22512 पेपर
यह शोध पत्र टाइम डिले (time delay) की भरपाई के लिए फर्स्ट ऑर्डर लैग प्लस टाइम डिले सिस्टम हेतु PID कंट्रोलर मापदंडों को अनुकूलित करने के लिए एक जेनेटिक एल्गोरिदम का उपयोग करने का प्रस्ताव देता है, जो इटरेटिव मेथड (Iterative Method) और ज़िग्लर-निकोल्स नियम (Ziegler-Nichols rule) दृष्टिकोणों के विरुद्ध परिणामों की तुलना करके इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोधपत्र एक नवीन टोपोलॉजी-जागरूक कर्नेल और सक्रिय शिक्षण एल्गोरिदम के साथ एक गॉसियन प्रोसेस फ्रेमवर्क प्रस्तावित करके पावर सिस्टम के लिए मशीन लर्निंग में औपचारिक विश्वसनीयता गारंटी की कमी को संबोधित करता है, जो वोल्टेज जोखिम पर प्रमाणित संभाव्य सीमाओं के साथ सटीक और डेटा-कुशल पावर फ्लो भविष्यवाणियां प्रदान करता है।
यह शोधपत्र तर्क देता है कि लार्ज लैंग्वेज मॉडल्स के युग में एडवर्सरियल मशीन लर्निंग अनुसंधान में गिरावट आई है, क्योंकि अब यह क्षेत्र तेजी से अस्पष्ट, कठिन और मूल्यांकन करने में कठिन समस्याओं से जूझ रहा है, जिससे यह चिंता उत्पन्न होती है कि एक दशक का और कार्य भी कोई सार्थक प्रगति नहीं ला पाएगा।
ReciNet एक नवीन आर्किटेक्चर है जो ज्यामितीय GNNs को रेसिप्रोकल स्पेस-आधारित फूरियर निरूपणों के साथ एकीकृत करता है ताकि लघु- और दीर्घ-रेंज इंटरैक्शन को प्रभावी ढंग से मॉडल किया जा सके, जिससे कई बेंचमार्क में विभिन्न क्रिस्टलीय गुणों की भविष्यवाणी करने में अत्याधुनिक सटीकता प्राप्त होती है।
यह शोध पत्र गॉसियन न्यूरल पोस्टीरियर एस्टीमेशन का उपयोग करते हुए एक सिमुलेशन-आधारित अनुमान पद्धति प्रस्तुत करता है जो एकल GPU पर हजारों डेटा-प्रतिबंधित कॉस्मोलॉजिकल इनिशियल कंडीशन सैंपल्स को तेजी से उत्पन्न करने के लिए, बेयसियन कंसिस्टेंसी टेस्ट के माध्यम से सटीकता बनाए रखते हुए मौजूदा तकनीकों की तुलना में आदेशों-का-परिमाण (ऑर्डर्स-ऑफ-मैग्निट्यूड) अधिक गति में सुधार प्रदान करता है।
यह शोध पत्र पूर्ववर्ती (posterior) को उत्तरवर्ती (end-to-end) निर्देशित जनरेशन के एक लालची सन्निकटन (greedy approximation) के रूप में फ्रेम करके दोनों को एकीकृत करता है, जिससे एक नई इंटरपोलेशन विधि सक्षम होती है जो फ्लो और डिफ्यूजन मॉडल्स में ट्रेनिंग-फ्री कंट्रोल के लिए कम्प्यूटेशनल लागत और ग्रेडिएंट सटीकता के बीच संतुलन बनाती है।
यह शोध पत्र रूबस्ट रिकरेंट डीप नेटवर्क (R2DN) को प्रस्तुत करता है, जो स्थिर और लिप्सचिट्ज़ रिकरेंट न्यूरल नेटवर्क का एक स्केलेबल पैरामीट्राइजेशन है जो पुनरावृत्ति इक्विलिब्रियम समाधान की आवश्यकता को समाप्त करता है, जिससे सिस्टम आइडेंटिफिकेशन, ऑब्जर्वर डिजाइन और कंट्रोल कार्यों में तुलनीय प्रदर्शन बनाए रखते हुए रिकरेंट इक्विलिब्रियम नेटवर्क्स (RENs) की तुलना में काफी तेज प्रशिक्षण और अनुमान गति प्राप्त होती है।
यह शोध पत्र ट्रैजेक्टरी डेटा से मोटश-टैडमोर मॉडल में असममित इंटरेक्शन कर्नेलल (asymmetric interaction kernels) को मजबूती से पहचानने के लिए एक वेरिएशनल फ्रेमवर्क के भीतर एक स्पार्स बायेसियन लर्निंग एल्गोरिदम का प्रस्ताव करता है, जो पहचान योग्यता (identifiability) की शर्तों को स्थापित करता है और व्यापक संख्यात्मक प्रयोगों के माध्यम से इसकी सटीकता और अनिश्चितता परिमाणीकरण क्षमताओं का प्रदर्शन करता है।
यह शोध पत्र फॉरवर्ड-बैकवर्ड कम्पैटिबिलिटी पर आधारित एक इनवेरिएंस-अवेयर फ्रेमवर्क पेश करके मानक मॉडल स्टिचिंग की कार्यात्मक समानता को सटीक रूप से मूल्यांकन करने की सीमा को संबोधित करता है, जो अलग-अलग सूचना संकेतों (इन्फॉर्मेशन क्यूज़) पर निर्भर मॉडलों के कारण होने वाली कार्यात्मक विसंगतियों को प्रकट करता है।
TIDFormer एक कुशल और व्याख्या योग्य गतिशील ग्राफ ट्रांसफॉर्मर है जो कैलेंडर-आधारित समय विभाजन, प्रथम-क्रम पड़ोसी संपर्क एम्बेडिंग और बिना किसी जटिल अतिरिक्त मॉड्यूल की आवश्यकता के एक सरल विशेषता अपघटन तंत्र के माध्यम से टेम्पोरल और इंटरैक्टिव डायनेमिक्स का प्रभावी ढंग से लाभ उठाकर अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।