19863 पेपर
यह शोध पत्र उच्च ऊर्जा भौतिकी और ब्रह्मांड विज्ञान में जटिल, गैर-गाऊसी (non-Gaussian) लाइकलीहुड लैंडस्केप्स को कुशलतापूर्वक अनुकरण करने के लिए XGBoost का उपयोग करते हुए एक पारदर्शी मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है, जिसे मेसॉन क्षय विश्लेषणों के माध्यम से मान्य किया गया है और भौतिक व्याख्यात्मकता के लिए SHAP मानों द्वारा उन्नत किया गया है।
यह शोधपत्र फेडरेटेड सुदृढीकरण शिक्षण (Federated Reinforcement Learning) के लिए एक हल्का, दंड-आधारित एकत्रीकरण नियम प्रस्तावित करता है जो सर्वर-साइड अपडेट में अनुमानित बाधा उल्लंघन (constraint violations) को शामिल करता है, जो सिंथेटिक और वास्तविक दुनिया के डेटासेट दोनों में माइक्रोग्रिड ऊर्जा समन्वय कार्यों के माध्यम से FedAvg जैसी मानक विधियों की तुलना में बेहतर सुरक्षा और पुरस्कार ट्रेड-ऑफ प्रदर्शित करता है।
यह शोध पत्र एक लर्निंग-एक्सेलेरेटेड ADMM एल्गोरिदम प्रस्तावित करता है जो परिदृश्य-आधारित मॉडल प्रेडिक्टिव कंट्रोल समस्याओं को कुशलतापूर्वक हल करने के लिए समानांतर कंप्यूटिंग और मोरो एनवेलप लर्निंग का लाभ उठाता है, जिससे वास्तविक समय के माइक्रोग्रिड ऊर्जा प्रबंधन अनुप्रयोगों में उच्च सटीकता बनाए रखते हुए पारंपरिक सॉल्वर की तुलना में पर्याप्त कम्प्यूटेशनल गति प्राप्त होती है।
यह शोध पत्र ANGLE को प्रस्तुत करता है, जो एक हल्का (lightweight) गहरा जनरेटिव फ्रेमवर्क है जो सर्कुलर डेटा पर गैर-पैरामीट्रिक वितरण प्रतिगमन (non-parametric distributional regression) करने के लिए एक सामान्यीकृत सर्कुलर एनर्जी स्कोर का उपयोग करता है, जिससे पारंपरिक प्रतिगमन विधियों की ज्यामितीय सीमाओं को दूर किया जा सके और ऑब्जेक्ट पोज़ एस्टीमेशन और विंड डायरेक्शन प्रेडिक्शन जैसे कार्यों में बेहतर प्रदर्शन प्रदर्शित किया जा सके।
यह शोध पत्र ROBIN को प्रस्तुत करता है, जो एक व्हाइट-बॉक्स विधि है जो संवेदनशील अटेंशन हेड्स की पहचान करके और उनके आउटपुट से बायस सबस्पेस को हटाकर ट्रांसफॉर्मर मॉडल्स में बायस को स्थानीयकृत और मरम्मत करती है, जिससे होल-हेड ज़ीरोइंग की तुलना में भाषा की गुणवत्ता को बेहतर ढंग से संरक्षित करते हुए कम फेयरनेस गैप प्राप्त होता है।
यह शोध पत्र Deep4ge को प्रस्तुत करता है, जो 59 डीप न्यूरल नेटवर्क प्रोग्रामों से 14,000 से अधिक प्रति-इपोक (per-epoch) प्रशिक्षण रन और उनमें इंजेक्ट की गई त्रुटियों (faults) से बना एक व्यापक बेंचमार्क डेटासेट है, जिसे डीप लर्निंग सिस्टम में सूक्ष्म कार्यान्वयन त्रुटियों का पता लगाने और निदान करने में अनुसंधान का समर्थन करने के लिए डिज़ाइन किया गया है।
LatentFlow एक प्रशिक्षण-मुक्त (training-free), सामान्य ढांचा है जो एक नियत मैपिंग (deterministic mapping) और एक एकल रिवर्स-टाइम SDE के माध्यम से समस्या को सुलभ लेटेंट-स्पेस इन्फरेंस में बदलकर विविध स्टोकेस्टिक प्रक्रियाओं के सटीक कंडीशनल सैंपलिंग को सक्षम बनाता है।
यह शोधपत्र जनरेटिव मॉडल वॉटरमार्क्स के लिए एक मौलिक सूचना-सैद्धांतिक ढांचा स्थापित करता है, जो यह सिद्ध करता है कि सांख्यिकीय रूप से विरूपण-मुक्त मल्टी-यूज़र एट्रिब्यूशन और पेलोड निष्कर्षण के लिए नमूना लंबाई (सैंपल लेंथ) गुप्त एंट्रॉपी और स्रोत की एंट्रॉपी दर के अनुपात में आवश्यक होती है, जबकि यह डिटेक्शन, एट्रिब्यूशन और लोकलाइजेशन के बीच अंतर्निहित समझौतों (ट्रेड-ऑफ) को भी प्रकट करता है।
यह शोध पत्र तर्क देता है कि स्पेक्ट्रल प्रेडिक्टेबिलिटी इंडेक्स (spectral predictability indices) संदर्भ जोड़ने (जैसे कि रिट्रीवल या फाउंडेशन मॉडल्स) के मूल्य को निर्धारित करने में विफल रहते हैं क्योंकि वे फेज़-डिपेंडेंट (phase-dependent), सेकंड-ऑर्डर से परे की संरचनाओं की उपेक्षा करते हैं, और इसके बजाय एक "कवरेज डेफिसिट" (coverage deficit) डायग्नोस्टिक का प्रस्ताव देता है ताकि सटीक रूप से आकलन किया जा सके कि कब ऐसे प्रासंगिक संवर्द्धन टाइम-सीरीज फोरकास्टिंग में सुधार करेंगे।
यह शोध पत्र GyroFlow को प्रस्तुत करता है, जो एक लेटेंट जनरेटिव मॉडल है जो सांख्यिकीय रूप से स्थिर अवस्था वाले जाइरोकाइनेटिक टर्बुलेंस (gyrokinetic turbulence) को सीधे सैंपल करने के लिए गणनात्मक रूप से महंगे ट्रांजिएंट डायनेमिक्स को दरकिनार करता है, जिससे मौजूदा ऑटोरेग्रेसिव और रिड्यूस्ड-ऑर्डर दृष्टिकोणों की तुलना में महत्वपूर्ण गति और बेहतर सटीकता प्राप्त होती है।