक सूचना (mutual information) ज्यामितीय संपीड़न (geometric compression) का संकेत देती है, बल्कि यह इसके बजाय एक जटिल, गैर-रेखीय संबंध को प्रकट करता है जहाँ सामान्यीकरण (generalization) एक प्रत्यक्ष परिणाम के बजाय एक भ्रमित करने वाले कारक (confounding factor) के रूप में कार्य करता है।

Linara Adilova, Henning Petzka, Asja Fischer, Bernhard C. Geiger2026-06-23✓ Author reviewed ⓘ
🤖 machine learning

The Two-Hump Problem: Bridging the Difficulty Gap in Mathematical Reinforcement Learning

यह शोध पत्र गणितीय सुदृढीकरण शिक्षण (reinforcement learning) में "टू-हम्प" (Two-Hump) कठिनाई वितरण को संबोधित करने के लिए नवीन डेटा जनरेशन तकनीकों और एल्गोरिदम संवर्द्धनों को पेश करता है, जो तुच्छ और असंभव समस्या उदाहरणों के बीच के अंतर को पाटने का कार्य करते हैं, जिसके परिणामस्वरूप पर्याप्त प्रदर्शन सुधार और एंड्रयूज-कर्टिस अनुमान (Andrews-Curtis conjecture) के लिए बड़े पैमाने पर बेंचमार्क डेटासेट (AC-19 और AC-1M) जारी किए गए हैं।

Lucas Fagan, Michele Tarquini, Ali Shehper, Maksymilian Manko, Angus Gruen, Coco Huang, Giorgi Butbaia, Davide Passaro (…)2026-06-23
🤖 machine learning

The Alignment Problem in Constrained Code Generation

यह शोध पत्र प्रकट करता है कि भाषा मॉडलों और अपूर्ण कन्सट्रेंड डिकोडर्स (constrained decoders) के बीच मिसअलाइनमेंट संभाव्यता वितरणों को विकृत करके और टाइमआउट का कारण बनकर कोड जनरेशन के प्रदर्शन को गंभीर रूप से खराब कर सकता है, जो अक्सर अनकन्स्ट्रेंड डिकोडिंग (unconstrained decoding) को कार्यात्मक शुद्धता के लिए अधिक प्रभावी बनाता है।

Matteo Biagiola, Jahrim Gabriele Cesario, Luca Di Grazia, George Zakhour, Guido Salvaneschi2026-06-23