23164 पेपर
यह शोध पत्र एक मीट्रिक-मुक्त "ओवरलैप होमोलॉजी" ढांचे को प्रस्तुत करता है जो न्यूरल रिप्रजेंटेशन की शुद्ध रूप से टोपोलॉजिकल विशेषताओं को ट्रैक करने के लिए बेटी संख्याओं (Betti numbers) की आंतरिक गणना को सक्षम करने हेतु एक कोटिएंट स्पेस को परिभाषित करने के लिए ReLU न्यूरल नेटवर्क की पीसवाइज़ लीनियर संरचना का लाभ उठाता है।
यह शोध पत्र एक कंपोज़ेबल मल्टीमॉडल ढांचे का प्रस्ताव और मूल्यांकन करता है जो हृदय विफलता (हार्ट फेल्योर) के परिणामों की भविष्यवाणी करने और व्यक्तिगत उपचार योजनाओं को अनुकूलित करने में बेहतर सटीकता प्राप्त करने के लिए सिने कार्डियक मैग्नेटिक रेजोनेंस इमेजिंग, संरचित नैदानिक मेट्रिक्स और असंरचित पाठ्य अभिलेखों को एकीकृत करता है।
यह शोध पत्र DSMIL-LocNet को प्रस्तुत करता है, जो एक कमजोर रूप से पर्यवेक्षित (weakly supervised) मल्टीपल इंस्टेंस लर्निंग फ्रेमवर्क है जो केवल रिकॉर्डिंग-स्तरीय उपस्थिति/अनुपस्थिति लेबल का उपयोग करके लंबी अवधि की बायोअकौस्टिक रिकॉर्डिंग्स में व्हेल कॉल्स के वर्गीकरण और सटीक टेम्पोरल लोकलाइजेशन (temporal localization) को सक्षम बनाता है, जिससे यह उन पूर्णतः पर्यवेक्षित (fully supervised) विधियों की स्केलेबिलिटी सीमाओं को दूर करता है जिनमें विस्तृत फ्रेम-स्तरीय एनोटेशन की आवश्यकता होती है।
यह शोध पत्र ऑस्ट्रेलियाई चुनाव फेसबुक विज्ञापनों पर फाइन-ट्यून किए गए एक हल्के, अत्याधुनिक मॉडल को प्रस्तुत करता है जो फंडिंग, जनसांख्यिकी और समय के माध्यम से विशिष्ट अनुनय रणनीतियों (persuasion strategies) को प्रकट करने के लिए है, जिससे डिजिटल अभियानों में पारदर्शिता और मतदाता जागरूकता बढ़ती है।
यह शोध पत्र एक नए अनुभवजन्य एल्गोरिदम का प्रस्ताव करता है जो आधुनिक आर्किटेक्चर और प्रशिक्षण हाइपरपैरामीटर की एक विस्तृत श्रृंखला में स्वतंत्र रूप से प्रशिक्षित न्यूरल नेटवर्क मोड्स को विश्वसनीय रूप से जोड़ता है, जो मौजूदा विधियों की सीमाओं को दूर करता है जो पारंपरिक मॉडलों तक सीमित हैं।
यह शोध पत्र एक सहयोगात्मक प्रशिक्षण ढांचे का प्रस्ताव करता है जो विविध डेटासेट में माध्य अनुमान (mean estimation) में सुधार करते हुए एलियटोरिक (aleatoric) और एपिस्टेमिक (epistemic) अनिश्चितताओं को प्रभावी ढंग से अलग करने के लिए एक वेरिएंस एस्टिमेशन नेटवर्क को बेयसियन न्यूरल नेटवर्क के साथ एकीकृत करता है।
यह शोध पत्र एक नवीन ऑफलाइन मल्टी-एजेंट सुदृढीकरण शिक्षण (मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो अनुक्रमिक स्कोर अपघटन विधि (सीक्वेंशियल स्कोर डिकंपोजिशन मेथड) को डिफ्यूजन-आधारित जनरेटिव मॉडल्स के साथ संयोजित करके सहयोगात्मक कार्यों में वितरण संबंधी बदलावों (डिस्ट्रीब्यूशनल शिफ्ट्स) और मल्टीमॉडल समन्वय की चुनौतियों का समाधान करता है, ताकि नीति अपडेट को उच्च-पुरस्कार वाले, इन-डिस्ट्रीब्यूशन क्षेत्रों की ओर निर्देशित किया जा सके, जिससे विविध बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र SGShift प्रस्तुत करता है, जो एक नवीन विधि है जो टैबुलर डेटा में कॉन्सेप्ट शिफ्ट को फीचर सिलेक्शन कार्य के रूप में फ्रेम करती है ताकि व्याख्या योग्य सांख्यिकीय उपकरणों का उपयोग करके विभिन्न डोमेन में मॉडल प्रदर्शन में गिरावट के लिए जिम्मेदार शिफ्टेड फीचर्स के एक स्पार्स सेट की सटीक पहचान की जा सके।
यह शोध पत्र यह प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स के लिए वर्तमान पे-पर-टोकन (प्रति-टोकन भुगतान) मूल्य निर्धारण मॉडल प्रदाताओं के लिए टोकन की संख्या को गलत तरीके से बताने और उपयोगकर्ताओं से अधिक शुल्क लेने के लिए एक वित्तीय प्रोत्साहन पैदा करता है, जो पारदर्शिता संबंधी आवश्यकताओं के बावजूद बनी रहने वाली एक भेद्यता है, लेकिन इसे कैरेक्टर-काउंट-आधारित (वर्ण-गणना-आधारित) मूल्य निर्धारण तंत्र को अपनाकर कम किया जा सकता है जो प्रदाताओं के लिए लाभदायक बना रहता है।
यह शोध पत्र तर्क देता है कि सर्वाइवल एनालिसिस (survival analysis) समुदाय सी-इंडेक्स (C-index) जैसे गलत संरेखित मेट्रिक्स पर अत्यधिक निर्भर रहा है, और शोधकर्ताओं से यह आग्रह करता है कि वे भ्रामक निष्कर्षों से बचने के लिए उन मूल्यांकन प्रथाओं को अपनाएं जो सेंसरिंग धारणाओं (censoring assumptions) को स्पष्ट रूप से ध्यान में रखती हैं और विशिष्ट मॉडलिंग उद्देश्यों के साथ संरेखित होती हैं।