660 पेपर
यह अध्ययन झिल्ली विभव (मेम्ब्रेन पोटेंशियल) पर गुणात्मक शोर (मल्टीप्लिकेटिव नॉइज़) को न्यूरोनल साइलेंसिंग के कारण स्पाइकिंग न्यूरल नेटवर्क के प्रदर्शन के लिए सबसे हानिकारक कारक के रूप में पहचानता है, और शोर-प्रेरित सटीकता क्षरण को प्रभावी ढंग से कम करने के लिए एक सिग्मॉइड-आधारित इनपुट प्री-फिल्टरिंग रणनीति का प्रस्ताव करता है, साथ ही सामान्य शोर के प्रति नेटवर्क की अधिक मजबूती को भी रेखांकित करता है।
यह शोध पत्र एक रैंडम-की ऑप्टिमाइज़र (RKO) फ्रेमवर्क का प्रस्ताव और मूल्यांकन करता है जो चुनौतीपूर्ण मिक्स्ड-इंटीजर प्रोग्राम्स को कुशलतापूर्वक हल करने के लिए समस्या-विशिष्ट डिकोडर्स का उपयोग करता है, जो पोर्टफोलियो अनुकूलन और समय-निर्भर रूटिंग समस्याओं के बड़े पैमाने के उदाहरणों पर अत्याधुनिक वाणिज्यिक सॉल्वर से लगातार बेहतर प्रदर्शन करने की अपनी क्षमता प्रदर्शित करता है।
BACE एक बेयसियन एंकोर्ड को-इवोल्यूशन (Bayesian Anchored Co-Evolution) फ्रेमवर्क पेश करता है जो जनरेट किए गए टेस्ट्स को एक पारस्परिक विश्वास-अपडेटिंग प्रक्रिया के भीतर शोर वाले संकेतों (noisy signals) के रूप में मानकर LLM-आधारित कोड जनरेशन में सुधार करता है, जिससे स्व-पुष्टि ड्रिफ्ट (self-validating drift) को रोका जा सकता है और यह LiveCodeBench v6 पर मौजूदा तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र तर्क देता है कि आधुनिक मशीन लर्निंग विधियाँ परग्रही जीवन का पता लगाने के लिए अनुपयुक्त हैं क्योंकि वे आउट-ऑफ-डिस्ट्रीब्यूशन नमूनों का विश्लेषण करते समय फाल्स पॉजिटिव (गलत सकारात्मक परिणाम) उत्पन्न करने के प्रति संवेदनशील होती हैं, जैसा कि आर्टिफिशियल लाइफ सिमुलेशन में प्रदर्शित किया गया है जहाँ निर्जीव प्रणालियों को आत्मविश्वास के साथ जीवित के रूप में गलत तरीके से पहचाना गया था।
यह शोध पत्र सोक्रेट्स लॉस (Socrates Loss) को प्रस्तुत करता है, जो एक एकीकृत प्रशिक्षण उद्देश्य है जो वर्गीकरण सटीकता और आत्मविश्वास अंशांकन (confidence calibration) को एक साथ अनुकूलित करने के लिए एक सहायक अज्ञात वर्ग (auxiliary unknown class) को शामिल करता है, जो प्रभावी रूप से मौजूदा विधियों में निहित स्थिरता-प्रदर्शन व्यापार-रुप (stability-performance trade-off) को हल करता है।
यह शोध पत्र GeM-EA का प्रस्ताव करता है, जो एक नवीन विकासवादी एल्गोरिदम (evolutionary algorithm) है जो स्ट्रीमिंग डेटा-संचालित अनुकूलन समस्याओं में कॉन्सेप्ट ड्रिफ्ट (concept drift) को प्रभावी ढंग से संबोधित करने के लिए तीव्र सरोगेट अनुकूलन हेतु मेटा-लर्निंग और ऐतिहासिक ज्ञान का लाभ उठाने हेतु जनरेटिव रिप्ले को संयोजित करता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि न्यूरल सेलुलर ऑटोमेटा (Neural Cellular Automata) फिक्स्ड-पॉइंट अट्रैक्टर्स (fixed-point attractors) सीखते हैं, और डायनेमिकल सिस्टम थ्योरी (dynamical systems theory) का उपयोग करके यह प्रदर्शित करता है कि बढ़ता हुआ गेको एनसीए (gecko NCA) वास्तव में विशिष्ट स्थिरता विशेषताओं और विक्षोभ (perturbation) के तहत माध्यमिक मोड (secondary modes) के साथ दोलनी (oscillatory), आवधिक (periodic) और अर्ध-आवधिक (quasi-periodic) व्यवहार प्रदर्शित करता है।
यह शोध पत्र डेंस एसोसिएटिव मेमोरी का एक एल्गोरिद्मिक विश्लेषण प्रस्तुत करता है जो स्पष्ट पैटर्न स्थितियों के तहत ज्यामितीय अभिसरण (geometric convergence), प्रतिकूल सुदृढ़ता (adversarial robustness), और भंडारण क्षमता के लिए परिमित-आकार गारंटी स्थापित करता है, साथ ही यह भी प्रदर्शित करता है कि रिट्रीवल डायनेमिक्स एक पोटेंशियल गेम के अनुरूप है जो शुद्ध नैश इक्विलिब्रिया (pure Nash equilibria) की ओर अभिसरित होता है।
यह शोध पत्र ब्रश (Brush) को प्रस्तुत करता है, जो एक नवीन सिम्बोलिक रिग्रेशन एल्गोरिदम है जो सटीक, व्याख्यात्मक और नियम-आधारित नैदानिक निर्णय स्कोर उत्पन्न करने के लिए निर्णय-वृक्ष (decision-tree) जैसी विभाजन प्रक्रिया को गैर-रेखीय स्थिरांक अनुकूलन (non-linear constant optimization) के साथ एकीकृत करता है, जो मॉडल की सरलता बनाए रखते हुए मौजूदा विधियों से बेहतर या उनके समान प्रदर्शन करता है।
यह शोध पत्र एक सरोगेट-असिस्टेड न्यूरोइवोल्यूशन फ्रेमवर्क का प्रस्ताव करता है जो जटिल जल वितरण प्रणालियों में बहु-उद्देश्यीय क्लोरीन इंजेक्शन रणनीतियों को अनुकूलित करने के लिए NEAT और NSGA-II को संयोजित करता है, जो पारंपरिक हाइड्रोलिक सिम्युलेटर्स की कम्प्यूटेशनल लागतों को दरकिनार करने के लिए एक न्यूरल नेटवर्क सरोगेट का लाभ उठाते हुए मानक सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।