22512 पेपर
यह अध्ययन ब्राजील में 9वीं कक्षा और हाई स्कूल के छात्रों के प्रदर्शन के मुख्य चालक के रूप में व्यक्तिगत विशेषताओं के बजाय प्रणालीगत स्कूल-स्तरीय सामाजिक-आर्थिक कारकों को प्रदर्शित करने के लिए SAEB माइक्रोडेटा पर एक रैंडम फॉरेस्ट मशीन लर्निंग मॉडल का उपयोग करता है, जो न्यायसंगत शैक्षिक नीतियों को डिजाइन करने के लिए एक व्याख्या योग्य उपकरण प्रदान करता है।
यह शोध पत्र SGD प्रीकंडीशनर्स (preconditioners) को डिजाइन करने के लिए एक सैद्धांतिक ढांचा स्थापित करता है जो प्रीकंडीशनर-प्रेरित मीट्रिक (metric) में स्थानीय कंडीशनिंग में सुधार करके अभिसरण दरों (convergence rates) को अनुकूलित करने और स्टोकेस्टिक शोर फ्लोर (stochastic noise floors) को कम करने को एक साथ अनुकूलित करता है, एक ऐसा सिद्धांत जिसे वैज्ञानिक मशीन लर्निंग बेंचमार्क पर प्रयोगों के माध्यम से मान्य किया गया है।
यह शोध पत्र CuMA का प्रस्ताव करता है, जो एक जनसांख्यिकीय-जागरूक (demographic-aware) 'मिक्सचर ऑफ एडेप्टर्स' फ्रेमवर्क है जो विरोधाभासी सांस्कृतिक ग्रेडिएंट्स को विशिष्ट विशेषज्ञ उप-स्थानों (specialized expert subspaces) में अलग करके लार्ज लैंग्वेज मॉडल्स में "मीन कोलैप्स" (Mean Collapse) को कम करता है, जिससे विविध सांस्कृतिक मूल्यों के साथ मॉडल्स को संरेखित करने में अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र मेन (Maine) की झीलों में लुप्त टाइम-सीरीज डेटा के साथ सेकी डिस्क डेप्थ (Secchi Disk Depth) के पूर्वानुमान के लिए एक डेटा-संचालित ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि मल्टीपल इम्प्यूटेशन (multiple imputation) का उपयोग करने वाला एक सरल रिज रिग्रेशन मॉडल न्यूनतम प्रशिक्षण नमूनों और एक एकल भविष्यवक्ता (predictor) के साथ निकट-इष्टतम सटीकता प्राप्त कर सकता है, जिससे कुशल झील निगरानी के लिए एक व्यावहारिक रणनीति स्थापित होती है।
कैरियस (Kareus) एक प्रशिक्षण प्रणाली है जो संयुक्त अनुकूलन समस्या को विभाजन-आधारित उप-समस्याओं में विभाजित करके और एक मल्टी-पास मल्टी-ऑब्जेक्टिव एल्गोरिदम का उपयोग करके बड़े मॉडल प्रशिक्षण में गतिशील और स्थिर दोनों ऊर्जा खपत को एक साथ अनुकूलित करती है, जिससे अत्याधुनिक तरीकों की तुलना में प्रशिक्षण समय या ऊर्जा खपत में से किसी एक में महत्वपूर्ण कमी आती है।
यह शोध पत्र बल्क-कैलिब्रेटेड क्रेडियल एम्बिग्युटी सेट्स (bulk-calibrated credal ambiguity sets) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो डेटा-संचालित बल्क मॉडलिंग को अलग टेल बाउंडिंग (tail bounding) के साथ जोड़ता है ताकि आउट-ऑफ-सैंपल संदूषण (out-of-sample contamination) के तहत सुलभ, परिमित वितरणally रोबस्ट ऑप्टिमाइज़ेशन (distributionally robust optimization) को सक्षम बनाया जा सके और इम्प्रेसिस प्रोबेबिलिटी थ्योरी (imprecise probability theory) को व्याख्या योग्य निर्णय लेने की प्रक्रिया के साथ जोड़ा जा सके।
यह शोध पत्र उन फलनों (functions) को कुशलतापूर्वक अनुकूलित करने के लिए एक अनुक्रमिक मोंटे कार्लो (sequential Monte Carlo - SMC) आधारित दृष्टिकोण प्रस्तुत करता है जिनके ग्रेडिएंट (gradients) जटिल या अगम्य हैं, जो पारंपरिक स्टोकेस्टिक सन्निकटन विधियों की तुलना में महत्वपूर्ण कम्प्यूटेशनल लाभ प्रदान करता है और साथ ही सैद्धांतिक अभिसरण (convergence) स्थापित करता है तथा ऊर्जा-आधारित मॉडलों (energy-based models) को ट्यून करने में प्रभावशीलता प्रदर्शित करता है।
यह शोधपत्र SCALE प्रस्तुत करता है, जो विजन-लैंग्वेज-एक्शन मॉडलों के लिए एक प्रशिक्षण-मुक्त, सिंगल-पास इन्फरेंस रणनीति है जो विजुअल परसेप्शन और एक्शन निष्पादन दोनों को गतिशील रूप से अनुकूलित करने के लिए सेल्फ-अनसर्टेन्टी (स्व-अनिश्चितता) का लाभ उठाती है, जिससे बिना किसी अतिरिक्त प्रशिक्षण या सत्यापनकर्ता (वेरिफायर) के मजबूती बढ़ती है और मौजूदा टेस्ट-टाइम स्केलिंग विधियों से बेहतर प्रदर्शन करती है।
यह शोध पत्र ग्राफ पर जनरलाइज्ड श्रोडिंगर ब्रिज (GSBoG) प्रस्तुत करता है, जो एक स्केलेबल, डेटा-संचालित ढांचा है जो एंडपॉइंट बाधाओं को संतुष्ट करने और स्टेट-डिपेंडेंट रनिंग कॉस्ट को कम करने के लिए ट्राजेक्टरी-लेवल लाइकलीहुड्स को अनुकूलित करके किसी भी मनमाने ग्राफ पर निष्पादन योग्य कंटीन्यूअस-टाइम मार्कोव चेन पॉलिसियों को सीखता है।
यह शोध पत्र पदानुक्रमित उत्तराधिकारी प्रतिनिधित्व (Hierarchical Successor Representation - HSR) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो शास्त्रीय उत्तराधिकारी प्रतिनिधित्वों की नीति निर्भरता (policy dependence) और स्पेक्ट्रल डिफ्यूजन (spectral diffusion) को दूर करने के लिए टेम्पोरल एब्स्ट्रैक्शन (temporal abstractions) और नॉन-नेगेटिव मैट्रिक्स फैक्टराइजेशन (non-negative matrix factorization) का लाभ उठाता है, जिससे जटिल, गैर-स्थिर वातावरण में सुदृढ़, सैंपल-कुशल स्थानांतरण और कुशल अन्वेषण सक्षम होता है।