657 पेपर
यह शोध पत्र प्रदर्शित करता है कि एक L-सिस्टम-आधारित जेनेटिक एनकोडिंग विधि (Lsys), हीब्बियन न्यूरल नेटवर्क विकसित करने में डायरेक्ट मैट्रिक्स एनकोडिंग की तुलना में काफी बेहतर प्रदर्शन करती है, जो जटिल वातावरण में नेविगेट करने के लिए श्रेष्ठ प्रदर्शन, विश्वसनीयता और सामान्यीकरण क्षमताएं प्रदान करती है।
LTBs-KAN एक नवीन कोलमोगोरोव-आर्नोल्ड नेटवर्क आर्किटेक्चर पेश करता है जो गहन B-स्प्लाइन गणनाओं को अधिक कुशल बेस-स्प्लाइन दृष्टिकोण से बदलकर और प्रोडक्ट-ऑफ-सम्स मैट्रिक्स फैक्टराइजेशन का उपयोग करके रैखिक-समय जटिलता और कम पैरामीटर गणना प्राप्त करता है।
HubRouter एक प्लगेबल मॉड्यूल है जो हाइब्रिड सीक्वेंस मॉडल्स के लिए डिज़ाइन किए गए अधिक कुशल हब-मध्यस्थ रूटिंग तंत्र के साथ अटेंशन लेयर्स को बदल देता है।
यह शोध पत्र Z-Score Filtered Sharpness-Aware Minimization का प्रस्ताव करता है, जो एक ऐसी विधि है जो परटर्बेशन स्टेप के दौरान केवल सबसे महत्वपूर्ण ग्रेडिएंट घटकों को बनाए रखने के लिए Z-score आधारित फ़िल्टरिंग लागू करके सामान्यीकरण (generalization) को बढ़ाती है, जिससे शोर कम होता है और मौजूदा Sharpness-Aware Minimization वेरिएंट्स की तुलना में विभिन्न डेटासेट्स और आर्किटेक्चर पर टेस्ट सटीकता में निरंतर सुधार होता है।
यह शोधपत्र यह प्रदर्शित करता है कि पैरामीट्रिक रेजोनेंस रिजीम के भीतर संचालित पैरामीट्रिकली-ड्रिवन टू-मोड ऑसिलेटर्स, अराजक प्रणालियों (केओटिक सिस्टम्स) की भविष्यवाणी करने के लिए अत्यधिक प्रभावी रिसर्वायर कंप्यूटर के रूप में कार्य करते हैं, जो गैररेखीय अंतःक्रियाओं और टेम्पोरल कोहेरेंस के बीच संतुलन बनाकर इष्टतम प्रदर्शन प्राप्त करते हैं और कम्प्यूटेशनल क्षमता एवं सिस्टम की अंतर्निहित बाइफरकेशन संरचना के बीच एक सीधा संबंध प्रकट करते हैं।
यह शोधपत्र पाथ-इंटिग्रल दृष्टिकोण का उपयोग करते हुए गॉसियन क्वेंच्ड डिसऑर्डर वाले बड़े नॉनलीन रिकरेंट न्यूरल नेटवर्क में सहसंबंधों के सांख्यिकी के लिए सटीक अभिव्यक्तियों को व्युत्पन्न करता है, जो गैर-रेखीय सक्रियण फलनों (नॉनलीन एक्टिवेशन फंक्शन्स), व्यवस्थित परिमित-आकार सुधारों और रंगीन शोर (कलर्ड नॉइज़) के लिए नए विश्लेषणात्मक अनुमानों को शामिल करते हुए पिछले रैखिक परिणामों का विस्तार करता है।
यह शोध पत्र प्रदर्शित करता है कि विविध लार्ज लैंग्वेज मॉडल्स (LLMs) संख्याओं के लिए आश्चर्यजनक रूप से सार्वभौमिक और विनिमेय साइनुसोइडल (sinusoidal) निरूपणों पर अभिसरित होते हैं, जो संख्यात्मक एन्कोडिंग का सटीक मूल्यांकन करने और यांत्रिक संवर्द्धनों के माध्यम से अंकगणितीय त्रुटियों को कम करने के लिए एक महत्वपूर्ण निष्कर्ष है।
यह शोध पत्र एक नवीन स्थानिक-कालिक क्लस्टर-ट्रिगरित एन्कोडिंग फ्रेमवर्क प्रस्तावित करता है जो कुशल, संरचना-जागरूक स्पाइक ट्रेनों को उत्पन्न करने के लिए 2D स्थानिक क्लस्टरिंग और 3D कालिक सुसंगतता का लाभ उठाता है, जिससे पारंपरिक विधियों की तुलना में N-MNIST डेटासेट पर कम स्पाइक्स के साथ बेहतर वर्गीकरण सटीकता प्राप्त होती है।
यह शोधपत्र स्टेट स्पेस मॉडल्स (विशेष रूप से S4D) और सटीक रूप से हल होने वाले नॉनलीनियर ऑसिलेटर नेटवर्क्स के बीच एक गणितीय पत्राचार स्थापित करता है, जो उनके फॉरवर्ड पास के लिए एक स्पष्ट ऑपरेटर अभिव्यक्ति व्युत्पन्न करता है जो यह प्रकट करता है कि कैसे नॉनलीनियर डिकोडर्स गतिविधि की परस्पर क्रिया करने वाली तरंगों के माध्यम से अनुक्रम वर्गीकरण को सक्षम करते हैं।
यह शोध पत्र "लर्निंग हिप्पो" (Learning Hippo) को प्रस्तुत करता है, जो दस न्यूरोनल आबादी और मल्टी-रूल प्लास्टिसिटी (multi-rule plasticity) से युक्त हॉपफील्ड नेटवर्क का एक जैविक रूप से विस्तृत CA3 विस्तार है, जो तीन अद्वितीय गुणात्मक हस्ताक्षरों—मल्टी-अट्रैक्टर क्रॉस-सीड व्यवहार, टार्गेट-सिलेक्टिव एसोसिएटिव रिकॉल और कम क्रॉस-सीड वेरिएंस—का प्रदर्शन करता है, जो न्यूनतम हॉपफील्ड बेसलाइन में अनुपस्थित हैं।