655 पेपर
यह योगदान अट्रैक्टर एफसीएम (Attractor FCM) प्रस्तुत करता है, जो एक नवीन, ग्रेडिएंट-डिसेन्ट-आधारित और भौतिक रूप से बाधित फजी कॉग्निटिव मैप है, जो अवशेष स्मृति (residual memory), बैकप्रोपैगेशन थ्रू टाइम और एक फिक्स्ड-पॉइंट एंकर का लाभ उठाता है ताकि एक नया लर्निंग एल्गोरिदम सक्षम किया जा सके जो कुशल, कॉज़ली मास्क की गई त्रुटि न्यूनीकरण के लिए न्यूटन विधि को एडेप्टिव ग्रेडिएंट डिसेन्ट के साथ जोड़ता है।
यह शोध पत्र पदानुक्रमित गाऊसी फ़िल्टरिंग (HGF) एल्गोरिदम में एक सुदृढ़ संशोधन प्रस्तुत करता है जो लैम्बर्ट डब्लू (Lambert W) फलन का उपयोग करके वेरिएशनल ऊर्जा के दो द्विघाती विस्तारों के बीच इंटरपोलेशन के माध्यम से अस्थिरता-युग्मित नोड्स में नकारात्मक पोस्टीरियर प्रिसिजन त्रुटियों को रोकता है, जिससे संपूर्ण पैरामीटर स्पेस में स्थिर विश्वास अपडेट सुनिश्चित होता है।
यह योगदान डिस्काउंट मॉडल सर्च (DMS) को प्रस्तुत करता है, जो क्वालिटी डाइवर्सिटी के लिए एक नवीन अनुकूलन एल्गोरिदम है जो उच्च-आयामी मेजरमेंट स्पेस में ठहराव को दूर करने और इमेज-आधारित डोमेन सहित बेंचमार्क में प्रभावी अन्वेषण के साथ-साथ बेहतर प्रदर्शन सक्षम करने के लिए डिस्क्रीट हिस्टोग्राम-आधारित डिस्काउंटिंग को एक निरंतर मॉडल से बदल देता है।
यह शोध पत्र प्रस्तावित करता है कि मिक्सचर-ऑफ़-एक्सपर्ट्स मॉडल्स में मानक एफिनिटी-आधारित रूटिंग डोमेन ट्रांज़िशन के समय विफल हो जाती है, और यह प्रदर्शित करता है कि फ्री एनर्जी प्रिंसिपल से प्रेरित तंत्रों—विशेष रूप से टेम्पोरल मेमोरी, प्रिसिजन-वेटेड गेटिंग, और एन्टिसिपेटरी रूटिंग—को एकीकृत करने से विशेषज्ञ चयन की सटीकता और भविष्य कहनेवाला प्रदर्शन नाटकीय रूप से सुधर सकता है, क्योंकि यह मॉडल को वितरण संबंधी बदलावों (डिस्ट्रीब्यूशनल शिफ्ट्स) के होने से पहले ही उन्हें पहचानने और उनके लिए तैयार होने में सक्षम बनाता है।
यह शोध पत्र प्रदर्शित करता है कि स्पाइकिंग स्पार्स डिस्ट्रीब्यूटेड मेमोरी और ट्रांसफॉर्मर कार्यात्मक रूप से समरूप (isomorphic) अनुक्रम मॉडल हैं जो पांच मुख्य ऑपरेशनों और एक कोसाइन सिमिलैरिटी रिट्रीवल प्रिमिटिव को साझा करते हैं, जो स्पाइक टाइमिंग और साइनुसोइडल पोजीशनल एनकोडिंग के बीच एक गणितीय संबंध स्थापित करते हुए यह भी दिखाते हैं कि रैंक-आधारित एम्बेडिंग्स पोजीशनली डिमांडिंग कार्यों में फ्रीक्वेंसी-कंप्रेस्ड एनकोडिंग्स से बेहतर प्रदर्शन करती हैं।
यह शोध पत्र NOAH को प्रस्तुत करता है, जो एक नवीन प्रकृति-प्रेरित स्वार्म ऑप्टिमाइज़ेशन एल्गोरिदम है जो बार्नकल नौप्लि (barnacle nauplii) के व्यवहार की नकल करता है ताकि स्वायत्त अंडरवॉटर व्हीकल्स (Autonomous Underwater Vehicles) को प्रभावी ढंग से तीव्र धाराओं में नेविगेट करने और निरंतर सेंसिंग मिशनों के लिए अपरिवर्तनीय, ऊर्जा-कुशल एंकरिंग प्राप्त करने में सक्षम बनाया जा सके।
यह शोध पत्र एक मॉड्यूलर, टोपोलॉजी-जागरूक फोटोनिक एआई एक्सेलेरेटर आर्किटेक्चर प्रस्तावित करता है जो यह प्रदर्शित करते हुए कि सिमेट्रिक ग्रिड टोपोलॉजी बहुत बड़े सिस्टम तक स्केल करने पर लीनियर कॉन्फ़िगरेशन की तुलना में प्रदर्शन और ऊर्जा दक्षता में महत्वपूर्ण सुधार करती है, "यूटिलाइजेशन वॉल" स्केलिंग बॉटलनेक को दूर करता है।
NORACl संतृप्ति संकेतों (saturation signals) के आधार पर एक न्यूरल नेटवर्क की वास्तुकला को गतिशील रूप से बढ़ाकर निरंतर शिक्षण (continual learning) में स्थिरता-प्लास्टिसिटीता दुविधा (stability-plasticity dilemma) को संबोधित करता है, जिससे कम पैरामीटर्स का उपयोग करते हुए और व्याख्या योग्य विकास पैटर्न प्रदान करते हुए ऑरेकल-आकार के स्थिर मॉडलों के तुलनीय या बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र "फिजिकल फाउंडेशन मॉडल्स" (PFMs) का प्रस्ताव करता है, जो एक ऐसा प्रतिमान (पैराडाइम) है जहाँ बड़े पैमाने के न्यूरल नेटवर्क को ट्रिलियन-स्केल एआई मॉडल के लिए अभूतपूर्व ऊर्जा दक्षता, गति और पैरामीटर घनत्व प्राप्त करने के लिए प्राकृतिक भौतिक गतिकी का लाभ उठाते हुए सीधे फिक्स्ड हार्डवेयर कार्यान्वयन के रूप में साकार किया जाता है।
यह शोध पत्र PBiLoss का प्रस्ताव करता है, जो एक नवीन, मॉडल-अज्ञेय (model-agnostic) रेगुलराइजेशन लॉस फंक्शन है, जो एडेप्टिव सैंपलिंग रणनीतियों के माध्यम से लोकप्रिय वस्तुओं की अत्यधिक सिफारिश को दंडित करके ग्राफ-आधारित अनुशंसा प्रणालियों में लोकप्रियता पूर्वाग्रह को कम करता है, जिससे सटीकता से समझौता किए बिना अनुशंसा निष्पक्षता और विविधता में महत्वपूर्ण सुधार होता है।