22775 पेपर
यह शोध पत्र GottBERT को प्रस्तुत करता है, जो OSCAR डेटासेट पर प्री-ट्रेन किया गया पहला जर्मन एकल-भाषा RoBERTa मॉडल है, जो मौजूदा जर्मन और बहुभाषी मॉडलों की तुलना में विभिन्न NLP कार्यों में प्रतिस्पर्धी प्रदर्शन प्रदर्शित करता है, साथ ही यह भी नोट करता है कि कॉर्पस फ़िल्टरिंग का परिणामों पर न्यूनतम प्रभाव पड़ा।
यह शोध पत्र तीन नवीन व्यक्तिगत फेडरेटेड लर्निंग दृष्टिकोणों—pFedBayes, sFedBayes, और cFedBayes—को प्रस्तुत करता है जो क्रमशः ग्लोबल प्रायर्स (global priors), स्पैरसिटी (sparsity), और क्लाइंट क्लस्टरिंग (client clustering) के माध्यम से हेट्रोजेनियस और सीमित डेटा के कारण होने वाले प्रदर्शन ह्रास को कम करने के लिए वेरिएशनल बेयसियन इन्फरेंस का लाभ उठाते हैं, जबकि मिनिमैक्स ऑप्टिमल जनरलाइजेशन एरर बाउंड्स (minimax optimal generalization error bounds) प्राप्त करते हैं।
यह शोध पत्र एक ऑर्डर्ड वेरिएन्स वाले ऑटोएन्कोडर (AEO) और इसके रेज़नेट-आधारित विस्तार (RAEO) को प्रस्तुत करता है, जो अनसुपरवाइज्ड मॉडल एक्सट्रैक्शन और रियल-टाइम ऑप्टिमाइज़ेशन के लिए अनलेबल डेटासेट में लेटेंट डाइमेंशनैलिटी को व्यवस्थित रूप से निर्धारित करने और नॉनलीनियर स्टैटिक संबंधों को खोजने के लिए वेरिएन्स-आधारित रेगुलराइजेशन का उपयोग करते हैं।
यह शोध पत्र डीप न्यूरल नेटवर्क के मूल्यांकन के लिए एक एकीकृत मानदंड के रूप में रोबस्ट इंडिविजुअल फेयरनेस (RIF) प्रस्तुत करता है और RIFair का प्रस्ताव करता है, जो एक ब्लैक-बॉक्स एडवरसेरियल फ्रेमवर्क है जो उन छिपी हुई कमजोरियों को उजागर करता है जहाँ मॉडल अर्थ-संरक्षण करने वाले परिवर्तनों (semantic-preserving perturbations) के तहत भविष्यवाणी की शुद्धता और निष्पक्षता दोनों को बनाए रखने में विफल रहते हैं।
यह शोध पत्र एक इंटीग्रल क्वाड्रेटिक कंस्ट्रेंट्स पर आधारित लीनियर मैट्रिक्स इनइक्वेलिटी को तैयार करके अनिश्चित नॉनलीनर प्लांट्स के लिए न्यूरल नेटवर्क कंट्रोलर्स को सिंथेसाइज करने की एक विधि प्रस्तावित करता है, जिसे फिर रिवॉर्ड को अधिकतम करने के साथ-साथ क्लोज्ड-लूप डिसिपेटिविटी, स्टेबिलिटी और गेन बाउंड्स की गारंटी देने के लिए एक प्रोजेक्शन-आधारित ट्रेनिंग एल्गोरिदम में एकीकृत किया जाता है।
यह शोधपत्र एक प्रिमिटिव-आधारित संज्ञानात्मक ढांचे से प्रेरित एक नवीन, प्रतिनिधित्व-केंद्रित अनसुपरवाइज्ड लर्निंग दृष्टिकोण प्रस्तावित करता है जो एक वितरित पदानुक्रमित इनपुट स्पेस का निर्माण करता है और विभिन्न वर्गीकरण कार्यों में अत्याधुनिक विधियों पर श्रेष्ठ प्रदर्शन प्रदर्शित करते हुए विशिष्ट, संज्ञानात्मक-समान व्यवहार प्रदर्शित करता है।
यह शोध पत्र लाप्लासियन आइजनवेक्टर्स (Laplacian eigenvectors) पर आधारित स्थिर और वैश्विक रूप से अभिव्यंजक ग्राफ निरूपण उत्पन्न करने के लिए सीखने योग्य -इनवेरिएंट निरूपणों और संख्यात्मक रूप से निकट आइजनवैल्यूज़ के सुचारू प्रबंधन का उपयोग करके ग्राफ न्यूरल नेटवर्क को बढ़ाने के लिए एक नवीन विधि प्रस्तावित करता है।
यह शोध पत्र एक गॉसियन प्रोसेस-आधारित ढांचे को प्रस्तुत करता है जो इंटरवेंशनल कॉज़ल फंक्शन्स (interventional causal functions) के लिए विश्वसनीय, सुलभ और कैलिब्रेटेड अनिश्चितता परिमाणीकरण प्रदान करने हेतु रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस (reproducing kernel hilbert space) निरूपणों का लाभ उठाता है, जो स्केलर मानों के बजाय संपूर्ण फलनों (functions) के अनुमान लगाने की चुनौतियों का समाधान करता है।
यह शोध पत्र केवल हेटेरोडाइन मापन (heterodyne measurements) का उपयोग करके, एक नवीन "लोकल इनवर्जन" (local inversion) तकनीक के माध्यम से, पॉजिटिव-टेम्परेचर बोसोनिक गौसियन अवस्थाओं के हैमिल्टोनियन, इंटरेक्शन ग्राफ और ट्रेस डिस्टेंस को सीखने के लिए कुशल प्रोटोकॉल प्रस्तुत करता है, जो सटीक ग्लोबल कोवेरिएंस अनुमान की आवश्यकता को दरकिनार करते हुए मोड की संख्या में लॉगरिदमिक सैंपल कॉम्प्लेक्सिटी प्राप्त करता है।
यह शोध पत्र DhondtXAI को प्रस्तुत करता है, जो सारणीबद्ध डेटा (tabular data) के लिए एक नवीन, SHAP-स्वतंत्र व्याख्यात्मक AI ढांचा है जो बैकग्राउंड-इंटरवेंशनल प्रभावों, फीचर एलायंस और थ्रेशोल्ड के माध्यम से फीचर एट्रिब्यूशन आवंटित करने के लिए D'Hondt अपोर्शनमेंट पद्धति को अनुकूलित करता है, जो सिंथेटिक परीक्षणों में उच्च सटीकता और स्वास्थ्य सेवा डेटासेट पर SHAP के साथ मजबूत सहमति प्रदर्शित करते हुए निर्माण द्वारा पूर्णता (completeness) को संरक्षित करता है।