cs.NE पेपर | Gist.Science

Spike-HTR: Spiking Neural Transformer for Handwritten Text Recognition

Spike-HTR हस्तलिखित पाठ पहचान (handwritten text recognition) के लिए एक हाइब्रिड स्पाइकिंग न्यूरल नेटवर्क है जो मोटे-से-सूक्ष्म (coarse-to-fine) टेम्पोरल एनकोडिंग के लिए एक InkCoder और ब्लैंक-प्रधान अनुक्रमों को संकुचित करने के लिए एक CTC-गाइडेड लेंथ रिड्यूसर का उपयोग करके स्थिर छवियों और स्पाइकिंग डायनेमिक्स के बीच कम्प्यूटेशनल बेमेल को संबोधित करता है, जिससे केवल दो टाइमस्टेप्स के साथ और बिना किसी बाहरी लैंग्वेज मॉडल के उच्च सटीकता प्राप्त होती है।

Xiubo Liang, Jinxing Han, Yuke Li, Haoqi Zhu, Yu Zhao, Hongzhi Wang2026-08-04

🧬 biology

Divisive Normalization Shapes Low-Rank Slow Manifolds for Continuous Working Memory

यह शोध पत्र रिकरेंट डिवीसिव नॉर्मलाइजेशन नेटवर्क (RDNN) का प्रस्ताव करता है, जो एक जैविक रूप से प्रेरित मॉडल है और जो क्लासिकल अट्रैक्टर नेटवर्क्स की भंगुरता और मानक RNNs की विविक्तीकरण विफलताओं (discretization failures) को दूर करने के लिए डिवीसिव नॉर्मलाइजेशन का उपयोग करता है, जिससे गतिविधि-निर्भर ग्रेडिएंट स्केलिंग के माध्यम से वर्किंग मेमोरी के लिए निरंतर, लो-रैंक स्लो मैनिफोल्ड्स के सुदृढ़ शिक्षण को सक्षम बनाया जा सके।

Zhaotian Gu, Jie Su, Weiwei Wang, Chang Liu, Tianyi Qian, Dahui Wang2026-08-04

🤖 machine learning

Benchmarking local Hebbian learning rules for memory storage and prototype extraction

यह शोध पत्र पुनरावर्ती नेटवर्क (recurrent networks) में सात हेब्बियन लर्निंग नियमों का बेंचमार्क निर्धारित करता है, जिसमें यह पाया गया है कि जहाँ मूल योगात्मक नियम (additive rule) की क्षमता सबसे कम है और सहप्रसरण शिक्षण (covariance learning) सुदृढ़ता प्रदान करता है, वहीं बेयसियन-हेब्बियन नियम विभिन्न स्थितियों में बेहतर भंडारण क्षमता और प्रोटोटाइप निष्कर्षण प्रदर्शन प्रदर्शित करते हैं।

Anders Lansner, Andreas Knoblauch, Naresh B Ravichandran, Pawel Herman2026-08-03

💻 computer science

NeuroSynth: A Biologically Inspired Continual Reinforcement Learning Architecture for Mitigating Catastrophic Forgetting

यह शोध पत्र NeuroSynth को प्रस्तुत करता है, जो एक जैविक रूप से प्रेरित निरंतर सुदृढीकरण शिक्षण (continual reinforcement learning) आर्किटेक्चर है जो एक दोहरी-पथ सुदृढ़ीकरण प्रणाली (dual-pathway consolidation mechanism) के माध्यम से विनाशकारी विस्मृति (catastrophic forgetting) को कम करता है, और क्रमिक नेविगेशन कार्यों में मानक PPO और EWC बेसलाइन की तुलना में पूर्व कार्य ज्ञान के काफी बेहतर प्रतिधारण का प्रदर्शन करता है।

Yash Kini2026-08-03

🤖 machine learning

SILVA Networks as Structured Implicit Layers and Vector Attractors via Dynamic Interaction Fields

यह शोध पत्र SILVA Networks को प्रस्तुत करता है, जो एक संरचित इम्पलिसिट लेयर आर्किटेक्चर है जो उद्दीपन (stimulus), स्थानीय अंतःक्रियाओं (local interactions), वैश्विक संदर्भ (global context) और सॉल्वर डायनेमिक्स (solver dynamics) को अलग-अलग घटकों में विलगित करता है, जिससे छवियों, अणुओं और ग्राफ जैसे विविध डोमेन में लचीला, व्याख्यात्मक और कार्य-अनुकूल मॉडलिंग सक्षम होता है।

Jose Luis Lima de Jesus Silva2026-08-03

💻 computer science

Analysis of Memory-Runtime Trade-offs in Caching Strategies for Genetic Programming Symbolic Regression

यह शोध पत्र जेनेटिक प्रोग्रामिंग सिम्बोलिक रिग्रेशन में विभिन्न कैशिंग रणनीतियों के मेमोरी-रनटाइम ट्रेड-ऑफ का विश्लेषण करता है, यह प्रदर्शित करते हुए कि जहाँ जटिल तंत्रों को प्रभावी होने के लिए न्यूनतम कैश आकार की आवश्यकता होती है, वहीं FIFO और LRU जैसे हल्के दृष्टिकोण गणना समय को काफी कम कर देते हैं और इष्टतम कॉन्फ़िगरेशन के लिए व्यावहारिक दिशा-निर्देश प्रदान करते हैं।

Jiaming Shi, Kei Sen Fong, Mehul Motani2026-08-03

🤖 AI

Linear Proposal Operators and Stochastic Search Geometry in SOMA and Differential Evolution

यह शोध पत्र एक ऑपरेटर-सिलेक्शन फैक्टराइजेशन फ्रेमवर्क पेश करता है जो SOMA और डिफरेंशियल इवोल्यूशन के लीनियर प्रपोजल ज्योमेट्री और स्टोकेस्टिक सर्च गुणों को विश्लेषणात्मक रूप से वर्णित करता है, जिससे क्लोज्ड-फॉर्म सांख्यिकीय मोमेंट्स प्राप्त होते हैं जो बेहतर प्रदर्शन करने वाले ज्योमेट्री-अवेयर वेरिएंट्स के विकास का मार्गदर्शन करते हैं जो BBOB बेंचमार्क पर श्रेष्ठ प्रदर्शन प्रदर्शित करते हैं।

Vojtěch Novák, Ivan Zelinka2026-08-03

🤖 machine learning

Emergent Sparsity in Frozen Random CNN Feature Extractors for Deep Reinforcement Learning

यह शोध पत्र प्रदर्शित करता है कि फ्रोजन, रैंडमली इनिशियलाइज्ड सीएनएन फीचर एक्सट्रैक्टर्स के साथ प्रशिक्षित डीप रीइन्फोर्समेंट लर्निंग एजेंट्स स्वतः ही अत्यंत स्पार्स फुली-कनेक्टेड रिप्रेजेंटेशन्स विकसित कर लेते हैं जो कार्य की जटिलता के साथ स्केल करते हैं और प्रभावी रूप से प्राप्त करने योग्य प्रदर्शन को सीमित करते हैं, जो बिना किसी स्पष्ट स्पैरसिटी-इंड्यूसिंग ऑब्जेक्टिव के अंतर्निहित समस्या की इंट्रिन्सिक डाइमेंशनलिटी को प्रकट करते हैं।

Scott M. Norton2026-07-30

🤖 machine learning

The Sparsity Ceiling: Where Spiking Networks Can and Cannot Trade Activity for Energy

यह शोधपत्र यह प्रदर्शित करता है कि स्पाइकिंग न्यूरल नेटवर्क के ऊर्जा दक्षता लाभ मौलिक रूप से केवल आर्किटेक्चर के बजाय कार्य-विशिष्ट सूचना आवश्यकताओं द्वारा सीमित हैं, जो यह प्रकट करता है कि जहाँ फीड-फॉरवर्ड धारणा और अटेंशन-आधारित मॉडल अत्यधिक स्पर्सिटी (विरलता) प्राप्त कर सकते हैं, वहीं रिकरेंट नेटवर्क को अवस्था बनाए रखने के लिए एक उच्च फायरिंग-रेट फ्लोर (फायरिंग-दर की न्यूनतम सीमा) का सामना करना पड़ता है, जिससे मेमोरी लोड और कार्य की कठिनाई द्वारा निर्धारित एक "स्पर्सिटी सीलिंग" (विरलता की ऊपरी सीमा) परिभाषित होती है।

Zeyu Wang2026-07-30

🤖 machine learning

HeatACO: A Heatmap-Guided Max--Min Ant System for Large-Scale Travelling Salesman Problems

यह शोध पत्र HeatACO प्रस्तुत करता है, जो एक प्रेडिक्टर-अज्ञेय (predictor-agnostic) डिकोडर है जो एक नवीन डिग्री-जागरूक साक्ष्य कारक (degree-aware evidence factor) के माध्यम से नॉन-ऑटोरेग्रेसिव TSP हीटमैप्स को मैक्स-मिन एंट सिस्टम में एकीकृत करता है, जिससे बिना किसी प्रेडिक्टर-विशिष्ट ट्यूनिंग की आवश्यकता के, बड़े पैमाने के और विविध TSP इंस्टेंस पर MCTS और मानक बेसलाइन्स की तुलना में बेहतर समाधान गुणवत्ता और दक्षता प्राप्त होती है।

Bo-Cheng Lin, Yi Mei, Mengjie Zhang2026-07-29

← पिछला अगला →