660 पेपर
यह शोध पत्र फॉरवर्ड प्रोपेगेशन थ्रू टाइम (FPTT) के साथ प्रशिक्षित मल्टी-व्यू स्पाइकिंग न्यूरल नेटवर्क एनसेम्बल का उपयोग करके एक विश्वसनीय और ऊर्जा-कुशल 3D ब्रेन ट्यूमर सेगमेंटेशन फ्रेमवर्क प्रस्तावित करता है, जो ब्रैट्स (BraTS) डेटासेट पर प्रतिस्पर्धी सटीकता और सुव्यवस्थित अनिश्चितता प्राप्त करने के साथ-साथ कंप्यूटेशनल लागत को 87% तक कम करता है।
यह शोध पत्र एक बहुभिन्नीय गाऊसी वितरण (multivariate Gaussian distribution) का अनुसरण करने वाले इनपुट के साथ, सीरीज़ विस्तार (series expansions) पर निर्भर किए बिना, ReLU सक्रियणों (activations) वाले प्रशिक्षित सिंगल-हिडन-लेयर मल्टी-लेयर पर्सेप्ट्रॉन्स के आउटपुट के माध्य (mean) और प्रसरण (variance) के लिए सटीक विश्लेषणात्मक व्यंजक प्रस्तुत करता है।
यह अध्ययन रेडियो खगोल विज्ञान में रेडियो फ्रीक्वेंसी इंटरफेरेंस (RFI) डिटेक्शन के लिए स्पाइकिंग न्यूरल नेटवर्क्स (SNNs) के पहले अनुप्रयोग को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि एक नियरएस्ट-लेटेंट-नेबर्स ऑटो-एनकोडर को ANN2SNN के माध्यम से SNN में परिवर्तित करने से कंप्यूटेशनल रूप से महंगे लेटेंट सैंपलिंग चरणों को समाप्त करते हुए HERA डेटा पर प्रतिस्पर्धी प्रदर्शन प्राप्त होता है, हालांकि LOFAR और उपग्रह-आधारित डेटासेट पर चुनौतियां बनी हुई हैं।
यह शोध पत्र प्रदर्शित करता है कि स्पाइकिंग न्यूरल नेटवर्क, जो डिवीसिव नॉर्मलाइजेशन प्रीप्रोसेसिंग द्वारा संवर्धित हैं, समस्या को टाइम-सीरीज सेगमेंटेशन कार्य के रूप में पुनर्गठित करके रेडियो खगोल विज्ञान में वास्तविक समय में रेडियो फ्रीक्वेंसी इंटरफेरेंस डिटेक्शन के लिए एक ऊर्जा-कुशल और प्रभावी समाधान प्रदान करते हैं।
यह शोध पत्र एक नवीन लिक्विड स्टेट मशीन आर्किटेक्चर प्रस्तुत करता है जो HERA स्पेक्ट्रोग्राम पर रेडियो फ्रीक्वेंसी इंटरफेरेंस का पता लगाने के लिए प्रतिस्पर्धी 98% प्रति-पिक्सेल सटीकता प्राप्त करने हेतु सेकंड-ऑर्डर लीकी इंटीग्रेट-एंड-फायर न्यूरॉन्स और हाइब्रिड SNN-ANN रीडआउट परतों का उपयोग करता है, जो रेडियो खगोल विज्ञान में सूक्ष्म स्थानिक-कालिक विभाजन (स्पेशियो-टेम्पोरल सेगमेंटेशन) के लिए स्पाइकिंग न्यूरल नेटवर्क को प्रभावी ढंग से उन्नत करता है।
यह शोध पत्र रेडियो टेलीस्कोपों में वास्तविक समय में रेडियो फ्रीक्वेंसी इंटरफेरेंस (RFI) का पता लगाने के लिए एक ध्रुवीकरण-समावेशी (polarisation-inclusive) स्पाइकिंग न्यूरल नेटवर्क दृष्टिकोण का प्रस्ताव और मूल्यांकन करता है, जो HERA-सिम्युलेटेड डेटा और न्यूरोमॉर्फिक हार्डवेयर अनुमानों का उपयोग करके अत्याधुनिक सटीकता और महत्वपूर्ण ऊर्जा दक्षता लाभ प्रदर्शित करता है।
यह शोध पत्र क्रमिक गतिविधियों और शोर वाले विविक्त अट्रैक्टर न्यूरल नेटवर्क की स्थानीय गतिकीय स्थिरता के लिए एक नया सिद्धांत स्थापित करता है, जो यह प्रकट करता है कि सभी स्थिर बिंदु तंत्रिका गतिविधि सांख्यिकी और सक्रियण फलनों द्वारा निर्धारित एक महत्वपूर्ण भार से नीचे स्थिर रहते हैं, जिससे थ्रेशोल्ड-लीनियर सक्रियण और विरल पैटर्न के कम्प्यूटेशनल लाभों पर प्रकाश पड़ता है।
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ मानक डीप लर्निंग मॉडल विभिन्न कैंसर प्रकारों में सामान्यीकरण करने में विफल रहते हैं, वहीं एक डोमेन एडवरसैरियल न्यूरल नेटवर्क (DANN) उच्च वर्गीकरण सटीकता प्राप्त करने के लिए लेबल किए गए सोर्स डोमेन से अनलेबल टारगेट डोमेन तक ज्ञान को प्रभावी ढंग से स्थानांतरित करता है, हालांकि स्टेन नॉर्मलाइजेशन की उपयोगिता विशिष्ट लक्षित कैंसर के आधार पर काफी भिन्न होती है।
यह शोध पत्र POEM को प्रस्तुत करता है, जो एक नवीन सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम है जो ठहराव का पता लगाने से प्रेरित अनुकूलनशील विकासवादी उत्परिवर्तनों (adaptive evolutionary mutations) को एकीकृत करके प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (Proximal Policy Optimization) को उन्नत करता है, जिसके परिणामस्वरूप चार में से तीन परीक्षण किए गए OpenAI Gym वातावरणों पर मानक PPO की तुलना में सांख्यिकीय रूप से महत्वपूर्ण प्रदर्शन सुधार प्राप्त होते हैं।
यह शोध पत्र एडेप्टिव सैंपलिंग CMA-ES (AS-CMA) प्रस्तुत करता है, जो एक नवीन एल्गोरिदम है जो अनुमानित सॉर्टिंग कठिनाई के आधार पर उम्मीदवारों को मूल्यांकन समय गतिशील रूप से आवंटित करता है, और शोर वाले रोबोट अनुकूलन कार्यों में मानक CMA-ES और बायेसियन ऑप्टिमाइज़ेशन की तुलना में बेहतर अभिसरण गति, दक्षता और विश्वसनीयता प्रदर्शित करता है।