22330 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि विज़ुअल ऑब्जर्वेशन को ASCII टेक्स्ट में बदलकर, टेक्स्ट-ओनली लार्ज लैंग्वेज मॉडल्स को भारी मल्टीमॉडल बैकबोन की आवश्यकता के बिना सिमुलेशन और वास्तविक दुनिया के रोबोटिक मैनिपुलेशन में कुशल कार्य नियोजन और निष्पादन हेतु विज़न-लैंग्वेज-एक्शन कंट्रोलर्स में प्रभावी ढंग से अनुकूलित किया जा सकता है।
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।
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 समानांतर समय जटिलता प्राप्त की जा सके।
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।
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।
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।
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।
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।
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।
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।