660 पेपर
यह शोध पत्र एक रैखिकीकृत (linearized) गणितीय मॉडल को पेश करके 'क्वाड्रेटिक मल्टीपल कंस्ट्रेंट्स वेरिएबल-साइज़्ड बिन पैकिंग समस्या' को संबोधित करता है जो सुदृढ़ निचली सीमाएँ (lower bounds) उत्पन्न करता है, और एक नवीन RKO-ACO एल्गोरिदम को प्रस्तुत करता है जिसमें एडेप्टिव Q-लर्निंग शामिल है जो बड़े पैमाने के उदाहरणों के लिए नए सर्वश्रेष्ठ-ज्ञात समाधान स्थापित करता है।
यह शोध पत्र टाइम-डिलेड ऑटोप्स (autapse) SNN (TDA-SNN) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो ऑटोप्स और प्रोटोटाइप लर्निंग वाले एकल न्यूरॉन का उपयोग करके जटिल स्पाइकिंग न्यूरल नेटवर्क आर्किटेक्चर को पुनर्गठित करता है, जिससे टेम्पोरल लेटेंसी (temporal latency) की कीमत पर प्रतिस्पर्धी प्रदर्शन प्राप्त करते हुए न्यूरॉन की संख्या और मेमोरी लागत में उल्लेखनीय कमी आती है।
यह शोध पत्र NERO-Net प्रस्तुत करता है, जो एक न्यूरोइवोल्यूशनरी फ्रेमवर्क है जो खोज प्रक्रिया के दौरान एडवरसैरियल ट्रेनिंग पर निर्भर किए बिना उच्च पोस्ट-अटैक सटीकता के लिए अनुकूलित करके स्वाभाविक रूप से सुदृढ़ CNN आर्किटेक्चर को डिज़ाइन करता है, जिससे CIFAR-10 के क्लीन और एडवरसैरियल दोनों बेंचमार्क पर उत्कृष्ट प्रदर्शन प्राप्त होता है।
यह शोध पत्र 2010 से 2024 तक IEEE CEC एकल-उद्देश्य अनुकूलन प्रतियोगिताओं के विकास का विश्लेषण करता है, जो यह रेखांकित करता है कि कैसे गैर-पृथक्करणीय (non-separable) बेंचमार्क की शुरूआत ने रोटेशन-इनवेरिएंट डिफरेंशियल इवोल्यूशन वेरिएंट्स और हाइब्रिड ऑप्टिमाइजर्स के प्रभुत्व को स्थानांतरित कर दिया, जो अंततः यह सुझाव देता है कि इन विकसित सॉल्वर्स में वेरिएशनल क्वांटम एल्गोरिदम के लिए आवश्यक अनुकूलन क्षमताएं मौजूद हैं।
यह शोध पत्र अवलोकन संबंधी डेटा पर कारण खोज (causal discovery) के लिए एक 'मिक्सचर-ऑफ-एक्सपर्ट्स' आर्किटेक्चर का प्रस्ताव करता है, हालांकि प्रदान किए गए सार (abstract) में व्याकरण संबंधी अत्यधिक विसंगति और न्यूरल नेटवर्क बनाम सरल रैखिक मॉडलों की आवश्यकता के संबंध में विरोधाभासी दावे मौजूद हैं।
यह शोध पत्र फ्री-मार्केट एल्गोरिदम (FMA) को प्रस्तुत करता है, जो एक नवीन मेटाहेयुरिस्टिक (metaheuristic) है जो मुक्त-अंत वाले जटिल तंत्रों में पदानुक्रमित समाधान पथों को स्वायत्त रूप से खोजने के लिए उभरते हुए आपूर्ति-और-मांग गतिकी का उपयोग करता है, और पूर्व-निर्धारित फिटनेस फंक्शनों के बिना प्रीबायोटिक रासायनिक नेटवर्क के पुनर्निर्माण और मैक्रोइकॉनोमिक संकेतकों के पूर्वानुमान में अपनी प्रभावकारिता को सफलतापूर्वक प्रदर्शित करता है।
यह शोध पत्र MorphoNAS प्रस्तुत करता है, जो जैविक मॉर्फोजेनेसिस (morphogenesis) और फ्री एनर्जी प्रिंसिपल (Free Energy Principle) से प्रेरित एक न्यूरल आर्किटेक्चर सर्च विधि है, जो स्ट्रक्चरल टारगेटिंग और कार्टपोल (CartPole) कंट्रोल जैसे कार्यों के लिए सरल मॉर्फोजेन-आधारित विकासात्मक नियमों का उपयोग करके संक्षिप्त जीनोम को जटिल, उच्च-प्रदर्शन वाले न्यूरल नेटवर्क में विकसित करता है।
यह शोध पत्र हेब्बियन अट्रैक्टर नेटवर्क (HAN) को प्रस्तुत करता है, जो प्लास्टिक न्यूरल नेटवर्क का एक वर्ग है जो उभरते हुए अट्रैक्टर डायनेमिक्स को प्रेरित करने के लिए ड्यूल-टाइमस्केल हेब्बियन प्लास्टिसिटी और टेम्पोरल एवरेजिंग का उपयोग करता है, यह प्रदर्शित करते हुए कि धीमी अपडेट फ्रीक्वेंसी स्थिर वेट कॉन्फ़िगरेशन को बढ़ावा देती है जबकि तेज़ अपडेट दोलनशील प्रणालियों को उत्पन्न करते हैं, जिससे सिम्युलेटेड और उच्च-आयामी क्वाड्रुपेडल रोबोट लोकोमोशन दोनों में मजबूत अनुकूलन सक्षम होता है।
यह शोध पत्र ड्यूल-व्यू फेरोमोन पाथवे नेटवर्क (DPPN) को यह प्रदर्शित करने के लिए प्रस्तुत करता है कि तंत्रिका आर्किटेक्चर में निरंतर संरचनात्मक स्मृति के लिए एक स्थिर, बाह्य समन्वय प्रणाली (जो निश्चित रैंडम फूरियर फीचर्स द्वारा प्रदान की जाती है) और एक सुव्यवस्थित हस्तांतरण तंत्र (जो लर्निंग-रेट मॉड्यूलेशन के माध्यम से प्राप्त किया जाता है) दोनों की आवश्यकता होती है ताकि अंतर्निहित अस्थिरता और नकारात्मक हस्तांतरण पर विजय प्राप्त की जा सके।
AgenticGEO एक स्व-विकसित (self-evolving) एजेंटिक फ्रेमवर्क है जो MAP-Elites आर्काइव और एक सह-विकसित क्रिटिक (Co-Evolving Critic) का उपयोग करके स्थिर जनरेटिव इंजन ऑप्टिमाइज़ेशन (GEO) विधियों की सीमाओं को संबोधित करता है, ताकि न्यूनतम इंटरेक्शन लागत के साथ ब्लैक-बॉक्स जनरेटिव सर्च इंजनों के अनुकूल विविध, उच्च-गुणवत्ता वाली सामग्री रणनीतियों को गतिशील रूप से उत्पन्न किया जा सके।