660 पेपर
यह शोध पत्र हिबियन-ऑसिलेटरी को-लर्निंग (HOC-L) को प्रस्तुत करता है, जो एक एकीकृत टू-टाइमस्केल फ्रेमवर्क है जो हाइपरबोलिक स्पार्स ज्योमेट्री को कुरामोटो-आधारित फेज सिंक्रोनाइज़ेशन के साथ एकीकृत करता है ताकि केवल तभी कनेक्टिविटी सुदृढ़ीकरण सक्षम किया जा सके जब फेज कोहेरेंस सार्थक पैटर्न का संकेत देता है, जिससे बायो-इंस्पायर्ड न्यूरल आर्किटेक्चर में सिद्ध अभिसरण और जटिलता प्राप्त होती है।
यह शोध पत्र एक भौतिकी-सूचित न्यूरल नेटवर्क (PINN) ढांचे को प्रस्तुत करता है जो केवल आंशिक, शोर युक्त वोल्टेज अवलोकनों का उपयोग करके मल्टीस्केल न्यूरोनल मॉडलों में छिपे हुए अवस्था चरों को मजबूती से पुनर्गठित करता है और बायोफिजिकल मापदंडों का अनुमान लगाता है, जो पारंपरिक संख्यात्मक विधियों में सामान्य अभिसरण विफलताओं और संवेदनशीलता संबंधी मुद्दों को प्रभावी ढंग से दूर करता है।
यह शोध पत्र एक जेनेटिक प्रोग्रामिंग-आधारित विधि प्रस्तुत करता है जो मैक्सिमम लाइकलीहुड एस्टीमेशन के माध्यम से ड्रिफ्ट और डिफ्यूजन फलनों को संयुक्त रूप से अनुकूलित करके स्टोकेस्टिक डिफरेंशियल इक्वेशंस की प्रतीकात्मक खोज करती है, जिससे शोर वाले गतिशील प्रणालियों का सटीक, स्केलेबल और व्याख्या योग्य मॉडलिंग सक्षम होता है।
यह शोध पत्र 28 nm CMOS में निर्मित एक 1.6-fJ/स्पाइक सबथ्रेशोल्ड एनालॉग लीकी इंटीग्रेट-एंड-फायर न्यूरॉन प्रस्तुत करता है, जो 250 mV पर 300 kHz स्पाइकिंग फ्रीक्वेंसी प्राप्त करता है और एक क्वांटाइज्ड स्पाइकिंग न्यूरल नेटवर्क में उपयोग किए जाने पर MNIST डेटासेट पर 82.5% सटीकता प्रदर्शित करता है, जो ऊर्जा-कुशल एम्बेडेड मशीन लर्निंग के लिए इसकी क्षमता को प्रमाणित करता है।
यह शोध पत्र एक कठोर, निष्पक्ष-तुलना ढांचे को पेश करके स्पाइकिंग न्यूरल नेटवर्क (SNN) की अंतर्निहित ऊर्जा श्रेष्ठता की प्रचलित धारणा को चुनौती देता है, जो यह प्रकट करता है कि SNN केवल विशिष्ट कम-स्पाइक-दर स्थितियों के तहत ही क्वांटाइज्ड ANN से बेहतर प्रदर्शन करते हैं, जबकि यह भी प्रदर्शित करता है कि ऐसे अनुकूलित SNN स्मार्टवॉच जैसे उपकरणों की बैटरी लाइफ को लगभग दोगुना कर सकते हैं।
यह ट्यूटोरियल कैस्केड सिस्टम से लेकर वॉइस-नेटिव लार्ज लैंग्वेज मॉडल्स तक स्पोकन कन्वर्सेशनल एजेंट्स के विकास को रेखांकित करता है, जिसमें तकनीकी आर्किटेक्चर, डेटासेट और मूल्यांकन मेट्रिक्स को कवर करते हुए व्यावहारिक रोडमैप प्रदान किए गए हैं और गोपनीयता, सुरक्षा एवं सुदृढ़ता में खुली चुनौतियों का समाधान किया गया है।
यह शोध पत्र OptiRoulette को प्रस्तुत करता है, जो एक स्टोकेस्टिक मेटा-ऑप्टिमाइज़र है जो प्रशिक्षण के दौरान एक पूल से अपडेट नियमों को गतिशील रूप से चुनता है, और कई इमेज-क्लासिफिकेशन बेंचमार्क पर एक मानक AdamW बेसलाइन की तुलना में काफी तेज़ अभिसरण (convergence) और उच्च परीक्षण सटीकता प्रदर्शित करता है।
RECAP एक जैव-प्रेरित (bio-inspired) छवि वर्गीकरण विधि है जो बिना पूर्व अनुभव के दूषित इनपुट के लिए सामान्यीकरण करने में सक्षम, बैकप्रोपैगेशन-मुक्त शिक्षण प्राप्त करने के लिए अप्रशिक्षित रिज़र्वोइर डायनेमिक्स को एक स्व-संगठित हेब्बियन प्रोटोटाइप रीडआउट के साथ जोड़ती है।
यह शोध पत्र STG-LIFG-PMC मार्ग से प्रेरित एक रैंक-ऑर्डर आधारित न्यूरल नेटवर्क का प्रस्ताव करता है जो यह प्रदर्शित करता है कि कैसे रैंक-ऑर्डर कोडिंग ध्वनिक इनपुट को अमूर्त संरचना से प्रभावी ढंग से जोड़ती है, जिससे संदर्भ-संवेदनशील संवेदी-मोटर निरूपणों के माध्यम से सुदृढ़ अनुक्रम पुनर्निर्माण, वैश्विक नवीनता का पता लगाना और प्रोटो-सिंटैक्टिक सामान्यीकरण सक्षम होता है।
यह शोध पत्र पोलरबेयर (Polarbear) प्रस्तुत करता है, जो एक बेयसियन रेसिंग फ्रेमवर्क है जो बिना किसी ऑब्जेक्टिव बाउंड्स, नॉर्मलाइजेशन या ज्ञात ऑप्टिमा की आवश्यकता के, डोमिनेटेड उम्मीदवारों को हटाने के लिए टेम्पोरल प्लैकेट-लूस रैंकिंग को एडेप्टिवली सैंपल करके पारेटो-ऑप्टिमल एनीटाइम एल्गोरिदम की पहचान करता है।