22423 पेपर
यह शोधपत्र एक स्केलेबल, भौतिकी-प्रेरित ट्रांसफॉर्मर प्रस्तुत करता है जिसमें व्याख्यात्मक स्पार्स अटेंशन और विशिष्ट पोजीशनल एम्बेडिंग्स हैं, जो मौजूदा वेरिएशनल ऑटोरेग्रेसिव नेटवर्क की तुलना में 100 गुना तक अधिक गति प्राप्त करता है, जिससे एक एकल GPU पर बड़े पैमाने के फ्रस्ट्रेटेड स्पिन-ग्लास सिस्टम के लिए बोल्ट्ज़मैन वितरण के कुशल सैंपलिंग और ऊष्मप्रवैगिकी गुणों के सटीक समाधान को सक्षम बनाया जा सके।
यह शोध पत्र मेटा-वेट-नेट (MW-Net) फ्रेमवर्क को लेबल शोर (label noise) और क्लास असंतुलन (class imbalance) को एक साथ संभालने के लिए बेहतर बनाने का प्रस्ताव देता है, जिसमें इसके नेटवर्क स्ट्रक्चर और इनपुट सिलेक्शन को अनुकूलित करने के लिए न्यूरल आर्किटेक्चर सर्च का उपयोग किया गया है, जिससे केवल वर्गीकरण हानि (classification loss) पर निर्भर रहने वाले सरल नेटवर्क्स की प्रदर्शन सीमाओं को दूर किया जा सके।
यह शोधपत्र रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस में रेगुलराइज्ड एम-एस्टिमेशन (M-estimation) के लिए एक व्यापक सिद्धांत स्थापित करता है, जो अस्तित्व, मापनशीलता और स्पष्ट बायस-वैरिएंस अपघटन (bias-variance decompositions) के साथ तीक्ष्ण अभिसरण दरों को सिद्ध करता है जो यह प्रदर्शित करते हैं कि टेंसर उत्पाद सोबोलेव स्पेस (tensor product Sobolev spaces) में एस्टिमेटर किस प्रकार आयामीता के अभिशाप (curse of dimensionality) से बचते हैं।
यह शोध पत्र स्पार्स ऑटोएनकोडर्स (sparse autoencoders) में अवधारणा पदानुक्रमों (concept hierarchies) के मूल्यांकन के लिए एक कठोर प्रोटोकॉल प्रस्तावित करता है और यह प्रकट करता है कि हालांकि ये मॉडल तर्कसंगत पदानुक्रम बना सकते हैं, लेकिन उनकी गुणवत्ता फीचर अवशोषण (feature absorption) के हार्ड और सॉफ्ट दोनों रूपों द्वारा व्यवस्थित रूप से बाधित होती है, जो वर्तमान दृष्टिकोणों में एक मौलिक तनाव को उजागर करती है।
यह शोध पत्र ग्रुप-ग्राफ पॉलिसी ऑप्टिमाइज़ेशन (G2PO) का प्रस्ताव करता है, जो एक नवीन समूह-आधारित सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) एल्गोरिदम है जो रिवॉर्ड स्पर्सिटी (पुरस्कार की विरलता) को कम करने और क्रेडिट असाइनमेंट में सुधार करने के लिए रैखिक इंटरेक्शन ट्रेजेक्टरीज को एक वैश्विक स्टेट-ट्रांज़िशन ग्राफ में परिवर्तित करता है, जिससे लॉन्ग-होराइज़न एजेंटिक कार्यों में लार्ज लैंग्वेज मॉडल्स के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाया जा सकता है।
यह शोध पत्र मल्टीपल इंस्टेंस लर्निंग के लिए एक गॉसियन मिक्सचर मॉडल (GMM) पूलिंग दृष्टिकोण का प्रस्ताव करता है जो प्रीटर्म बर्थ (समय पूर्व जन्म) की भविष्यवाणी में महत्वपूर्ण सुधार करने और लिम्फ नोड मेटास्टेसिस बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए ट्रांसवैजाइनल अल्ट्रासाउंड छवियों में इंट्रा-पेशेंट परिवर्तनशीलता को कैप्चर करता है।
EvoRubrics एक सह-विकासवादी सुदृढीकरण अधिगम (co-evolutionary reinforcement learning) ढांचे को पेश करता है जहाँ एक नीति मॉडल (policy model) और एक रूब्रिक जनरेटर वास्तविक समय में एक-दूसरे के अनुकूल प्रतिकूल रूप से (adversarially) अनुकूलित होते हैं, जो गतिशील, विभेदक पुरस्कार प्रदान करने के लिए स्थिर मानदंडों की सीमाओं को पार करते हैं जो स्व-पर्यवेक्षित शिक्षण और स्वचालित पाठ्यक्रम निर्माण को सक्षम करते हैं।
यह शोध पत्र प्राइम फूरियर एम्बेडिंग्स (PFE) प्रस्तुत करता है, जो एक सिद्धांत-आधारित प्रतिनिधित्व है जो पूर्णांकों को अभाज्य-सूचकांक वाले हार्मोनिक घटकों का उपयोग करके एनकोड करता है ताकि बीजगणितीय संरचना को स्वाभाविक रूप से उजागर किया जा सके, जिससे मॉड्यूलर अंकगणित को इक्विवैरिएंस (equivariance) के सैद्धांतिक गारंटियों और अत्यधिक चैनल विशिष्टता तथा स्क्वायर-फ्री कंपोजिट मोड्युली पर पूर्ण सटीकता के अनुभवजन्य साक्ष्यों के साथ चैनल चयन के माध्यम से हल किया जा सके।
यह शोध पत्र 6G वायरलेस नेटवर्क में रिट्रेनिंग की तुलना में अनसुपरवाइज्ड डोमेन अडैप्टेशन (UDA) की ऊर्जा दक्षता की जांच करता है, जिसमें एक ऐसी विधि प्रस्तावित की गई है जो यह निर्धारित करती है कि UDA को अधिक ऊर्जा-कुशल और लेबलिंग-जागरूक समाधान बनने के लिए न्यूनतम कितने टार्गेट डोमेन की आवश्यकता है।
यह शोध पत्र PeLAP-A को प्रस्तुत करता है, जो डिफ्यूजन मॉडल्स में एडेप्टिव लेटेंट चैनल प्रूनिंग के लिए एक लाइटवेट फ्रेमवर्क है, जो अप्रत्याशित रूप से एक "स्पैरसिटी कोलैप्स" (sparsity collapse) घटना को प्रदर्शित करता है जहाँ सभी लेटेंट चैनल्स को आक्रामक रूप से दबाने से डिनोइजिंग और रिकंस्ट्रक्शन प्रदर्शन में सुधार होता है, जो लेटेंट डिफ्यूजन ट्रेनिंग में महत्वपूर्ण रेडंडेंसी और मजबूती को प्रकट करता है।