23088 पेपर
यह शोध पत्र रेगुलराइज्ड लार्ज नेबरहुड सर्च (RLNS) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो रेगुलराइजेशन के माध्यम से LNS ह्यूरिस्टिक को एक कुशल MCMC सैंपलर में परिवर्तित करता है, जिससे बिना किसी गणनात्मक रूप से कठिन ग्लोबल सॉल्वर की आवश्यकता के कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन लेयर्स की एंड-टू-एंड लर्निंग सक्षम होती है।
यह शोधपत्र एक स्थानीय मापन-मैनिफोल्ड संगतता मीट्रिक (local measurement-manifold compatibility metric) को पेश करके जनरेटिव इनवर्स समस्याओं की विश्वसनीयता को संबोधित करता है जो यह मात्रात्मक रूप से मापता है कि अधिग्रहण ऑपरेटर (acquisition operators) पूर्व-प्रासंगिक दिशाओं का कितनी अच्छी तरह अवलोकन करते हैं, जिससे बेहतर स्थिर और अनुकूलन योग्य सैंपलिंग रणनीतियों को डिजाइन करने में सक्षम होता है जो मेडिकल इमेजिंग जैसे अनुप्रयोगों में मतिभ्रम (hallucinations) को रोकता है और पुनर्निर्माण स्थिरता को बढ़ाता है।
यह शोध पत्र डिनाइजिंग डिफ्यूजन प्रोबेबिलिस्टिक मॉडल्स और मास्क्ड डिफ्यूजन ट्रांसफॉर्मर्स पर आधारित बाढ़ संबंधी छवियों के लिए एक क्लाउड-रिमूवल फ्रेमवर्क पेश करता है, जो हाइड्रोलॉजिकल निरंतरता बनाए रखने और आपदा जोखिम प्रबंधन के लिए विश्वसनीय, निरंतर बाढ़ मानचित्रण को सक्षम करने हेतु बादलों से ढके सेंटिनल-2B दृश्यों को प्रभावी ढंग से पुनर्निर्मित करता है।
यह शोध पत्र डीप लर्निंग में रैंक-फैक्टर्ड मैट्रिक्स मापदंडों के लिए दस एल्गोरिद्मिक डिज़ाइनों में रिमानियन ग्रेडिएंट डिसेंट (Riemannian gradient descent) की जांच करता है, लेकिन यह पाता है कि ट्यूनिंग के बावजूद, छोटे भाषा मॉडलों में मल्टीहेड अटेंशन (multihead attention) पर लागू होने पर ये विधियाँ AdamW बेसलाइन से निर्णायक रूप से बेहतर प्रदर्शन नहीं करती हैं।
यह शोध पत्र रूबस्ट प्रायर अपडेट (RPU) को प्रस्तुत करता है, जो एक सॉल्वर-स्तरीय मॉड्यूल है जो प्रायर अपडेट चरण को स्थिर करके डिफ्यूजन-आधारित इनवर्स समस्याओं में मेजरमेंट-कंडीशन्ड मतिभ्रम (hallucinations) को कम करता है, जिससे विभिन्न कार्यों में इंस्टेंस फेथफुलनेस और रिकंस्ट्रक्शन की गुणवत्ता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र पहचानता है कि टेस्ट-टाइम अडैप्टेशन में एंट्रॉपी मिनिमाइजेशन, वितरण बदलावों (distribution shifts) के कारण होने वाले प्रेडिक्शन बायस को बढ़ाकर मॉडल कोलैप्स का कारण बन सकता है, और इस समस्या को कम करने के लिए डिस्ट्रीब्यूशन शिफ्ट बायस रिडक्शन (DSBR) का प्रस्ताव करता है जो क्लास योगदान को समान करके अनुकूलन को स्थिर करता है और मेडिकल इमेजिंग एवं ImageNet-C बेंचमार्क में कोलैप्स को रोकता है।
यह शोध पत्र एक पैरामीटर-कुशल डुअल-एनकोडर आर्किटेक्चर प्रस्तावित करता है जो सीमित डेटासेट पर ओवरफिटिंग को कम करते हुए, अंडरवॉटर एकोस्टिक वर्गीकरण की सटीकता और व्याख्यात्मकता को बढ़ाने के लिए एक डिफरेंशिएबल चोक्वेट इंटीग्रल (Choquet integral) के माध्यम से वेवफॉर्म और स्पेक्ट्रोग्राम फीचर्स को फ्यूज करता है।
यह शोध पत्र यह प्रदर्शित करता है कि व्यक्तिगत अवलोकनों के बजाय सीधे सूचनात्मक युग्मों (informative pairs) को लक्षित करने के लिए सर्वेक्षण नमूनाकरण तकनीकों का लाभ उठाना, बड़े पैमाने पर युग्मवार हानि फलनों (pairwise loss functions) का सटीक और कुशल अनुमान लगाने में सक्षम बनाता है, जो काफी कम कम्प्यूटेशनल लागत के साथ पूर्ण मूल्यांकन के तुलनीय प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक इपोक-आधारित आशावादी अधिकतम-संभावना (optimistic maximum-likelihood) एल्गोरिदम को पेश करके और एक मिलान करने वाली निचली सीमा (matching lower bound) को सिद्ध करके, रणनीतिक, अनुकूलनशील विरोधियों के विरुद्ध आंशिक रूप से दृश्यमान मार्कोव खेलों (partially observable Markov games) में अनुक्रमिक निर्णय लेने के लिए मिनिमैक्स-इष्टतम पॉलिसी रिग्रेट बाउंड्स स्थापित करता है।
यह शोध पत्र FOAM प्रस्तुत करता है, जो एक अनुकूली डैम्पिंग विधि (adaptive damping method) है जो शैम्पू ऑप्टिमाइज़र (Shampoo optimizer) में पुराने प्रीकंडीशनर अपडेट (stale preconditioner updates) के कारण होने वाली संख्यात्मक अस्थिरता और प्रदर्शन गिरावट को कम करने के लिए स्टेलनेस-ओरिएंटेड एरर (staleness-oriented error) के आधार पर डैम्पिंग फैक्टर और आइजनडिकंपोजिशन फ्रीक्वेंसी (eigendecomposition frequency) को गतिशील रूप से समायोजित करता है, जिससे मजबूत अभिसरण (robust convergence) बनाए रखते हुए वॉल-क्लॉक ट्रेनिंग समय को कम किया जा सके।