655 पेपर
यह शोध पत्र संरचनात्मक विशेषताओं के आधार पर ग्राफों को क्लस्टर करके शॉर्टेस्ट-पाथ एल्गोरिदम के बेंचमार्किंग के लिए एक इंस्टेंस-लैंडस्केप फ्रेमवर्क प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि संरचनात्मक समानता स्थिर क्षेत्र बनाती है, यह विभिन्न खोज प्रतिमानों (सर्च पैराडाइम्स) में सुसंगत एल्गोरिद्मिक प्रदर्शन की गारंटी नहीं देती है।
यह शोध पत्र फ्रस्ट्रेटेड सिंक्रोनाइज़ेशन नेटवर्क (FSN) को प्रस्तुत करता है, जो एक अटेंशन आर्किटेक्चर है जो विभिन्न पैरामीटर स्केल्स पर ट्यून्ड RoPE-SwiGLU ट्रांसफॉर्मर्स की तुलना में बेहतर कैरेक्टर-लेवल लैंग्वेज मॉडलिंग प्रदर्शन प्राप्त करने के लिए जटिल कपलिंग कर्नेल्स और डिले टर्म्स के माध्यम से संरचित सिंक्रोनाइज़ेशन डिपार्चर्स का लाभ उठाता है।
यह शोध पत्र एक पैरामीटर-कुशल, सीखने योग्य रेसिडुअल स्पीच-टू-स्पाइक एनकोडर पेश करता है जिसे एक स्पाइकिंग न्यूरल नेटवर्क के साथ एंड-टू-एंड प्रशिक्षित किया गया है, जो सिग्नल पुनर्निर्माण के बजाय कार्य-संरेखित स्पाइक रिप्रजेंटेशन को प्राथमिकता देकर गूगल स्पीच कमांड्स v2 बेंचमार्क पर अत्याधुनिक सटीकता प्राप्त करता है, और साथ ही बायो-इंस्पायर्ड डायरेक्ट फीडबैक अलाइनमेंट बनाम सरोगेट-ग्रेडिएंट बैकप्रोपैगेशन के प्रदर्शन संबंधी ट्रेड-ऑफ को भी परिमाणित करता है।
यह शोध पत्र वेट अडैप्टेशन ASNG (WA-ASNG) का प्रस्ताव करता है, जो एक नवीन विधि है जो बाइनरी ऑप्टिमाइज़ेशन समस्याओं के लिए एडेप्टिव स्टोकेस्टिक नेचुरल ग्रेडिएंट एल्गोरिदम के समानांतर प्रदर्शन और शोर रोधकता (noise robustness) को बढ़ाने के लिए, अनुकूलन सुधार को अधिकतम करने हेतु ग्रेडिएंट एसेंट के माध्यम से भार मापदंडों (weight parameters) को गतिशील रूप से समायोजित करता है।
यह शोध पत्र OPTS को प्रस्तुत करता है, जो एक प्रॉम्प्ट ऑप्टिमाइज़ेशन फ्रेमवर्क है जो स्पष्ट, बैंडिट-आधारित तंत्र (विशेष रूप से थॉम्पसन सैंपलिंग) को लागू करके EvoPrompt जैसे मौजूदा ऑप्टिमाइज़र के प्रदर्शन को बढ़ाता है ताकि प्रॉम्प्ट डिज़ाइन रणनीतियों को प्रभावी ढंग से चुना और लागू किया जा सके, जिससे यह उन तरीकों से बेहतर प्रदर्शन करता है जो निहित रणनीति चयन पर निर्भर करते हैं।
यह शोध पत्र टाइम-टू-फर्स्ट-स्पाइक स्पाइकिंग न्यूरल नेटवर्क्स की अस्थिरता और सटीकता की सीमाओं को दूर करने के लिए विशेष इनिशियलाइजेशन, नॉर्मलाइजेशन, एक टेम्पोरल डिकोडर और एवरेज पूलिंग को समाहित करने वाले एक व्यापक प्रशिक्षण ढांचे का प्रस्ताव करता है, जो कई डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र रेसिडुअल इंटीग्रल सॉल्वर नेटवर्क (RISN) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो जटिल, बहु-आयामी और दोलनशील इंटीग्रल और इंटेग्रो-डिफरेंशियल समीकरणों को हल करने के लिए उच्च-सटीक संख्यात्मक विधियों के साथ रेसिडुअल कनेक्शन को जोड़ता है ताकि मौजूदा फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स की तुलना में बेहतर सटीकता और स्थिरता के साथ प्रदर्शन किया जा सके।
यह शोध पत्र अराजक समय श्रृंखला (chaotic time series) भविष्यवाणी के लिए एक टेंसर नेटवर्क-आधारित दृष्टिकोण प्रस्तावित करता है जो बहुआयामी सरणियों (multidimensional arrays) को विघटित करके अगली पीढ़ी के रिज़र्वोयर कंप्यूटिंग की घातीय पैरामीटर वृद्धि पर विजय प्राप्त करता है, जिससे पारंपरिक इको स्टेट नेटवर्क्स की तुलना में बेहतर सटीकता और कम्प्यूटेशनल दक्षता प्राप्त होती है।
ZIVARI-TLBO, टीचिंग-लर्निंग-बेस्ड ऑप्टिमाइजेशन के लिए एक शून्य-लागत, इंटर-ग्रुप एलीट रिले तंत्र है जो बिना किसी अतिरिक्त फंक्शन इवैल्यूएशन की आवश्यकता के कई मानक एल्गोरिदम की तुलना में प्रदर्शन में महत्वपूर्ण सुधार करता है, हालांकि यह सार्वभौमिक स्टेट-ऑफ-द-आर्ट स्थिति या बाधित इंजीनियरिंग समस्याओं में निरंतर प्रभुत्व प्राप्त नहीं करता है।
यह शोध पत्र मल्टी-स्केल पाथ डाइवर्जेंस (MSPD) को प्रस्तुत करता है, जो एक रिनॉर्मलाइजेशन-ग्रुप से प्रेरित स्केलर मीट्रिक है जो कृत्रिम जीवन प्रणालियों में ओपन-एंडेड इवोल्यूशन को निर्देशित करने और भौतिक जटिलता के सिद्धांतों के साथ एक व्यवस्थित, व्याख्यात्मक सेतु प्रदान करने के लिए टेम्पोरल मल्टीस्केल हेटेरोजेनिटी को परिमाणित करता है, जो विविध सबस्ट्रेट्स पर ब्लैक-बॉक्स न्यूरल नेटवर्क दृष्टिकोणों से बेहतर प्रदर्शन करता है।