23122 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि एकलभाषी रूप से प्रशिक्षित एक लीनियर प्रोब (linear probe), बिना पुनरप्रशिक्षण के, विविध और अनदेखी भाषाओं में बड़े भाषा मॉडलों (LLMs) में विश्वास का प्रभावी ढंग से अनुमान लगा सकता है, जो यह प्रकट करता है कि बहुभाषी LLMs साझा, हस्तांतरणीय विश्वास विशेषताओं को समाहित करते हैं जो उनकी मध्य परतों में केंद्रित होती हैं।
यह शोध पत्र स्लाइसड डिस्ट्रीब्यूशनल रिइन्फोर्समेंट लर्निंग (SDRL) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो उच्च-आयामी रिटर्न डिस्ट्रीब्यूशन को एक-आयामी स्लाइसों पर प्रोजेक्ट करके डिस्ट्रीब्यूशनल RL को मल्टीवेरिएट सेटिंग्स में विस्तारित करता है ताकि सुलभ बेलमैन कॉन्ट्रैक्शन प्रमाण और विविध वातावरणों में प्रभावी शिक्षण सक्षम किया जा सके।
यह शोध पत्र TinyML के लिए ऑन-डिवाइस लर्निंग (ODL) पर लगभग 70 कार्यों का सर्वेक्षण करता है, जो वितरण परिवर्तन व्यवस्थाओं (distribution change regimes) के आधार पर उन्हें वर्गीकृत करता है ताकि यह विश्लेषण किया जा सके कि विभिन्न परिवर्तन प्रकार लागू परिदृश्यों, हार्डवेयर विकल्पों और समाधान संरचनाओं को कैसे प्रभावित करते हैं, साथ ही पद्धतिगत बेंचमार्क और वास्तविक दुनिया की तैनाती के बीच निरंतर अंतराल को भी उजागर करता है।
यह शोध पत्र एनीटाइम-वैलिड इन्फरेंस (anytime-valid inference) का उपयोग करके ऑनलाइन डिसीजन ट्रीज़ में स्प्लिट सिलेक्शन को सुधारने के लिए एक सिद्धांतपूर्ण विधि प्रस्तुत करता है, जो मौजूदा होफडिंग ट्री (Hoeffding Tree) वेरिएंट्स की सांख्यिकीय अमान्यता को दूर करते हुए गलत स्प्लिट्स के विरुद्ध कठोर गारंटी प्रदान करता है और स्थिर एवं गैर-स्थिर डेटा स्ट्रीम्स दोनों में भविष्य कहनेवाला प्रदर्शन (predictive performance) में सुधार करने के साथ-साथ ट्री के आकार को कम करता है।
यह शोध पत्र "स्पेक्ट्रल पोजीशन" (spectral position) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि बड़े न्यूरल मॉडल एम्पिरिकल न्यूरल टेंगेंट कर्नेल (empirical neural tangent kernel) की स्पेक्ट्रल टेल (spectral tail) में अपनी सीखने की क्षमता का विस्तार करके बेहतर प्रदर्शन प्राप्त करते हैं, जो एक ऐसी क्षमता है जिसे फीचर लर्निंग द्वारा सक्षम बनाया जाता है जो उन कमजोर संकेतों तक पहुँचने के लिए ग्रेडिएंट्स को अनुकूल रूप से प्रवर्धित करती है जो छोटे मॉडलों के लिए अप्राप्य होते हैं।
यह शोध पत्र न्यूनतम वास्तुशिल्प और प्रशिक्षण संशोधनों का प्रस्ताव करके स्पार्स ऑटोएनकोडर्स की सैद्धांतिक अस्थिरता को संबोधित करता है जो कम पुनर्निर्माण त्रुटि और लगभग-पहचान योग्य स्पार्स कोड वाले पहचान योग्य स्पार्स ऑटोएनकोडर्स (iSAEs) प्रदान करते हैं, जो डिक्शनरी लर्निंग और रिस्ट्रिक्टेड आइसोमेट्री प्रॉपर्टी के साथ एक संबंध द्वारा समर्थित है।
यह शोध पत्र LVCG को प्रस्तुत करता है, जो एक नवीन स्व-पर्यवेक्षित (self-supervised) ढांचा है जो मानक 12-लीड ECG विधियों में अंतर्निहित अतिरेक और ओवरफिटिंग के जोखिमों को दूर करने के लिए भौतिक रूप से आधारित वेक्टरकार्डियोग्राम (VCG) स्पेस में एकीकृत, दृश्य-अपरिवर्तनीय (view-invariant) कार्डिएक निरूपण सीखता है, जिससे विभिन्न नैदानिक कार्यों में बेहतर सामान्यीकरण और सुदृढ़ता प्राप्त होती है।
यह शोध पत्र एंट्रोपिक प्रोजेक्शन अलाइनमेंट (EPA) को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो मॉडल प्रदर्शन का अनुमान लगाने, फीचर-लेवल शिफ्ट की व्याख्या करने और मोमेंट मैचिंग एवं KL डाइवर्जेंस मिनिमाइजेशन के माध्यम से टार्गेट डोमेन सटीकता में सुधार करने के लिए एक क्लोज्ड-फॉर्म इम्पोर्टेंस वेटिंग समाधान प्रदान करके डिस्ट्रीब्यूशन शिफ्ट को संबोधित करता है।
यह शोध पत्र स्पैलेशन न्यूट्रॉन सोर्स हाई-वोल्टेज कनवर्टर मॉड्यूलेटर्स के लिए एक हल्का (लाइटवेट) CNN-आधारित विसंगति पहचान ढांचा प्रस्तावित करता है जो टेम्पोरल और क्रॉस-चैनल ऑपरेशन्स को रणनीतिक रूप से व्यवस्थित करके आर्किटेक्चरल इंडक्टिव बायस का लाभ उठाता है, जिससे कई सबसिस्टम्स में दोष के पूर्व संकेतों की पहचान करने में अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करके आंशिक रूप से दृश्यमान सुदृढीकरण शिक्षण (पार्शियली ऑब्जर्वेबल रिइन्फोर्समेंट लर्निंग) में रैखिक आवर्ती तंत्रिका नेटवर्क (लीनियर रिकरेंट न्यूरल नेटवर्क्स) की प्रभावकारिता के लिए एक सैद्धांतिक औचित्य प्रदान करता है कि विशिष्ट रैखिक फिल्टर हिडन मार्कोव मॉडल में सटीक रूप से इष्टतम विश्वास अवस्थाओं (ऑप्टिमल बिलीफ स्टेट्स) को पुनरुत्पादित कर सकते हैं या शून्य के करीब अवस्था-डिकोडिंग त्रुटि प्राप्त कर सकते हैं, जिससे वे इष्टतम नीति शिक्षण के लिए पर्याप्त सांख्यिकी (सफीशिएंट स्टैटिस्टिक्स) के रूप में कार्य करते हैं।