22423 पेपर
यह शोध पत्र एडवर्सरियल डिपेंडेंस मिनिमाइजेशन (ADM) को प्रस्तुत करता है, जो एक डिफरेंशिएबल एल्गोरिदम है जो फीचर आयामों के बीच पारस्परिक स्वतंत्रता प्राप्त करने के लिए एक एनकोडर और ऑक्सिलरी नेटवर्क के बीच एक एडवर्सरियल गेम का उपयोग करता है, जिससे लीनियर कोवेरिएंस-आधारित विधियों की सीमाओं को दूर किया जा सके और नॉनलीनियर डिकोरिलेशन, इमेज क्लासिफिकेशन और सेल्फ-सुपरवाइज्ड लर्निंग जैसे कार्यों में रिप्रेजेंटेशन रोबस्टनेस को बढ़ाया जा सके।
यह शोध पत्र एक पुनरुत्पादक मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है जो डेटा अंतराल को संबोधित करता है और प्रमुख अर्थव्यवस्थाओं के लिए 1970 से एक व्यापक, दीर्घकालिक 'ग्लोबल ईज़ ऑफ़ लिविंग इंडेक्स' (जीवन सुगमता सूचकांक) के निर्माण हेतु आयामी न्यूनीकरण (डाइमेंशनलिटी रिडक्शन) का उपयोग करता है, जिससे नीति निर्माताओं को प्रमुख सामाजिक-आर्थिक और ढांचागत क्षेत्रों की पहचान करने और उनमें सुधार करने के लिए एक पारदर्शी उपकरण प्राप्त होता है।
यह शोध पत्र एक नवीन ज़ीरोथ-ऑर्डर फेडरेटेड लर्निंग पद्धति प्रस्तावित करता है जो मॉडलों को ब्लॉक्स में विभाजित करती है और मध्यवर्ती एक्टिवेशन्स के कुशल पुन: उपयोग को सक्षम करने के लिए रणनीतिक रूप से परटर्बेशन्स (perturbations) आवंटित करती है, जिससे संसाधन-सीमित उपकरणों पर लार्ज लैंग्वेज मॉडल्स की फाइन-ट्यूनिंग के लिए कम्प्यूटेशनल मांग में 3 गुना कमी आती है और साथ ही फेडरेटेड लर्निंग के मेमोरी और कम्युनिकेशन लाभ भी बने रहते हैं।
यह शोध पत्र FinP प्रस्तुत करता है, जो एक नवीन फेडरेटेड लर्निंग फ्रेमवर्क है जो सर्वर-साइड एडेप्टिव एग्रीगेशन और क्लाइंट-साइड रेगुलराइजेशन को संयोजित करके 'फेयरनेस-इन-प्राइवेसी' (fairness-in-privacy) को लागू करता है ताकि ग्लोबल मॉडल की उपयोगिता को बनाए रखते हुए सोर्स इन्फरेंस अटैक्स (Source Inference Attacks) के विरुद्ध प्राइवेसी जोखिम में असमानताओं को महत्वपूर्ण रूप से कम किया जा सके।
यह शोध पत्र रिकरेंट ग्राफ यू-नेट (ReGUNet) को प्रस्तुत करता है, जो एक ग्राफ न्यूरल नेटवर्क सरोगेट मॉडल है जो मौजूदा विधियों की तुलना में जटिल वाहन पैनल घटकों के क्रैशवर्थनेस और गतिशील विरूपण की भविष्यवाणी करने की सटीकता और कम्प्यूटेशनल दक्षता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र RUB, एक एकीकृत बेंचमार्क और अनलर्निंग मैपिंग अटैक (UMA) को पेश करता है ताकि मशीन अनलर्निंग की मजबूती का मूल्यांकन किया जा सके जो प्रतिकूल रिकवरी प्रयासों के विरुद्ध हो, जिससे यह पता चलता है कि वर्तमान अत्याधुनिक विधियाँ मानक सत्यापन मेट्रिक्स पास करने के बावजूद असुरक्षित बनी हुई हैं।
यह शोध पत्र GeometrE को प्रस्तुत करता है, जो नॉलेज ग्राफ पर मल्टी-हॉप रीजनिंग के लिए एक ज्यामितीय एम्बेडिंग विधि है जो सभी तार्किक परिचालनों को शुद्ध ज्यामितीय रूपांतरणों में मैप करती है और तार्किक नियमों को संरक्षित करने के लिए एक नवीन ट्रांजिटिव लॉस फंक्शन का उपयोग करती है, जिससे मौजूदा ज्यामितीय दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्राप्त होता है और न्यूरल-आधारित विधियों के साथ प्रतिस्पर्धी परिणाम बनाए रखता है।
यह शोध पत्र मल्टी-सोर्स डेटा फ्यूजन में कॉज़ल ग्राफ्स की जटिलता को कम करने के लिए प्रीप्रोसेसिंग तकनीकों के रूप में प्रूनिंग (pruning) और क्लस्टरिंग (clustering) का प्रस्ताव करता है, जिसके अंतर्गत उन स्थितियों को व्युत्पन्न किया गया है जिनके तहत ये संचालन कॉज़ल आइडेंटिफिएबिलिटी (causal identifiability) को बनाए रखते हैं और जटिल मॉडलों के लिए आइडेंटिफाइंग फंक्शनल्स (identifying functionals) के निर्माण को सक्षम बनाते हैं।
यह शोध पत्र एक हाइब्रिड रीइन्फोर्समेंट ट्विनिंग फ्रेमवर्क प्रस्तावित करता है जो साझा ज्ञान और एक पॉलिसी रेफरी का लाभ उठाकर वास्तविक वातावरण और अनुकूलन योग्य आभासी मॉडल के बीच कार्यों को समन्वित करने के लिए एक मॉडल-आधारित डिजिटल ट्विन को मॉडल-फ्री रीइन्फोर्समेंट लर्निंग एजेंट के साथ एकीकृत करता है, ताकि फ्लैपिंग-विंग ड्रोन के सुदृढ़, सैंपल-कुशल और सुरक्षित नियंत्रण को प्राप्त किया जा सके।
यह शोध पत्र वन्यजीव प्रजातियों की भौगोलिक सीमाओं का लाभ उठाकर वैश्विक स्तर पर ऑडियो जियोलोकेशन (ध्वनि भू-स्थान निर्धारण) की व्यवहार्यता की जांच करता है, जो प्रजाति सीमा भविष्यवाणी को रिट्रीवल-आधारित तकनीकों के साथ संयोजित करने वाली एक हाइब्रिड विधि का प्रस्ताव करता है और बेंचमार्क, स्पैटियोटेम्पोरल एकत्रीकरण और मल्टीमॉडल केस स्टडीज के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है।