660 पेपर
प्रेडिक्टिव कोडिंग से प्रेरित, यह शोध पत्र एक सेल्फ-प्रेडिक्शन एन्हांस्ड स्पाइकिंग न्यूरॉन विधि प्रस्तावित करता है जो झिल्ली क्षमता (मेम्ब्रेन पोटेंशियल) को नियंत्रित करने के लिए आंतरिक प्रेडिक्शन करंट उत्पन्न करता है, जिससे निरंतर ग्रेडिएंट पथों के माध्यम से प्रशिक्षण स्थिरता और सटीकता में सुधार होता है और साथ ही जैविक सिद्धांतों के अनुरूप भी रहता है।
यह शोध पत्र READY को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मेटा-ब्लैक-बॉक्स ऑप्टिमाइज़ेशन के लिए प्रभावी और कुशल रिवॉर्ड फंक्शन को स्वचालित रूप से खोजने के लिए अनुकूलित इवोल्यूशन और मल्टी-टास्क आर्किटेक्चर के साथ लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे मानव-निर्मित रिवॉर्ड्स से जुड़े डिज़ाइन पूर्वाग्रहों और जोखिमों को दूर किया जा सके।
यह शोध पत्र लेंस डिस्क्रिप्टर-गाइडेड इवोल्यूशनरी एल्गोरिदम (LDG-EA) का प्रस्ताव करता है, जो एक दो-चरणीय ढांचा है जो ऑप्टिकल डिज़ाइन स्पेस को व्यवहार डिस्क्रिप्टर्स में विभाजित करता है और जटिल लेंस प्रणालियों के लिए उच्च-गुणवत्ता वाले स्थानीय मिनिमा (local minima) का एक विविध सेट कुशलतापूर्वक उत्पन्न करने के लिए इवोल्यूशनरी रणनीतियों का उपयोग करता है, जो व्यावहारिक समय सीमाओं के भीतर प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए समाधान विविधता में मानक बेसलाइन से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एक सुदृढ़, अनसुपरवाइज्ड (unsupervised) न्यूरल आर्किटेक्चर सर्च पद्धति प्रस्तुत करता है जो मास्क किए गए ऑटोएनकोडर्स और एक पदानुक्रमित डिकोडर का लाभ उठाकर बिना लेबल वाले डेटा के उच्च-प्रदर्शन वाले नेटवर्क आर्किटेक्चर को कुशलतापूर्वक खोजने के लिए, अनसुपरवाइज्ड सेटिंग्स में डिफरेंशिएबल सर्च से जुड़ी प्रदर्शन पतन (performance collapse) की समस्याओं को दूर करता है।
यह शोध पत्र स्पाइकिंग ब्रेन कम्प्रेशन (SBC) का प्रस्ताव करता है, जो एक नवीन वन-शॉट पोस्ट-ट्रेनिंग फ्रेमवर्क है जो एक सस्ते रूप से गणनीय हेसियन (Hessian) के साथ स्पाइक-ट्रेन-आधारित उद्देश्य का उपयोग करके 'ऑप्टिमल ब्रेन सर्जन' पद्धति को स्पाइकिंग न्यूरल नेटवर्क तक विस्तारित करता है, जिससे विभिन्न डेटासेट और आर्किटेक्चर में मौजूदा विधियों की तुलना में अत्याधुनिक संपीड़न प्रदर्शन और महत्वपूर्ण सटीकता लाभ प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि केवल प्रतिस्पर्धा ही विविध वास्तविक-विश्व डोमेन में शिक्षार्थी आबादी को उभरते हुए विशिष्टीकरण (emergent specialization) की ओर ले जाने के लिए पर्याप्त है, जो उन्हें 'नीश-पॉपुलेशन' (NichePopulation) नामक एक सरल और कुशल तंत्र के माध्यम से समरूप बेसलाइन और अत्याधुनिक मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) विधियों से बेहतर प्रदर्शन करने में सक्षम बनाती है।
यह शोध पत्र एक LLM-संचालित विकासवादी ढांचे, LLaMEA को प्रस्तुत करता है, जो एल्गोरिदम विश्लेषण और चयन के लिए मौजूदा बेंचमार्क सूट्स का विस्तार करने और उन्हें समृद्ध करने के लिए नियंत्रित उच्च-स्तरीय लैंडस्केप गुणों के साथ विविध निरंतर अनुकूलन समस्याओं को स्वचालित रूप से उत्पन्न करता है।
यह शोध पत्र नेटवर्क-ऑप्टिमाइज्ड स्पाइकिंग (NOS) को प्रस्तुत करता है, जो कि देरी-युग्मित (delay-coupled) प्रणालियों के लिए डिज़ाइन किया गया एक प्रशिक्षित, इवेंट-ड्रिवन स्पाइकिंग न्यूरल नेटवर्क आर्किटेक्चर है, जो पारंपरिक डीप लर्निंग बेसलाइनों की तुलना में नेटवर्क टेलीमेट्री कार्यों पर बेहतर निम्न-विलंबता (low-latency) डिटेक्शन और स्थिरता गारंटी प्राप्त करता है और साथ ही संसाधन-सीमित एवं न्यूरोमॉर्फिक निष्पादन के लिए अनुकूलित है।
यह शोध पत्र LLM-संचालित इवोल्यूशनरी बेंचमार्क जनरेटर (LLM-EBG) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो जेनेटिक एल्गोरिदम और डिफरेंशियल इवोल्यूशन जैसे विभिन्न एल्गोरिदम के प्रदर्शन को प्रभावी ढंग से अलग करने वाले विविध और संरचनात्मक रूप से जटिल ऑप्टिमाइज़ेशन बेंचमार्क को स्वचालित रूप से उत्पन्न करने के लिए बड़े भाषा मॉडल (LLMs) को इवोल्यूशनरी ऑपरेटर्स के रूप में उपयोग करता है।