660 पेपर
यह शोध पत्र शार्पनेस-अवेयर सरोगेट ट्रेनिंग (SAST) प्रस्तुत करता है, जो एक ऐसी विधि है जो ग्रेडिएंट अनुमान से नॉनस्मूथ डायनेमिक्स को अलग करने के लिए सरोगेट फॉरवर्ड SNNs पर शार्पनेस-अवेयर मिनिमाइजेशन लागू करती है, जिससे सैद्धांतिक अभिसरण गारंटी (convergence guarantees) प्राप्त होती है और इवेंट-आधारित विजन बेंचमार्क पर हार्ड स्पाइक ट्रांसफर सटीकता और मजबूती में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक पूर्ण, सिंथेसाइज़ेबल (synthesizable) RTL आर्किटेक्चर प्रस्तुत करता है जो स्थानीय प्रेडिक्शन-एरर डायनेमिक्स और एक यूनिफॉर्म क्लैम्पिंग प्रिमिटिव का उपयोग करके हार्डवेयर में डिस्क्रीट-टाइम प्रेडिक्टिव कोडिंग नेटवर्क को लागू करता है, ताकि वैश्विक त्रुटि प्रसार (global error propagation) या केंद्रीकृत मेमोरी के बिना पूर्णतः वितरित, ऑनलाइन सुपरवइज्ड लर्निंग को सक्षम बनाया जा सके।
यह शोध पत्र ग्रेंजर-कॉज़ैलिटी रिफाइनमेंट के साथ एक कोवेरिएंस-आधारित विधि प्रस्तुत करता है जो कई सत्रों में विरल, आंशिक मापों से पूर्ण तंत्रिका कनेक्टिविटी (न्यूरल कनेक्टिविटी) को सफलतापूर्वक पुनर्गठित करता है, यह प्रकट करते हुए कि एक रैखिक सन्निकटन (लीनियर एप्रोक्सिमेशन), जिसमें अंतर्निहित नियमितीकरण (इम्प्लिसिट रेगुलराइजेशन) है, ओरेकल नॉन-लीनियर एस्टिमेटर्स से बेहतर प्रदर्शन करता है और उत्तेजना एवं मापन घनत्व के बीच के ट्रेडऑफ़ को स्पष्ट करता है।
यह शोधपत्र वर्गीकरण और पैटर्न पहचान के लिए एक स्केलेबल मशीन लर्निंग फ्रेमवर्क का प्रस्ताव करता है जो युग्मित अराजक दोलकों (coupled chaotic oscillators) के एन्सेम्बल्स का लाभ उठाता है, जहाँ एक न्यूरल नेटवर्क डेटा प्रोसेसिंग के लिए स्थानीय अनुनाद (local resonances) उत्पन्न करने हेतु आवश्यक कपलिंग टर्म्स को स्वचालित रूप से सीखता है, जिससे विशेषज्ञ-निर्मित कपलिंग नियमों की आवश्यकता समाप्त हो जाती है और कुशल ग्रेडिएंट-आधारित अनुकूलन सक्षम होता है।
यह शोध पत्र न्यूरो-लिंग्विस्टिक इंटीग्रेशन (NLI) की अवधारणा प्रस्तुत करता है, जहाँ लार्ज लैंग्वेज मॉडल्स (LLMs) न्यूरल डेटा के लिए सिमेंटिक इंटरफेस के रूप में कार्य करते हैं, और उभरते हुए न्यूरो-डिजिटल पारिस्थितिक तंत्रों में अद्वितीय नैतिक जोखिमों और नियामक अंतराल को संबोधित करने के लिए सिमेंटिक पारदर्शिता, मानसिक सूचित सहमति और एजेंसी संरक्षण पर केंद्रित एक नए "द्वितीय-क्रम के न्यूरोएथिक्स" ढांचे का तर्क देता है।
यह शोध पत्र रिकर्सिव स्टेम मॉडल (RSM) प्रस्तुत करता है, जो एक प्रशिक्षण-कुशल रिकर्सिव रीजनिंग फ्रेमवर्क है जो प्रशिक्षण के दौरान हिडन-स्टेट हिस्ट्री को अलग करके सुडोकू और भूलभुलैया जैसे जटिल पहेलियों पर काफी तेज़ प्रशिक्षण और बेहतर सटीकता प्राप्त करता है, जो मनमाने रिफाइनमेंट स्टेप्स के साथ टेस्ट-टाइम स्केलिंग सक्षम करता है, और नेटिव कन्वर्जेंस-आधारित विश्वसनीयता संकेत प्रदान करता है।
यह शोध पत्र EvoIQA को प्रस्तुत करता है, जो एक जेनेटिक प्रोग्रामिंग-आधारित सिम्बोलिक रिग्रेशन फ्रेमवर्क है जो इमेज क्वालिटी असेसमेंट के लिए मानव-पठनीय गणितीय सूत्रों को विकसित करता है, और पारंपरिक मेट्रिक्स से बेहतर प्रदर्शन करते हुए तथा जटिल डीप लर्निंग मॉडल्स के बराबर पहुँचते हुए, व्याख्यात्मकता और अत्याधुनिक प्रदर्शन के बीच के अंतर को सफलतापूर्वक पाटता है।
यह शोध पत्र एक नई उपसमूह स्तर (subset level) विधि प्रस्तुत करता है जो पारंपरिक फिटनेस स्तर विभाजन की सीमाओं को दूर करती है, जिससे गैर-स्तर-आधारित (non-level-based) फिटनेस फलनों पर एलीटिस्ट विकासवादी एल्गोरिदम के लिए माध्य हिटिंग समय (mean hitting time) का तेज़ और सटीक निचला बाउंड अनुमान लगाना संभव हो जाता है, जैसा कि नैपसैक समस्या (knapsack problem) के उदाहरणों के माध्यम से प्रमाणित किया गया है।
यह शोध पत्र एक स्केलेबल, जैविक रूप से प्रेरित ढांचे को प्रस्तुत करता है जहाँ स्पाइकिंग न्यूरॉन्स रैखिक प्रणालियों (linear systems) के लिए भविष्य कहने वाले नियंत्रकों (predictive controllers) के रूप में कार्य करते हैं, जो केवल तभी विरल, तात्कालिक आवेग उत्सर्जित करते हैं जब वे प्रणाली को एक लक्ष्य की ओर ले जाते हैं, जिससे निरंतर दर-आधारित निरूपणों की आवश्यकता समाप्त हो जाती है और नेटवर्क कनेक्टिविटी एवं गतिकी (dynamics) के लिए क्लोज्ड-फॉर्म गणितीय व्युत्पत्तियों को बनाए रखा जाता है।
यह शोध पत्र वैश्विक शब्दकोशों (global dictionaries) के स्थान पर स्थानीय अर्थ संबंधी चार्टों (local semantic charts) का उपयोग करके, बड़े भाषा मॉडलों (large language models) में सुपरपोजिशन की व्याख्या करने के लिए एक शीफ-सैद्धांतिक गेज फ्रेमवर्क (sheaf-theoretic gauge framework) प्रस्तावित करता है, जिससे व्याख्यात्मकता (interpretability) की तीन विशिष्ट बाधाओं—लोकल जैमिंग (local jamming), प्रॉक्सी शीयरिंग (proxy shearing), और नॉनट्रिवियल होलोनोमी (nontrivial holonomy)—को परिमाणित किया जाता है और Llama-3.2-3B पर अनुभवजन्य प्रयोगों के माध्यम से इन सैद्धांतिक सीमाओं को मान्य किया जाता है।