cs.LG

When and why randomised exploration works (in linear bandits)

यह शोध-पत्र रैंडमाइज्ड एक्सप्लोरेशन एल्गोरिदम, जैसे कि थॉम्पसन सैंपलिंग, के लिए एक नवीन विश्लेषण ढांचे को प्रस्तुत करता है जो स्मूथ, स्ट्रॉन्गली कॉनवेक्स $d$-डायमेंशनल लीनियर बैंडिट सेटिंग्स में यह सिद्ध करने के लिए मजबूर आशावाद (forced optimism) या पोस्टीरियर इन्फ्लेशन से बचता है कि वे एक इष्टतम $O(d\sqrt{n} \log n)$ रिग्रेट बाउंड प्राप्त करते हैं।

Certified Neural Approximations of Nonlinear Dynamics

यह शोध पत्र एक नवीन, अनुकूलनीय और समानांतर करने योग्य (parallelizable) सत्यापन पद्धति प्रस्तुत करता है जो गैर-रेखीय गतिशील प्रणालियों (nonlinear dynamical systems) के न्यूरल नेटवर्क सन्निकटन (approximations) के लिए औपचारिक त्रुटि सीमाएं प्रदान करता है, जिससे सुरक्षा-महत्वपूर्ण संदर्भों में उनकी सुरक्षित तैनाती सक्षम होती है और यह न्यूरल नेटवर्क संपीड़न (compression) तथा कूपमैन ऑपरेटर-आधारित प्रक्षेपवक्र भविष्यवाणी (Koopman operator-based trajectory prediction) सहित विभिन्न बेंचमार्क पर अत्याधुनिक दृष्टिकोणों से बेहतर प्रदर्शन करता है।

Model-Preserving Adaptive Rounding

यह शोध पत्र YAQA को प्रस्तुत करता है, जो एक अनुकूली राउंडिंग क्वांटाइजेशन एल्गोरिदम है जो हेसियन सन्निकटन (Hessian approximations) पर आधारित सैद्धांतिक एंड-टू-एंड त्रुटि सीमाओं का लाभ उठाता है ताकि बिना किसी इन्फरेंस ओवरहेड के GPTQ और क्वांटाइजेशन-अवेयर ट्रेनिंग जैसे मौजूदा तरीकों से काफी बेहतर प्रदर्शन किया जा सके।

Uncovering Insights of Compound Flooding with Data-Driven AI

साउथ फ्लोरिडा के एक बड़े पैमाने के डेटा-संचालित विश्लेषण के माध्यम से, यह अध्ययन प्रकट करता है कि संयुक्त बाढ़ (कंपाउंड फ्लडिंग) दीर्घकालिक अस्थायी निर्भरताओं या वर्षा की तीव्रता मात्र के बजाय स्थानिक रूप से युग्मित प्रणाली अवस्थाओं—विशेष रूप से भूजल संतृप्ति और आसपास की स्टेशन स्थितियों—द्वारा अधिक नियंत्रित होती है, जिससे मौजूदा पूर्वानुमान प्रतिमानों को चुनौती मिलती है और भौतिक रूप से आधारित प्रारंभिक चेतावनी प्रणालियों का समर्थन मिलता है।

MesaNet: Sequence Modeling by Locally Optimal Test-Time Training

Reusing Trajectories in Policy Gradients Enables Fast Convergence

यह शोध पत्र RT-PG को प्रस्तुत करता है, जो एक नवीन पॉलिसी ग्रेडिएंट एल्गोरिदम है जो कठोरता से सिद्ध करता है कि एक पावर मीन-करेक्टेड मल्टीपल इम्पोर्टेंस वेटिंग एस्टीमेटर के माध्यम से पिछले ऑफ-पॉलिसी ट्राजेक्टरीज का पुन: उपयोग करना अभिसरण (convergence) को $\tilde{O}(\epsilon^{-1})$ की सैंपल कॉम्प्लेक्सिटी तक त्वरित करता है, जिससे पॉलिसी ग्रेडिएंट विधियों के लिए सर्वोत्तम-ज्ञात दर प्राप्त होती है।

Neural Langevin Machine: a local asymmetric learning rule can be creative

यह शोध पत्र न्यूरल लैंगिवियन मशीन (Neural Langevin Machine) का परिचय देता है, जो एक जैविक रूप से प्रशंसनीय जनरेटिव मॉडल है जो छवियों को संग्रहीत करने, शोर दूर करने (denoise) और रचनात्मक रूप से उत्पन्न करने के लिए स्थानीय असममित शिक्षण नियमों (local asymmetric learning rules) और न्यूरल लैंगिवियन डायनेमिक्स का उपयोग करता है, जबकि यह स्मृति (memorization) से सामान्यीकरण (generalization) की ओर एक संक्रमण प्रदर्शित करता है।

TF-DWGNet: A Directed Weighted Graph Neural Network with Tensor Fusion for Multi-Omics Cancer Subtype Classification

यह शोध पत्र TF-DWGNet का प्रस्ताव करता है, जो एक नवीन व्याख्यात्मक ग्राफ न्यूरल नेटवर्क ढांचा है जो कैंसर उपप्रकार वर्गीकरण में सुधार के लिए मल्टी-ओमिक्स डेटा में विषमता और जटिल निर्भरताओं को प्रभावी ढंग से संबोधित करने हेतु टेंसर फ्यूजन के साथ पर्यवेक्षित ट्री-आधारित निर्देशित भारित ग्राफ निर्माण को एकीकृत करता है।

Overclocking Electrostatic Generative Models

यह शोध पत्र इनवर्स पॉइसन फ्लो मैचिंग (IPFM) प्रस्तुत करता है, जो एक सिद्धांत-आधारित डिस्टिलेशन फ्रेमवर्क है जो डिस्टिलेशन को एक इनवर्स प्रॉब्लम के रूप में पुनर्गठित करके PFGM++ जैसे इलेक्ट्रोस्टैटिक जनरेटिव मॉडल्स को त्वरित करता है, जिससे कम फंक्शन इवैल्यूएशन के साथ उच्च-गुणवत्ता वाले सैंपल जनरेशन को सक्षम बनाया जा सके और डिफ्यूजन लिमिट में स्कोर आइडेंटिटी डिस्टिलेशन को रिकवर किया जा सके तथा सीमित ऑक्सिलरी डायमेंशन्स पर तेज़ कन्वर्जेंस प्रदर्शित किया जा सके।

Flow Matching Calibration for Simulation-Based Inference under Model Misspecification

यह शोधपत्र फ्लो मैचिंग करेक्टेड पोस्टीरियर एस्टीमेशन (FMCPE) को प्रस्तुत करता है, जो एक दो-चरणीय ढांचा है जो मॉडल मिसस्पेसिफिकेशन के कारण सिमुलेशन-आधारित अनुमान में पक्षपाती या अति-आत्मविश्वासी पोस्टीरियर वितरणों को ठीक करने के लिए फ्लो मैचिंग और अंशांकन नमूनों के एक छोटे सेट का लाभ उठाता है, जिससे अंतर्निहित त्रुटियों के स्पष्ट ज्ञान की आवश्यकता के बिना अनुमान सटीकता और अनिश्चितता परिमाणीकरण में सुधार होता है।