22423 पेपर
यह शोध पत्र इमेज क्लासिफिकेशन के लिए डीप शिफ्ट न्यूरल नेटवर्क्स को अनुकूलित करने हेतु मल्टी-ऑब्जेक्टिव ऑटोML का लाभ उठाता है, जो नवीन, प्रति-सहज (counter-intuitive) क्वांटाइजेशन रणनीतियों के माध्यम से सटीकता को लगभग 20% बढ़ाने और कार्बन उत्सर्जन को 60% से अधिक कम करने वाले पारेटो-इष्टतम (Pareto-optimal) कॉन्फ़िगरेशन की खोज करता है।
यह अध्ययन प्रदर्शित करता है कि नियमित रूप से निगरानी किए जाने वाले नवजात संकेतों, विशेष रूप से इम्पीडेंस न्यूमोग्राफी पर लागू किए गए डीप लर्निंग मॉडल, प्री-टर्म शिशुओं में एपनिया-संबंधित श्वसन विच्छेदन का विश्वसनीय रूप से पता लगा सकते हैं, जिसमें आर्किटेक्चरल जटिलता की तुलना में सिग्नल मोडैलिटी प्रदर्शन के लिए अधिक महत्वपूर्ण सिद्ध होती है।
यह शोध पत्र फेडरेटेड सेल्फ-कॉन्टेक्स्टुअलाइजेशन (FSC) का प्रस्ताव करता है, जो एक मल्टीमॉडल फ्रेमवर्क है जो अनसुपरवाइज्ड क्लस्टरिंग के माध्यम से सूडो-लेबल्स उत्पन्न करने और ऑडियो एम्बेडिंग्स को लैंग्वेज मॉडल्स के साथ संरेखित करने के लिए फेडरेटेड ऑप्टिमाइजेशन का लाभ उठाकर कम-संसाधन वाले परिवेशों में इन-कॉन्टेक्स्ट क्लिनिकल ऑडियो डायग्नोसिस को सक्षम बनाता है, जिससे बड़े एनोटेटेड कॉर्पोरा की आवश्यकता के बिना श्वसन और हृदय संबंधी स्थितियों पर अत्याधुनिक सटीकता प्राप्त होती है।
यह शोध पत्र 12 वर्गों से स्मार्टफोन को वर्गीकृत करने में 98% सटीकता प्राप्त करने के लिए एक फाइन-ट्यून्ड एलेक्सनेट (AlexNet) मॉडल का उपयोग करते हुए एक ट्रांसफर लर्निंग-आधारित दृष्टिकोण प्रस्तावित करता है, जो स्मार्ट शहरों में स्वचालित ई-कचरा पुनर्चक्रण के लिए एक प्रभावी एआई-संचालित समाधान प्रदर्शित करता है।
यह शोध पत्र प्रदर्शित करता है कि CTC-आंतरिक स्कोरिंग रणनीतियाँ ध्वनिक थकावट (acoustic exhaustion) और ब्लैंक पथों के प्रसार के कारण ओरेकल गैप को पाटने में विफल रहती हैं, जिससे यह स्थापित होता है कि WER को महत्वपूर्ण रूप से सुधारने के लिए बाहरी मॉडलों (जैसे कि RoBERTa) से भाषाई जानकारी की आवश्यकता होती है, जबकि जब प्रशिक्षण ओरेकल गैप नगण्य हो तो अनुक्रम-स्तरीय फाइन-ट्यूनिंग अप्रभावी सिद्ध होती है।
यह शोध पत्र 'Generals.io' नामक रियल-टाइम स्ट्रैटेजी गेम के लिए एक सुपरह्यूमन एआई एजेंट प्रस्तुत करता है, जो सेल्फ-प्ले रीइन्फोर्समेंट लर्निंग के माध्यम से विजन ट्रांसफार्मर पॉलिसी के कुशल एंड-टू-एंड प्रशिक्षण को सक्षम करने के लिए 10,000x की गति वृद्धि वाले एक JAX-नेटिव सिम्युलेटर का लाभ उठाकर सार्वजनिक लीडरबोर्ड पर #1 रैंकिंग प्राप्त करता है।
यह शोध पत्र एक व्याख्यात्मक मल्टीटास्क डीप-लर्निंग फ्रेमवर्क प्रस्तुत करता है जो कोहेरेंट फोटोप्रोडक्शन में विवर्तन (डिफ्रैक्शन) और व्यतिकरण (इंटरफेरेंस) पैटर्न को अलग करके, अल्ट्रा-परिफेरल कोलिजन से ट्रांसवर्स मोमेंटम वितरण का विश्लेषण करने और विरूपण (डेफॉर्मेशन) एवं न्यूट्रॉन स्किन जैसे कई परमाणु-संरचना संकेतकों को एक साथ निकालने के लिए है।
यह शोध पत्र DeluluNet को प्रस्तुत करता है, जो एक एंड-टू-एंड प्रशिक्षित आर्किटेक्चर है जो अनलेबल डेटा से लुप्त सेंसर रिप्रजेंटेशन (representation) की भविष्यवाणी करने के लिए मोडैलिटी हैलुसिनेशन (modality hallucination) का लाभ उठाकर रिमोट सेंसिंग मॉडल्स को बदलते उपग्रह मोडैलिटीज (प्रतिस्थापन, जोड़ या उपसमुच्चय) के अनुकूल बनाता है, जिससे बिना किसी महंगी री-लेबलिंग या री-ट्रेनिंग के मॉडल परिनियोजन (deployment) सक्षम होता है।
यह शोध पत्र अडैप्टिव हार्ड-सॉफ्ट फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (HSPINN) को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो विश्लेषणात्मक लिफ्टिंग और फीचर मैपिंग के माध्यम से सीमा स्थितियों (boundary conditions) को सटीक रूप से लागू करता है और एक इनवर्स-शेयर सॉफ्टमैक्स रणनीति के माध्यम से सॉफ्ट बाधाओं को गतिशील रूप से संतुलित करता है, जिससे विभिन्न PDE प्रकारों में पारंपरिक PINNs की तुलना में बेहतर अभिसरण (convergence), सटीकता और स्थिरता प्राप्त होती है।
यह शोध पत्र ChemGuard को प्रस्तुत करता है, जो एक रसायन-जागरूक (chemistry-aware) प्रवेश प्रोटोकॉल है जो रासायनिक रूप से अमान्य ट्रिगर्स को फ़िल्टर करके मौजूदा ग्राफ-आधारित आणविक बैकडोर हमलों की सीमाओं को उजागर करता है, और ChemBack का प्रस्ताव देता है, जो एक मॉडल-मुक्त हमला है जो रासायनिक रूप से वैध, लक्ष्य-संरेखित आणविक बैकडोर उत्पन्न करके इन जाँचों को सफलतापूर्वक दरकिनार करता है।