1366 पेपर
यह शोध पत्र EML-AirComp को प्रस्तुत करता है, जो एक पूरे कम्प्यूटेशन ट्री (computation tree) में एकल दो-इनपुट एक्सप-माइनस-लॉग (exp-minus-log) गेट का पुन: उपयोग करके जटिल फलनों (complex functions) की कुशल ओवर-द-एयर कंप्यूटेशन को सक्षम बनाता है, जबकि शोर प्रतिरोध (noise resilience), त्रुटि प्रसार (error propagation), और व्यावहारिक शक्ति एवं धनात्मकता बाधाओं के तहत व्यवहार्यता का कठोर विश्लेषण प्रदान करता है।
यह शोध पत्र एक बाउंडेड-एरर पॉलिनोमियल-टाइम क्वांटम एल्गोरिदम प्रस्तुत करता है जो रीड-सोलोमन ऑप्टिमल पॉलिनोमियल इंटरसेक्शन के लिए सन-वूटर्स वितरण से कुशलतापूर्वक नमूने लेता है, जिससे डिकोडेड क्वांटम इंटरफेरोमेट्री पर सख्त वर्स्ट-केस सुधार और और उससे ऊपर की सीमित दरों पर एसिम्प्टोटिक रूप से पूर्ण समाधान प्राप्त होता है।
यह शोधपत्र मल्टी-टास्क लर्निंग में नेगेटिव ट्रांसफर को सीमित साझा क्षमता और कमजोर टास्क रेडंडेंसी के परिणाम के रूप में पुनर्गठित करने के लिए एक कैपेसिटी-रेडंडेंसी पहचान प्रस्तावित करता है, जो क्लस्टर्ड शेयरिंग के लिए सैद्धांतिक स्थितियाँ और एक ग्रेडिएंट-आधारित रेडंडेंसी प्रॉक्सी व्युत्पन्न करता है, जबकि अनुभवजन्य रूप से यह प्रदर्शित करता है कि क्लस्टर्ड LoRA महत्वपूर्ण रूप से इंटरफेरेंस को कम करता है और रैंडम पार्टिशन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र बिना शोर वाले फीडबैक वाले बर्स्ट-नॉइज़ चैनलों के लिए एक वेरिएबल-रेट लॉस्य जॉइंट सोर्स-चैनल कोडिंग योजना प्रस्तुत करता है जो एक ग्रीडी एल्गोरिदम का उपयोग करके मल्टी-स्टेज वेक्टर क्वांटाइज़र के माध्यम से बिट्स को गतिशील रूप से आवंटित करता है, जो सिमुलेशन में फिक्स्ड-रेट योजनाओं की तुलना में बेहतर प्रदर्शन और 4.5 dB तक SNR लाभ प्रदर्शित करता है।
यह शोधपत्र लार्ज लैंग्वेज मॉडल्स के लिए एक नवीन, सिंक्रोनाइज़ेशन-मुक्त वॉटरमार्किंग योजना प्रस्तावित करता है जो रीड-सोलोमन पॉलिनोमिअल्स और बाइनरी कॉंग्रुएंसिस का उपयोग करके टोकन युग्मों में गुप्त पहचान को एम्बेड करता है, जिससे ब्लॉक सिंक्रोनाइज़ेशन की आवश्यकता के बिना संपादन, पैराफ्रेसिंग और टोकन पुनर्व्यवस्था का प्रतिरोध करने वाला सुदृढ़ एट्रिब्यूशन सक्षम होता है।
यह शोधपत्र जटिल उष्णकटिबंधीय संभाव्यता (ट्रोपिकल प्रोबेबिलिटी) ढांचे को एक सुव्यवस्थित, उष्णकटिबंधीयता-मुक्त दृष्टिकोण से प्रतिस्थापित करके, लघु सशर्त स्वतंत्रता उल्लंघनों के तहत इंगलटन असमानता की स्थिरता का पुनरावलोकन करता है, जो स्पष्ट त्रुटि पद, बेहतर अनुमान और दो इंगलटन अभिव्यक्तियों की स्थिरता के संबंध में एक खुले प्रश्न का समाधान प्रदान करता है।
यह शोध पत्र डेसार्गेसियन स्प्रेड कोड्स (Desarguesian spread codes) की डिकोडिंग क्षमताओं को आधे न्यूनतम अंतर (half the minimum distance) से आगे बढ़ाते हुए एक नियरएस्ट नेबर डिकोडर (Nearest Neighbor Decoder) के माध्यम से अद्वितीय डिकोडिंग स्थापित करता है और एक नए एल्गोरिदम को प्रस्तुत करता है जो सम्मिलित इंसर्शन (insertions) और डिलीशन (deletions) को सफलतापूर्वक संभालता है, बशर्ते कि डिलीशन का आयाम (dimension) तक सीमित हो।
यह शोधपत्र एक वितरण रूप से सुदृढ़ कोवेरियेंस-स्टीयरिंग फ्रेमवर्क प्रस्तावित करता है जो गैररेखीय प्रणालियों के लिए स्टोकेस्टिक मार्गदर्शन नीतियों को डिजाइन करने हेतु रिलेटिव एंट्रॉपी बाधाओं और जोखिम-संवेदनशील मात्राओं पर गणनीय ऊपरी सीमाओं का उपयोग करता है, जिससे यह सुनिश्चित होता है कि वास्तविक अवस्था वितरण एक गॉसियन सरोगेट के करीब रहे और वितरण अस्पष्टता के कारण होने वाली अनुमान त्रुटियों को कम किया जा सके।
यह शोध पत्र मिन-एन्ट्रॉपी (min-entropy) और रेनी एन्ट्रॉपी (Rényi entropy) के अनुमान के लिए सटीक सैंपल कॉम्प्लेक्सिटी बाउंड्स स्थापित करता है, यह सिद्ध करते हुए कि मिन-एन्ट्रॉपी के लिए नमूनों की आवश्यकता होती है—जो एक पिछले लक्षण वर्णन को सुधारता है—और रेनी एन्ट्रॉपी के क्रम के लिए नमूनों की आवश्यकता होती है, जो वर्णमाला के आकार और क्रम दोनों पर निर्भरता को हल करने के लिए नवीन एस्टिमेटर्स और लोअर-बाउंड कंस्ट्रक्शन्स का उपयोग करता है।
यह शोध पत्र एक गैररेखीय स्टोकेस्टिक प्रणालियों (nonlinear stochastic systems) के लिए एक सुदृढ़ नियोजन ढांचे का प्रस्ताव करता है जो एक नाममात्र गॉसियन वितरण (nominal Gaussian distribution) के चारों ओर एक सापेक्ष एंट्रॉपी-बद्ध सेट (relative entropy-bounded set) को परिभाषित करके वितरण संबंधी अस्पष्टता (distributional ambiguity) के तहत जोखिम को सीमित करता है, जिसमें अस्पष्टता का आकार कोवेरिएंस विकास (covariance evolution) और गतिशील ट्रंकेशन त्रुटियों (dynamical truncation errors) द्वारा निर्धारित किया जाता है, जैसा कि एक अंतरिक्ष यान मार्गदर्शन अनुप्रयोग में प्रदर्शित किया गया है।