19863 पेपर
यह शोध पत्र लर्नड प्रेडिक्टिव एम्बिग्युटी सेट्स (LPAS) का प्रस्ताव करता है, जो एक गहरा संदर्भात्मक ढांचा है जो डिस्ट्रीब्यूशनली रोबस्ट ऑप्टिमाइज़ेशन को बढ़ाने के लिए अवस्था-निर्भर वासरस्टीन रेडियस और नाममात्र वितरणों को अनुकूल रूप से सीखता है, जो पारंपरिक निश्चित-त्रिज्या बेसलाइन की तुलना में पोर्टफोलियो अनुकूलन में बेहतर प्रदर्शन और कम रूढ़िवादिता प्रदर्शित करता है।
यह शोध पत्र BS-cRT को प्रस्तुत करता है, जो एक दो-चरणीय पुनरप्रशिक्षण (retraining) बेसलाइन है जो बैलेंस्ड सॉफ्टमैक्स-प्रशिक्षित बैकबोन को फ्रीज करके और केवल संतुलित बैचों पर क्लासिफायर को पुन: अनुकूलित करके लॉन्ग-टेल्ड रिकग्निशन में फ्यू-शॉट सटीकता में महत्वपूर्ण सुधार करता है, साथ ही CBRM जैसे बाउंड्री-आधारित तरीकों की सीमाओं का विश्लेषण भी करता है।
यह शोध पत्र GATAS को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स एडवरसेरियल टेस्टिंग फ्रेमवर्क है जो फोनम-स्तरीय लेटेंट स्पेस इंटरपोलेशन को अनुकूलित करके प्राकृतिक लगने वाले स्पीच इनपुट उत्पन्न करता है जिससे ASR सिस्टम में ट्रांसक्रिप्शन त्रुटियां होती हैं, और मौजूदा विधियों की तुलना में बेहतर धारणात्मक गुणवत्ता के साथ 98% सफलता दर प्राप्त करता है।
यह शोध पत्र एक नॉनपैरामीट्रिक बायेसियन इन्वर्स रीइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तुत करता है जो डिDirichlet प्रोसेस प्रायर और एक डेटा-पैरेलल कोलैप्स्ड गिब्स सैंपलर का उपयोग करता है ताकि संकलित प्रदर्शनों (pooled demonstrations) से विशिष्ट विशेषज्ञ पुरस्कार प्रकारों की संख्या को स्वचालित रूप से अनुमानित किया जा सके, जो ग्रिड-वर्ल्ड कार्यों पर मानक पैरामीट्रिक बेसलाइनों की तुलना में बेहतर क्लस्टरिंग सटीकता और स्केलेबल प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र डिरिचलेट-प्रोसेस क्लस्टरिंग (Dirichlet-process clustering) पर आधारित एक सीखने योग्य, विरल कैश (sparse cache) प्रस्तुत करता है जो केवल नवीन वस्तुओं के लिए मेमोरी स्लॉट आवंटित करता है, जिससे स्टेट-स्पेस मॉडल कुल टोकन के बजाय विशिष्ट वस्तुओं को ट्रैक करते हुए फुल-अटेंशन रिकॉल दक्षता प्राप्त करने में सक्षम होते हैं और फिक्स्ड-बजट इविक्शन रणनीतियों से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ एम्प्लीट्यूड-एनकोडेड क्वांटम सैंपलिंग छोटे डिस्क्रीट मार्कोव रैंडम फील्ड्स के लिए क्लासिकल MCMC की तुलना में प्रति सर्किट कॉल उच्च प्रभावी नमूना आकार प्रदान करती है, वहीं यह घातीय प्रीप्रोसेसिंग लागतों और क्लासिकल टेंसर नेटवर्क सन्निकटन की तुलना में काफी कम स्टेट प्रिपरेशन फिडेलिटी के कारण क्लासिकल विधियों पर कोई वॉल-क्लॉक लाभ प्रदान नहीं करती है।
यह शोध पत्र S&P 500 डेटा में वित्तीय तनाव का पता लगाने के लिए बेट्टी संख्याओं (Betti numbers) का अनुमान लगाने हेतु पाउली कोरिलेशन एनकोडिंग (Pauli Correlation Encoding) का उपयोग करते हुए एक डेप्थ-एफिशिएंट क्वांटम एल्गोरिदम प्रस्तुत करता है, जो टोपोलॉजिकल विशेषताओं की सटीक रिकवरी और इन-रेजीम (in-regime) प्रदर्शन को प्रदर्शित करता है, साथ ही आउट-ऑफ-डिस्ट्रीब्यूशन (out-of-distribution) संकट की घटनाओं में सामान्यीकरण करने की महत्वपूर्ण सीमाओं को भी रेखांकित करता है।
यह शोधपत्र गॉसियन-समान धारणाओं के तहत निकटतम पड़ोसी खोज (nearest neighbor search) को अनुकूलित करने के लिए संतुलित हाफस्पेस ट्रीज़ (balanced halfspace trees) सीखने के लिए एक कुशल एल्गोरिदम प्रस्तुत करता है, जो एक इम्प्रापर लर्निंग दृष्टिकोण का उपयोग करके अंतर्निहित संतुलित हाफस्पेस कट समस्या की एनपी-कठोरता (NP-hardness) पर विजय प्राप्त करता है, जो प्रमाणित रूप से कम कट अंशों वाले बहुपद थ्रेशोल्ड फलनों (polynomial threshold functions) को आउटपुट करता है।
यह शोध पत्र SMETA-ZSL का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सेमेंटिक ओवरलैप और क्लास इम्बैलेंस जैसी चुनौतियों से निपटने के लिए सेमेंटिक मेटा-अलाइनमेंट, कॉन्ट्रास्टिव फाइन-ट्यूनिंग और नॉलेज डिस्टिलेशन को संयोजित करता है, जिससे सात बेंचमार्क में स्टेट-ऑफ-द-आर्ट जनरलाइज्ड ज़ीरो-शॉट थ्रेट क्लासिफिकेशन प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक निष्पक्षता-जागरूक खुदरा मूल्य निर्धारण ढांचे का प्रस्ताव करता है जो मुद्रास्फीति-प्रेरित सकारात्मक मूल्य लोच (price elasticity) को संबोधित करके उपभोक्ता शोषण को रोकने के लिए CPI-एंकरित बाधाओं के साथ लॉग-लॉग ARDL मॉडल और सिम्युलेटेड एनीलिंग अनुकूलन का उपयोग करता है, साथ ही बिक्री लक्ष्यों और उपभोक्ता कल्याण के बीच संतुलन भी बनाता है।