🤖 Category

cs.LG

22512 पेपर

🤖 machine learning

Expectations vs. Realities: The Cost of MSE-Optimal Forecasting Under Conditional Uncertainty

यह शोध पत्र प्रदर्शित करता है कि मल्टी-स्टेप टाइम सीरीज़ फोरकास्टिंग में मीन स्क्वेयर्ड एरर (MSE) को कम करना कंडीशनल अनसर्टेन्टी के तहत पॉइंट एक्यूरेसी और मार्जिनल रियलिज्म के बीच एक मौलिक ट्रेड-ऑफ पैदा करता है, जो यह प्रकट करता है कि MSE में मामूली छूट अक्सर यथार्थवादी परिवर्तनशीलता में पर्याप्त लाभ प्रदान करती है और लॉन्ग-होरिज़न प्रेडिक्शन्स के लिए मानक मूल्यांकन मेट्रिक्स की सीमाओं को उजागर करती है।

Riku Green, Zahraa S. Abdallah, Telmo M Silva Filho2026-06-04
🤖 machine learning

Spatially Grounded Concept Bottleneck Models via Part-Factorized Attention

यह शोध पत्र एक पार्ट-फैक्टराइज्ड (part-factorized) कॉन्सेप्ट बॉटलनेक मॉडल प्रस्तुत करता है जो स्थानिक ग्राउंडिंग (spatial grounding) को कॉन्सेप्ट अटेंशन में लागू करने के लिए एक फ्रोजन (frozen) DINOv3 विजन ट्रांसफार्मर, एक फोरग्राउंड गेट और एक लर्नबल (learnable) गॉसियन स्थानिक प्रायोर (Gaussian spatial prior) का लाभ उठाता है, जिससे न्यूनतम या बिना प्रति-छवि पर्यवेक्षण के CUB-200-2011 डेटासेट पर प्रतिस्पर्धी वर्गीकरण प्रदर्शन बनाए रखते हुए पॉइंटिंग सटीकता में महत्वपूर्ण सुधार होता है।

Dhanesh Ramachandram2026-06-04
📊 statistics

When Do Fewer Coordinates Suffice in DP-SGD?

यह शोध पत्र TP-TopK को प्रस्तुत करता है, जो एक दो-चरणीय डिफरेंशियल प्राइवेट प्रशिक्षण विधि है जो एक निजी वॉर्म-अप चरण के दौरान एक स्पार्स कोऑर्डिनेट सपोर्ट की पहचान करती है ताकि शोर के स्केलिंग को पूर्ण पैरामीटर आयाम से सक्रिय आयाम तक कम किया जा सके, जिससे सार्वजनिक डेटा की आवश्यकता के बिना अनुकूलन दक्षता में सुधार होता है।

Huiqi Zhang, Fang Xie2026-06-04
🤖 machine learning

From Symbolic to Geometric: Enabling Spatial Reasoning in Large Language Models

यह शोध पत्र स्पेशियल लैंग्वेज मॉडल (SLM) को प्रस्तुत करता है, जो एक नवीन मल्टीमॉडल फ्रेमवर्क है जो स्थानिक स्थानों को एक प्रथम-श्रेणी की मोडैलिटी के रूप में मानकर प्रतीकात्मक पैटर्न मिलान के स्थान पर मूल ज्यामितीय तर्क को प्रतिस्थापित करता है, जिससे एक समर्पित प्रशिक्षण डेटासेट और एक नए मूल्यांकन बेंचमार्क के उपयोग के माध्यम से स्थानिक तर्क कार्यों पर मौजूदा LLMs से काफी बेहतर प्रदर्शन करता है।

Chen Chu, Bita Azarijoo, Li Xiong, Khurram Shafique, Cyrus Shahabi2026-06-04
📊 statistics

Revisiting Privacy Amplification by Subsampling in Selective Release DPSGD

यह शोध पत्र DPSR-CG एल्गोरिदम का प्रस्ताव करता है, जो चयनात्मक रिलीज तंत्र (selective release mechanism) की सैंपलिंग प्रोबेबिलिटी विविधताओं का कड़ाई से विश्लेषण करके मौजूदा DPSUR पद्धति में त्रुटिपूर्ण गोपनीयता लेखांकन (privacy accounting) को सुधारता है, जिससे कई डेटासेट में सख्त गोपनीयता गारंटी और बेहतर मॉडल उपयोगिता दोनों प्राप्त होती है।

Xiaobo Huang, Fang Xie2026-06-04
📊 statistics

Knockoffs-based False Discovery Rate Control and Simplification for Deep Neural Networks

यह शोध पत्र डीप न्यूरल नेटवर्क के लिए तीन नॉकऑफ-आधारित वेरिएबल स्क्रीनिंग विधियों का प्रस्ताव करता है जो गलत खोज दर (फॉल्स डिस्कवरी रेट) को नियंत्रित करते हुए अप्रासंगिक इनपुट्स की पहचान करके और उन्हें हटाकर गणनात्मक जटिलता को प्रभावी ढंग से कम करते हैं।

Huiqi Zhang, Wenyu Liao, Yiqing Shi, Xiaobo Huang, Fang Xie2026-06-04
🤖 AI

An Empirical Study of Data Scale, Model Complexity, and Input Modalities in Visual Generalization

यह शोध पत्र अनुभवजन्य रूप से इस बात की जांच करता है कि डेटा का पैमाना, मॉडल की जटिलता और इनपुट मोडैलिटीज विजुअल जनरलाइजेशन (दृश्य सामान्यीकरण) को कैसे प्रभावित करते हैं, जिसमें यह पाया गया है कि प्रशिक्षण डेटा में वृद्धि लगातार प्रदर्शन में सुधार करती है जबकि मॉडल की जटिलता अस्थिर लाभ प्रदान करती है और विशिष्ट इनपुट विशेषताओं का प्रभाव विभिन्न आर्किटेक्चरों में भिन्न होता है।

Luoyidi Zhou2026-06-04
📊 statistics

Flatness and Generalization: Learning Multi-Index Models with Homogeneous Neural Networks

यह शोध पत्र होमोजेनियस न्यूरल नेटवर्क के साथ मल्टी-इंडेक्स मॉडल सीखने के लिए, विशिष्ट "सबसे चपटे" इंटरपोलेटर्स (जो क्रमवार न्यूनतम सपाटता वाले हैं) के निरंतर निम्न जनसंख्या हानि (population loss) प्राप्त करने को सिद्ध करके, नेटवर्क समरूपताओं और "चपटापन सामान्यीकरण को दर्शाता है" (flatness implies generalization) हीयुरिस्टिक के बीच स्पष्ट विरोधाभास को हल करता है, जिससे चपटेपन और सामान्यीकरण के बीच एक सीधा संबंध स्थापित होता है।

Harsh Vardhan, Hossein Taheri, Arya Mazumdar2026-06-04
📊 statistics

RowNet: A Memory Transformer for Tabular Regression

यह शोधपत्र RowNet को प्रस्तुत करता है, जो एक रिट्रीवल-आधारित न्यूरल आर्किटेक्चर है जो रियल एस्टेट मूल्य-प्रति-वर्ग-मीटर भविष्यवाणी में सुधार के लिए लेबल किए गए गुणों के मेमोरी बैंक और मल्टी-स्टेज अटेंशन मैकेनिज्म का लाभ उठाकर तुलनीय गुण संबंधों को मॉडल करता है, जो स्पार्स क्षेत्रीय प्रभावों और नॉनलीनर इंटरैक्शन को संभालने में मानक MLPs और ग्रेडिएंट-बूस्टेड ट्रीज़ की सीमाओं को संबोधित करता है।

Askat Rakhymbekov, Gulshat Muhametjanova2026-06-04
🤖 machine learning

Radiomic Feature Selection Using Gradient Loss of Deep Neural Network for Lung Cancer Stage Detection

यह अध्ययन एक ग्रेडिएंट-लॉस रिकर्सिव फीचर एलिमिनेशन (GL-RFE) फ्रेमवर्क प्रस्तावित करता है जो फेफड़ों के सीटी स्कैन से इष्टतम रेडियोमिक विशेषताओं को चुनने के लिए डीप न्यूरल नेटवर्क ग्रेडिएंट संवेदनशीलता का लाभ उठाता है, जिससे प्रारंभिक अवस्था और उन्नत अवस्था के फेफड़ों के कैंसर के बीच अंतर करने में उच्च सटीकता प्राप्त होती है और साथ ही मॉडल की व्याख्यात्मकता और सामान्यीकरण में वृद्धि होती है।

Hina Shakir, Mohammad Mohatram, Javeed Hussain, Syed Rizwan Ali, Muhammad Irfan Memon2026-06-04