660 पेपर
यह शोध पत्र SAPIN को प्रस्तुत करता है, जो एक जैविक रूप से प्रेरित कम्प्यूटेशनल मॉडल है जो स्थानीय भविष्यवाणी त्रुटियों (local prediction errors) को कम करने के लिए सिनैप्टिक और संरचनात्मक प्लास्टिसिटी दोनों का उपयोग करता है, और होमियोस्टैटिक नियंत्रण के माध्यम से कार्टपोल (CartPole) कार्य को हल करने की अपनी क्षमता प्रदर्शित करता है।
यह शोध पत्र MEGConformer प्रस्तुत करता है, जो एक संक्षिप्त Conformer-आधारित आर्किटेक्चर है जो विशेष संवर्धन (augmentation), सामान्यीकरण (normalization) और वेटिंग तकनीकों के माध्यम से स्पीच डिटेक्शन और फोनम क्लासिफिकेशन के लिए LibriBrain 2025 बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
SpikySpace ऊर्जा-कुशल टाइम-सीरीज फोरकास्टिंग के लिए डिज़ाइन किया गया पहला पूर्णतः स्पाइकिंग स्टेट-स्पेस मॉडल है, जो जटिल ट्रांसफार्मर ब्लॉक्स को लीनियर-टाइम स्पाइकिंग सेलेक्टिव स्कैनिंग और हार्डवेयर-अनुकूल एक्टिवेशन एप्रोक्सिमेशन से बदलकर बेहतर सटीकता और 96% से अधिक ऊर्जा बचत प्राप्त करता है।
यह शोध पत्र कॉम्पैक्ट CNN आर्किटेक्चर से परिवर्तित हल्के स्पाइकिंग न्यूरल नेटवर्क (SNNs) का एक व्यवस्थित बेंचमार्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि SqueezeNet का एक प्रूनड संस्करण (SNN-SqueezeNet-P) ऊर्जा की खपत को 88% से अधिक कम करते हुए लगभग-CNN सटीकता प्राप्त कर सकता है।
यह अध्ययन प्रदर्शित करता है कि ग्राफ डीप लर्निंग मॉडल्स में मैसेज एग्रीगेशन मैकेनिज्म वास्तव में फंक्शनल ब्रेन कनेक्टोम विश्लेषण में प्रेडिक्टिव परफॉरमेंस को कम कर देता है, जिससे लेखक एक हाइब्रिड लीनियर-ग्राफ अटेंशन मॉडल का प्रस्ताव करते हैं जो सटीकता और व्याख्यात्मकता दोनों में सुधार करता है।
सुदृढीकरण अधिगम (reinforcement learning) एजेंटों के एक विकासवादी सिमुलेशन के माध्यम से, यह अध्ययन प्रदर्शित करता है कि शिकारी दबाव शिकारियों में भय-आधारित नकारात्मक पुरस्कारों के विकास को प्रेरित करता है, और साथ ही सामूहिक समूहन के लिए सकारात्मक सामाजिक पुरस्कारों के उद्भव को भी प्रभावित करता है।
HiFo-Prompt, LLM-आधारित स्वचालित ह्यूरिस्टिक डिज़ाइन के लिए एक नवीन ढांचा है जो खोज गतिकी (search dynamics) को अनुकूल रूप से प्रबंधित करने के लिए "Foresight" प्रॉम्प्ट्स और सफल पिछले अनुभवों को पुन: प्रयोज्य डिज़ाइन सिद्धांतों में निकालने के लिए "Hindsight" प्रॉम्प्ट्स का उपयोग करके विकासवादी गणना (evolutionary computation) को बढ़ाता है।
यह शोधपत्र जटिल, विषय-निर्भर (subject-dependent) टेम्पोरल डायनेमिक्स को प्रभावी ढंग से मॉडल करने के लिए सीखने योग्य टाइम कॉन्स्टेंट्स (learnable time constants) वाले लिक्विड न्यूरल नेटवर्क का उपयोग करते हुए, EEG-आधारित इमोशन रिकग्निशन में अत्याधुनिक सटीकता प्राप्त करने हेतु एक नवीन मल्टीमॉडल फ्रेमवर्क प्रस्तावित करता है।
यह शोधपत्र मल्टी-स्केल टेम्पोरल होमियोस्टैसिस (MSTH) प्रस्तुत करता है, जो एक जैविक रूप से प्रेरित ढांचा है जो कृत्रिम तंत्रिका नेटवर्क (आर्टिफिशियल न्यूरल नेटवर्क) की सटीकता, दक्षता और गड़बड़ियों के विरुद्ध मजबूती को बढ़ाने के लिए चार विशिष्ट समयांतरात्मक पैमानों पर विनियमन को एकीकृत करता है।
यह शोध पत्र एक "न्यूरो-ब्रिज" ढांचे का प्रस्ताव करता है जो ईईजी (EEG) डेटा के ऊर्जा-कुशल स्पाइकिंग न्यूरल नेटवर्क (SNN) वर्गीकरण को जैव-भौतिक रूप से आधारित सर्किट सिमुलेशन से जोड़ता है ताकि मशीन लर्निंग हस्ताक्षरों और अल्जाइमर रोग में अंतर्निहित उत्तेजना-निषेध (excitation-inhibition) असंतुलन के बीच एक यांत्रिक, व्याख्यात्मक लिंक प्रदान किया जा सके।