cs.NE पेपर | Gist.Science

Globally Optimal Training of Spiking Neural Networks via Parameter Reconstruction

यह शोध पत्र रिकरेंट थ्रेशोल्ड नेटवर्क (recurrent threshold networks) तक कॉनवेक्सिफिकेशन थ्योरी (convexification theory) का विस्तार करके स्पाइकिंग न्यूरल नेटवर्क (Spiking Neural Networks) को प्रशिक्षित करने के लिए एक वैश्विक रूप से इष्टतम पैरामीटर पुनर्निर्माण एल्गोरिदम प्रस्तावित करता है, जिससे सरोगेट ग्रेडिएंट विधियों (surrogate gradient methods) में अंतर्निहित सन्निकटन त्रुटियों (approximation errors) पर विजय प्राप्त होती है और विभिन्न कार्यों में बेहतर प्रदर्शन और स्केलेबिलिटी प्रदर्शित होती है।

Himanshu Udupi, Xiaocong Yang, ChengXiang Zhai2026-05-11

🤖 machine learning

Pulling Back the Curtain on Deep Networks

यह योगदान 'सिमेंटिक पुलबैक' (Semantic Pullbacks) को प्रस्तुत करता है, जो एक सैद्धांतिक रूप से आधारित विधि है जो गहरे नेटवर्क (deep networks) को इनपुट-कंडीशन्ड एफाइन ऑपरेटर्स (input-conditioned affine operators) के रूप में व्याख्यायित करती है ताकि लक्षित न्यूरॉन्स (target neurons) से सुसंगत स्थानीय संरचनाओं का पुनर्निर्माण करके धारणात्मक रूप से उपयुक्त, स्थिर और विश्वसनीय पोस्ट-हॉक स्पष्टीकरण उत्पन्न किए जा सकें।

Maciej Satkiewicz, Roberto Corizzo, Marcin Pietroń2026-05-08✓ Author reviewed ⓘ

🧬 biology

Toward Practical Equilibrium Propagation: Brain-inspired Recurrent Neural Network with Feedback Regulation and Residual Connections

यह शोध पत्र FRE-RNN को प्रस्तुत करता है, जो एक जैविक रूप से सुसंगत (biologically plausible) रिकरेंट न्यूरल नेटवर्क है जिसमें फीडबैक रेगुलेशन और रेसिडुअल कनेक्शन शामिल हैं, जो इक्विलिब्रियम प्रोपेगेशन की अस्थिरता और उच्च कम्प्यूटेशनल लागतों पर विजय प्राप्त करते हुए बैकप्रोपैगेशन के तुलनीय अभिसरण गति और प्रदर्शन प्राप्त करता है और व्यावहारिक बड़े पैमाने पर मस्तिष्क-प्रेरित शिक्षण को सक्षम बनाता है।

Zhuo Liu, Tao Chen2026-05-08✓ Author reviewed ⓘ

🤖 machine learning

Evolutionary fine tuning of quantized convolution-based deep learning models

यह शोध पत्र प्रीट्रेनड डीप लर्निंग मॉडल्स के वेट्स (weights) के क्वांटाइजेशन स्टेट्स को फाइन-ट्यून करने के लिए एक इवोल्यूशनरी ऑप्टिमाइज़ेशन रणनीति प्रस्तावित करता है, जो यह प्रदर्शित करता है कि मानों (values) को मानक नियरएस्ट-नेबर राउंडिंग से दूर ले जाने से रिसोर्स-कंस्ट्रेंड एप्लिकेशन्स के लिए VGG, ResNet और ऑटोएनकोडर्स जैसे क्वांटाइज्ड आर्किटेक्चर की सटीकता में महत्वपूर्ण सुधार होता है।

Marcin Pietroń2026-05-08

🔢 mathematics

CoupleEvo: Evolving Heuristics for Coupled Optimization Problems Using Large Language Models

यह शोध पत्र CoupleEvo प्रस्तुत करता है, जो एक लार्ज लैंग्वेज मॉडल-संचालित फ्रेमवर्क है जो युग्मित अनुकूलन समस्याओं (coupled optimization problems) के लिए ह्यूरिस्टिक्स को डिजाइन करने हेतु तीन विकासवादी समन्वय रणनीतियों (evolutionary coordination strategies) का उपयोग करता है, यह प्रदर्शित करते हुए कि विघटन-आधारित दृष्टिकोण एकीकृत विकास की तुलना में अधिक स्थिर और उच्च-गुणवत्ता वाले समाधान प्रदान करते हैं।

Thomas Bömer, Bastian Amberg, Max Disselnmeyer, Anne Meyer2026-05-08

🤖 AI

Online Continual Learning on Intel Loihi 2 via a Co-designed Spiking Neural Network

यह शोध पत्र CLP-SNN प्रस्तुत करता है, जो इंटेल लोइही 2 (Intel Loihi 2) पर कार्यान्वित एक सह-डिज़ाइन किया गया स्पाइकिंग न्यूरल नेटवर्क है, जो रिप्ले-आधारित विधियों के तुलनीय सटीकता के साथ ऑनलाइन निरंतर शिक्षण (online continual learning) प्राप्त करता है और एज-जीपीयू (edge-GPU) बेसलाइन की तुलना में 6,600 गुना कम ऊर्जा खपत और 113 गुना कम विलंबता (latency) प्रदान करता है, जिससे सटीकता और दक्षता के बीच पारंपरिक समझौते को तोड़ा जा सकता है।

Elvin Hajizada, Danielle Rager, Timothy Shea, Leobardo Campos-Macias, Andreas Wild, Eyke Hüllermeier, Yulia Sandamirskay (…)2026-05-07

🤖 AI

Probe-Geometry Alignment: Erasing the Cross-Sequence Memorization Signature Below Chance

यह लेख प्रोब-जियोमेट्री अलाइनमेंट (PGA) को प्रस्तुत करता है, जो एक सर्जिकल हस्तक्षेप है जो मॉडल की गतिविधियों को इस तरह संरेखित करता है कि बड़े भाषा मॉडलों में क्रॉस-सीक्वेंस मेमोराइजेशन के लिए फीचर डिस्क्रिमिनेशन (विशेषता विभेदन) को संयोग स्तर से नीचे कम कर दिया जाता है, जबकि उनकी कार्यात्मक क्षमताओं को सुरक्षित रखा जाता है।

Anamika Paul Rupa, Anietie Andy2026-05-07

🤖 machine learning

LAWS: Learning from Actual Workloads Symbolically -- A Self-Certifying Parametrized Cache Architecture for Neural Inference, Robotics, and Edge Deployment

यह शोध पत्र LAWS को प्रस्तुत करता है, जो एक स्व-प्रमाणित (self-certifying) पैरामीटराइज्ड कैश आर्किटेक्चर है जो न्यूरल इन्फरेंस, रोबोटिक्स और एज सिस्टम्स के लिए परिनियोजन-समय (deployment-time) त्रुटि गारंटी प्रदान करने हेतु वास्तविक वर्कलोड से औपचारिक रूप से सीमित विशेषज्ञ फलनों (expert functions) की एक लाइब्रेरी को गतिशील रूप से बनाता है, और साथ ही मौजूदा Mixture-of-Experts और KV कैशिंग दृष्टिकोणों का सामान्यीकरण करते हुए उनसे बेहतर प्रदर्शन करता है।

Gregory Magarshak2026-05-07

🤖 machine learning

HERCULES: Hardware-Efficient, Robust, Continual Learning Neural Architecture Search

यह शोध पत्र HERCULES को प्रस्तुत करता है, जो न्यूरल आर्किटेक्चर सर्च के लिए एक नया फ्रेमवर्क और वर्गीकरण (taxonomy) है जो तैनात करने योग्य, आजीवन सीखने वाले (lifelong-learning) एआई सिस्टम के विकास को निर्देशित करने के लिए हार्डवेयर दक्षता, सुदृढ़ता (robustness) और निरंतर सीखने (continual learning) के महत्वपूर्ण उद्देश्यों को एकीकृत करता है।

Matteo Gambella, Fabrizio Pittorino, Manuel Roveri2026-05-07

💻 computer science

Interpreting V1 Population Activity via Image-Neural Latent Representation Alignment

यह शोध पत्र ड्यूल-टावर इमेज-न्यूरल अलाइनमेंट (DINA) प्रस्तुत करता है, जो एक व्याख्यात्मक कंट्रास्टिव फ्रेमवर्क है जो न्यूरल गतिविधि को डिकोड करने के लिए विजुअल स्टिमुली को एक साझा लेटेंट स्पेस में V1 पॉपुलेशन रिस्पॉन्स के साथ संरेखित करता है और यह प्रकट करता है कि V1 में विजुअल प्रोसेसिंग मुख्य रूप से स्पार्स, स्ट्रॉन्गली रिस्पॉन्सिव न्यूरॉन्स द्वारा पुनर्गठित मोटे, लो-लेवल स्ट्रक्चरल फीचर्स पर निर्भर करती है।

Xin Wang, Zhuangzhi Gao, Hongyi Qin, Zhongli Wu, Feixiang Zhou, He Zhao2026-05-07

← पिछला अगला →