ਕਮਜ਼ੋਰ ਬੇਸਲਾਈਨ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਪੱਖਪਾਤ ਤਰਲ-ਸਬੰਧਤ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ ਦੀ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਸ਼ਾਵਾਦ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ।

Nature.com 'ਤੇ ਜਾਣ ਲਈ ਧੰਨਵਾਦ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਜਾ ਰਹੇ ਬ੍ਰਾਊਜ਼ਰ ਦੇ ਸੰਸਕਰਣ ਵਿੱਚ ਸੀਮਤ CSS ਸਮਰਥਨ ਹੈ। ਵਧੀਆ ਨਤੀਜਿਆਂ ਲਈ, ਅਸੀਂ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦੇ ਹਾਂ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਬ੍ਰਾਊਜ਼ਰ ਦੇ ਇੱਕ ਨਵੇਂ ਸੰਸਕਰਣ ਦੀ ਵਰਤੋਂ ਕਰੋ (ਜਾਂ ਇੰਟਰਨੈੱਟ ਐਕਸਪਲੋਰਰ ਵਿੱਚ ਅਨੁਕੂਲਤਾ ਮੋਡ ਨੂੰ ਅਯੋਗ ਕਰੋ)। ਇਸ ਦੌਰਾਨ, ਨਿਰੰਤਰ ਸਹਾਇਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਸਾਈਟ ਨੂੰ ਸਟਾਈਲਿੰਗ ਜਾਂ JavaScript ਤੋਂ ਬਿਨਾਂ ਦਿਖਾ ਰਹੇ ਹਾਂ।
ਕੰਪਿਊਟੇਸ਼ਨਲ ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੇ ਸਭ ਤੋਂ ਵੱਧ ਵਾਅਦਾ ਕਰਨ ਵਾਲੇ ਉਪਯੋਗਾਂ ਵਿੱਚੋਂ ਇੱਕ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ (PDEs) ਦਾ ਤੇਜ਼ ਹੱਲ ਹੈ। ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ-ਅਧਾਰਤ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨ ਹੱਲ ਕਰਨ ਵਾਲੇ ਦਾ ਮੁੱਖ ਟੀਚਾ ਅਜਿਹੇ ਹੱਲ ਤਿਆਰ ਕਰਨਾ ਹੈ ਜੋ ਮਿਆਰੀ ਸੰਖਿਆਤਮਕ ਤਰੀਕਿਆਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਤੇਜ਼ ਸਹੀ ਹੋਣ ਤਾਂ ਜੋ ਇੱਕ ਬੇਸਲਾਈਨ ਤੁਲਨਾ ਵਜੋਂ ਕੰਮ ਕੀਤਾ ਜਾ ਸਕੇ। ਅਸੀਂ ਪਹਿਲਾਂ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ ਨੂੰ ਹੱਲ ਕਰਨ 'ਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਾਹਿਤ ਦੀ ਇੱਕ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਕਰਦੇ ਹਾਂ। ਤਰਲ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ML ਦੀ ਵਰਤੋਂ ਦੀ ਰਿਪੋਰਟ ਕਰਨ ਵਾਲੇ ਅਤੇ ਮਿਆਰੀ ਸੰਖਿਆਤਮਕ ਤਰੀਕਿਆਂ ਨਾਲੋਂ ਉੱਤਮਤਾ ਦਾ ਦਾਅਵਾ ਕਰਨ ਵਾਲੇ ਸਾਰੇ ਪੇਪਰਾਂ ਵਿੱਚੋਂ, ਅਸੀਂ ਕਮਜ਼ੋਰ ਬੇਸਲਾਈਨਾਂ ਦੇ ਮੁਕਾਬਲੇ 79% (60/76) ਦੀ ਪਛਾਣ ਕੀਤੀ। ਦੂਜਾ, ਸਾਨੂੰ ਵਿਆਪਕ ਰਿਪੋਰਟਿੰਗ ਪੱਖਪਾਤ ਦੇ ਸਬੂਤ ਮਿਲੇ, ਖਾਸ ਕਰਕੇ ਨਤੀਜਾ ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ ਪੱਖਪਾਤ ਵਿੱਚ। ਅਸੀਂ ਸਿੱਟਾ ਕੱਢਦੇ ਹਾਂ ਕਿ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ ਨੂੰ ਹੱਲ ਕਰਨ 'ਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਖੋਜ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਸ਼ਾਵਾਦੀ ਹੈ: ਕਮਜ਼ੋਰ ਇਨਪੁਟ ਡੇਟਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਕਾਰਾਤਮਕ ਨਤੀਜੇ ਲੈ ਸਕਦਾ ਹੈ, ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਪੱਖਪਾਤ ਨਕਾਰਾਤਮਕ ਨਤੀਜਿਆਂ ਦੀ ਘੱਟ ਰਿਪੋਰਟਿੰਗ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ। ਵੱਡੇ ਪੱਧਰ 'ਤੇ, ਇਹ ਸਮੱਸਿਆਵਾਂ ਪਿਛਲੇ ਪ੍ਰਜਨਨ ਸੰਕਟਾਂ ਦੇ ਸਮਾਨ ਕਾਰਕਾਂ ਕਾਰਨ ਹੁੰਦੀਆਂ ਜਾਪਦੀਆਂ ਹਨ: ਜਾਂਚਕਰਤਾ ਵਿਵੇਕ ਅਤੇ ਸਕਾਰਾਤਮਕ ਨਤੀਜਾ ਪੱਖਪਾਤ। ਅਸੀਂ ਪੱਖਪਾਤੀ ਰਿਪੋਰਟਿੰਗ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰਨ ਲਈ ਹੇਠਾਂ-ਉੱਪਰ ਸੱਭਿਆਚਾਰਕ ਤਬਦੀਲੀ ਅਤੇ ਅਜਿਹਾ ਕਰਨ ਲਈ ਵਿਗੜਦੇ ਪ੍ਰੋਤਸਾਹਨ ਨੂੰ ਘਟਾਉਣ ਲਈ ਉੱਪਰ-ਡਾਊਨ ਢਾਂਚਾਗਤ ਸੁਧਾਰ ਦੀ ਮੰਗ ਕਰਦੇ ਹਾਂ।
ਲੇਖਕਾਂ ਅਤੇ ਲੇਖਾਂ ਦੀ ਸੂਚੀ ਜੋ ਕਿ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਗਈ ਹੈ, ਅਤੇ ਨਾਲ ਹੀ ਬੇਤਰਤੀਬ ਨਮੂਨੇ ਵਿੱਚ ਹਰੇਕ ਲੇਖ ਦਾ ਵਰਗੀਕਰਨ, https://doi.org/10.17605/OSF.IO/GQ5B3 (ਰੈਫ. 124) 'ਤੇ ਜਨਤਕ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਹੈ।
ਸਾਰਣੀ 2 ਵਿੱਚ ਨਤੀਜਿਆਂ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ ਕੋਡ GitHub 'ਤੇ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ: https://github.com/nickmcgreivy/WeakBaselinesMLPDE/ (ਰੈਫ. 125) ਅਤੇ ਕੋਡ ਓਸ਼ੀਅਨ 'ਤੇ: https://codeocean.com/capsule/9605539/Tree/ v1 (ਲਿੰਕ 126) ਅਤੇ https://codeocean.com/capsule/0799002/tree/v1 (ਲਿੰਕ 127)।
ਰੈਂਡਲ, ਡੀ., ਅਤੇ ਵੈਲਸਰ, ਕੇ., ਆਧੁਨਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਅਪ੍ਰਤੱਖਤਾ ਸੰਕਟ: ਸੁਧਾਰ ਲਈ ਕਾਰਨ, ਨਤੀਜੇ ਅਤੇ ਰਸਤੇ (ਨੈਸ਼ਨਲ ਐਸੋਸੀਏਸ਼ਨ ਆਫ਼ ਸਾਇੰਟਿਸਟਸ, 2018)।
ਰਿਚੀ, ਐਸ. ਸਾਇੰਸ ਫਿਕਸ਼ਨ: ਕਿਵੇਂ ਧੋਖਾਧੜੀ, ਪੱਖਪਾਤ, ਚੁੱਪੀ, ਅਤੇ ਪ੍ਰਚਾਰ ਸੱਚ ਦੀ ਖੋਜ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦੇ ਹਨ (ਵਿੰਟੇਜ, 2020)।
ਖੁੱਲ੍ਹਾ ਵਿਗਿਆਨਕ ਸਹਿਯੋਗ। ਮਨੋਵਿਗਿਆਨਕ ਵਿਗਿਆਨ ਵਿੱਚ ਪ੍ਰਜਨਨਯੋਗਤਾ ਦਾ ਮੁਲਾਂਕਣ। ਵਿਗਿਆਨ 349, AAAC4716 (2015)।
ਪ੍ਰਿੰਜ਼, ਐੱਫ., ਸ਼ਲੈਂਜ, ਟੀ., ਅਤੇ ਅਸਦੁੱਲਾ, ਕੇ. ਮੰਨੋ ਜਾਂ ਨਾ ਮੰਨੋ: ਅਸੀਂ ਸੰਭਾਵੀ ਨਸ਼ੀਲੇ ਪਦਾਰਥਾਂ ਦੇ ਟੀਚਿਆਂ 'ਤੇ ਪ੍ਰਕਾਸ਼ਿਤ ਡੇਟਾ 'ਤੇ ਕਿੰਨਾ ਭਰੋਸਾ ਕਰ ਸਕਦੇ ਹਾਂ? ਨੈਟ. ਰੇਵ. "ਡਰੱਗਜ਼ ਦੀ ਖੋਜ"। 10, 712 (2011)।
ਬੇਗਲੇ, ਕੇਜੀ ਅਤੇ ਐਲਿਸ, ਐਲਐਮ ਪ੍ਰੀਕਲੀਨਿਕਲ ਕੈਂਸਰ ਖੋਜ ਵਿੱਚ ਮਿਆਰ ਵਧਾਉਣਾ। ਨੇਚਰ 483, 531–533 (2012)।
ਏ. ਗੇਲਮੈਨ ਅਤੇ ਈ. ਲੋਕੇਨ, ਦ ਗਾਰਡਨ ਆਫ਼ ਫੋਰਕਿੰਗ ਪਾਥਸ: "ਫਿਸ਼ਿੰਗ ਐਕਸਪੀਡੀਸ਼ਨਜ਼" ਜਾਂ "ਪੀ-ਹੈਕਸ" ਅਤੇ ਪ੍ਰੀਫਾਰਮਡ ਰਿਸਰਚ ਹਾਈਪੋਥੀਸੀਜ਼ ਦੇ ਬਿਨਾਂ ਵੀ ਮਲਟੀਪਲ ਤੁਲਨਾਵਾਂ ਇੱਕ ਸਮੱਸਿਆ ਕਿਉਂ ਹਨ, ਭਾਗ 348, 1–17 (ਸਟੈਟਿਸਟਿਕਸ ਵਿਭਾਗ, 2013)।
ਕਰਾਗੀਓਰਗੀ, ਜੀ., ਕਾਸੇਕਾ, ਜੀ., ਕ੍ਰਾਵਿਟਜ਼, ਐਸ., ਨਚਮੈਨ, ਬੀ., ਅਤੇ ਸ਼ੀ, ਡੀ. ਨਵੇਂ ਬੁਨਿਆਦੀ ਭੌਤਿਕ ਵਿਗਿਆਨ ਦੀ ਖੋਜ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ। ਨੈਟ. ਭੌਤਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਡਾਕਟਰ ਆਫ਼ ਫਿਲਾਸਫੀ। 4, 399–412 (2022)।
ਦਾਰਾ ਐਸ, ਡੈਮਰਚੇਰਲਾ ਐਸ, ਜਾਧਵ ਐਸਐਸ, ਬਾਬੂ ਸੀਐਮ ਅਤੇ ਅਹਿਸਾਨ ਐਮਜੇ। ਡਰੱਗ ਖੋਜ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ: ਇੱਕ ਸਮੀਖਿਆ। ਆਤਿਫ। ਇੰਟੇਲ। ਐਡ. 55, 1947–1999 (2022)।
ਮੈਥਰ, ਏਐਸ ਅਤੇ ਕੂਟ, ਐਮਐਲ ਕੈਮਿਸਟਰੀ ਵਿੱਚ ਡੂੰਘੀ ਸਿਖਲਾਈ। ਜੇ. ਕੈਮਿਸਟਰੀ। ਸੂਚਿਤ ਕਰੋ। ਮਾਡਲ। 59, 2545–2559 (2019)।
ਰਾਜਕੋਮਰ ਏ., ਡੀਨ ਜੇ. ਅਤੇ ਕੋਹਾਨ ਆਈ. ਦਵਾਈ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ। ਨਿਊ ਇੰਗਲੈਂਡ ਜਰਨਲ ਆਫ਼ ਮੈਡੀਸਨ। 380, 1347–1358 (2019)।
ਗ੍ਰਿਮਰ ਜੇ, ਰੌਬਰਟਸ ਐਮਈ. ਅਤੇ ਸਟੀਵਰਟ ਬੀਐਮ ਸਮਾਜਿਕ ਵਿਗਿਆਨ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ: ਇੱਕ ਅਗਿਆਨੀ ਪਹੁੰਚ। ਰੇਵ. ਐਨ ਬਾਲ. ਵਿਗਿਆਨ। 24, 395–419 (2021)।
ਜੰਪ, ਜੇ. ਆਦਿ। ਅਲਫ਼ਾਫੋਲਡ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਹੁਤ ਹੀ ਸਹੀ ਪ੍ਰੋਟੀਨ ਬਣਤਰ ਦੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਕਰੋ। ਨੇਚਰ 596, 583–589 (2021)।
ਗੁੰਡਰਸਨ, ਓਈ, ਕੋਕਲੇ, ਕੇ., ਕਿਰਕਪੈਟ੍ਰਿਕ, ਕੇ., ਅਤੇ ਗਿਲ, ਵਾਈ. ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਅਪ੍ਰਜਨਨਯੋਗਤਾ ਦੇ ਸਰੋਤ: ਇੱਕ ਸਮੀਖਿਆ। ਪ੍ਰੀਪ੍ਰਿੰਟ https://arxiv.org/abs/2204.07610 (2022) 'ਤੇ ਉਪਲਬਧ ਹੈ।
ਸਕਲੀ, ਡੀ., ਸਨੂਕ, ਜੇ., ਵਿਲਟਸ਼ਕੋ, ਏ., ਅਤੇ ਰਹੀਮੀ, ਏ. ਜੇਤੂ ਦਾ ਸਰਾਪ? ਅਨੁਭਵੀ ਸਬੂਤਾਂ ਦੀ ਗਤੀ, ਪ੍ਰਗਤੀ ਅਤੇ ਕਠੋਰਤਾ 'ਤੇ (ICLR, 2018)।
ਆਰਮਸਟ੍ਰਾਂਗ, ਟੀਜੀ, ਮੋਫੈਟ, ਏ., ਵੈਬਰ, ਡਬਲਯੂ., ਅਤੇ ਜ਼ੋਬੇਲ, ਜੇ. ਗੈਰ-ਜੋੜਨ ਵਾਲੇ ਸੁਧਾਰ: 1998 ਤੋਂ ਸ਼ੁਰੂਆਤੀ ਖੋਜ ਨਤੀਜੇ। ਸੂਚਨਾ ਅਤੇ ਗਿਆਨ ਪ੍ਰਬੰਧਨ 'ਤੇ 18ਵੀਂ ACM ਕਾਨਫਰੰਸ 601–610 (ACM 2009)।
ਕਪੂਰ, ਐਸ. ਅਤੇ ਨਾਰਾਇਣਨ, ਏ. ਮਸ਼ੀਨ ਲਰਨਿੰਗ-ਅਧਾਰਤ ਵਿਗਿਆਨ ਵਿੱਚ ਲੀਕੇਜ ਅਤੇ ਪ੍ਰਜਨਨ ਸੰਕਟ। ਪੈਟਰਨ, 4, 100804 (2023)।
ਕਪੂਰ ਐਸ. ਐਟ ਅਲ. ਸੁਧਾਰ: ਮਸ਼ੀਨ ਸਿਖਲਾਈ 'ਤੇ ਅਧਾਰਤ ਵਿਗਿਆਨਕ ਰਿਪੋਰਟਿੰਗ ਮਿਆਰ। ਪ੍ਰੀਪ੍ਰਿੰਟ https://arxiv.org/abs/2308.07832 (2023) 'ਤੇ ਉਪਲਬਧ ਹੈ।
ਡੀਮਾਸੀ, ਓ., ਕੋਰਡਿੰਗ, ਸੀ., ਅਤੇ ਰੇਚਟ, ਬੀ. ਅਰਥਹੀਣ ਤੁਲਨਾਵਾਂ ਮੈਡੀਕਲ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿੱਚ ਝੂਠੇ ਆਸ਼ਾਵਾਦ ਵੱਲ ਲੈ ਜਾ ਸਕਦੀਆਂ ਹਨ। PloS ONE 12, e0184604 (2017)।
ਰੌਬਰਟਸ, ਐਮ., ਆਦਿ। ਛਾਤੀ ਦੇ ਐਕਸ-ਰੇ ਅਤੇ ਕੰਪਿਊਟਿਡ ਟੋਮੋਗ੍ਰਾਫੀ ਤੋਂ COVID-19 ਦਾ ਪਤਾ ਲਗਾਉਣ ਅਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਆਮ ਨੁਕਸਾਨ ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਅਭਿਆਸ। ਨੈਟ. ਮੈਕਸ. ਇੰਟੇਲ. 3, 199–217 (2021)।
ਵਿਨੈਂਟਜ਼ ਐਲ. ਐਟ ਅਲ. ਕੋਵਿਡ-19 ਦੇ ਨਿਦਾਨ ਅਤੇ ਪੂਰਵ-ਅਨੁਮਾਨ ਲਈ ਭਵਿੱਖਬਾਣੀ ਮਾਡਲ: ਇੱਕ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਅਤੇ ਆਲੋਚਨਾਤਮਕ ਮੁਲਾਂਕਣ। BMJ 369, m1328 (2020)।
ਵ੍ਹੇਲਨ ਐਸ., ਸ਼੍ਰੇਬਰ ਜੇ., ਨੋਬਲ ਡਬਲਯੂ.ਐਸ. ਅਤੇ ਪੋਲਾਰਡ ਕੇ.ਐਸ. ਜੀਨੋਮਿਕਸ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਦੂਰ ਕਰਨਾ। ਨੈਟ. ਪਾਸਟਰ ਗਿਨੇਟ। 23, 169–181 (2022)।
ਐਟ੍ਰਿਸ ਐਨ. ਐਟ ਅਲ. ਕੈਮਿਸਟਰੀ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਅਭਿਆਸ। ਨੈਟ. ਕੈਮੀਕਲ। 13, 505–508 (2021)।
ਬਰੰਟਨ ਐਸਐਲ ਅਤੇ ਕੁਟਜ਼ ਜੇਐਨ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ ਦੀ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਲਈ ਵਾਅਦਾ ਕਰਨ ਵਾਲੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼। ਨੈਟ. ਕੈਲਕੂਲੇਟ. ਸਾਇੰਸ। 4, 483–494 (2024)।
ਵਿਨੂਏਸਾ, ਆਰ. ਅਤੇ ਬਰੰਟਨ, ਐਸ.ਐਲ. ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਰਾਹੀਂ ਕੰਪਿਊਟੇਸ਼ਨਲ ਤਰਲ ਗਤੀਸ਼ੀਲਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣਾ। ਨੈਟ. ਕੈਲਕੂਲੇਟ. ਸਾਇੰਸ। 2, 358–366 (2022)।
ਕੋਮੇਓ, ਐਸ. ਐਟ ਅਲ। ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਸੂਚਿਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਨਾਲ ਵਿਗਿਆਨਕ ਮਸ਼ੀਨ ਸਿਖਲਾਈ: ਅਸੀਂ ਹੁਣ ਕਿੱਥੇ ਹਾਂ ਅਤੇ ਅੱਗੇ ਕੀ ਹੈ। ਜੇ. ਸਾਇੰਸ। ਗਣਨਾ ਕਰੋ। 92, 88 (2022)।
ਦੁਰਈਸਾਮੀ, ਕੇ., ਯਾਕਾਰਿਨੋ, ਜੀ., ਅਤੇ ਜ਼ਿਆਓ, ਐੱਚ. ਡਾਟਾ ਯੁੱਗ ਵਿੱਚ ਟਰਬੁਲੈਂਸ ਮਾਡਲਿੰਗ। ਐਨ. 51, 357–377 (2019) ਦਾ ਸੋਧਿਆ ਹੋਇਆ ਸੰਸਕਰਣ।
ਦੁਰਾਨ, ਡੀ.ਆਰ. ਭੂ-ਭੌਤਿਕ ਹਾਈਡ੍ਰੋਡਾਇਨਾਮਿਕਸ ਵਿੱਚ ਤਰੰਗ ਸਮੀਕਰਨਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਸੰਖਿਆਤਮਕ ਢੰਗ, ਭਾਗ 32 (ਸਪ੍ਰਿੰਜਰ, 2013)।
ਮਿਸ਼ਰਾ, ਐਸ. ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ ਦੀ ਡੇਟਾ-ਸੰਚਾਲਿਤ ਗਣਨਾ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਇੱਕ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਢਾਂਚਾ। ਗਣਿਤ। ਇੰਜੀਨੀਅਰ। https://doi.org/10.3934/Mine.2018.1.118 (2018)।
ਕੋਚੀਕੋਵ ਡੀ. ਐਟ ਅਲ. ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਕੰਪਿਊਟੇਸ਼ਨਲ ਤਰਲ ਗਤੀਸ਼ੀਲਤਾ ਦਾ ਪ੍ਰਵੇਗ। ਪ੍ਰਕਿਰਿਆ। ਨੈਸ਼ਨਲ ਅਕੈਡਮੀ ਆਫ਼ ਸਾਇੰਸਜ਼। ਵਿਗਿਆਨ। ਯੂਐਸ 118, e2101784118 (2021)।
ਕਡਾਪਾ, ਕੇ. ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ - ਇੱਕ ਸੰਖੇਪ ਜਾਣ-ਪਛਾਣ ਅਤੇ ਕੁਝ ਮੁੱਖ ਮੁੱਦੇ। ਪ੍ਰੀਪ੍ਰਿੰਟ https://arxiv.org/abs/2112.12054 (2021) 'ਤੇ ਉਪਲਬਧ ਹੈ।
ਰੌਸ, ਏ., ਲੀ, ਜ਼ੈੱਡ., ਪੇਰੇਜ਼ੋਗਿਨ, ਪੀ., ਫਰਨਾਂਡੇਜ਼-ਗ੍ਰਾਂਡਾ, ਸੀ., ਅਤੇ ਜ਼ੈਨਾ, ਐਲ. ਆਦਰਸ਼ ਮਾਡਲਾਂ ਵਿੱਚ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਮੁੰਦਰੀ ਸਬਗ੍ਰਿਡ ਪੈਰਾਮੀਟਰਾਈਜ਼ੇਸ਼ਨ ਦਾ ਤੁਲਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ। ਜੇ.ਐਡ. ਮਾਡਲ। ਧਰਤੀ ਪ੍ਰਣਾਲੀ। 15. e2022MS003258 (2023)।
ਲਿਪੇ, ਪੀ., ਵਿਲਿੰਗ, ਬੀ., ਪਰਡੀਕਾਰਿਸ, ਪੀ., ਟਰਨਰ, ਆਰ., ਅਤੇ ਬ੍ਰਾਂਡਸਟੇਟਰ, ਜੇ. ਪੀਡੀਈ ਰਿਫਾਇਨਮੈਂਟ: ਇੱਕ ਨਿਊਰਲ ਪੀਡੀਈ ਸੋਲਵਰ ਨਾਲ ਸਟੀਕ ਲੰਬੇ ਐਕਸਟਰੂਜ਼ਨ ਪ੍ਰਾਪਤ ਕਰਨਾ। ਨਿਊਰਲ ਇਨਫਰਮੇਸ਼ਨ ਪ੍ਰੋਸੈਸਿੰਗ ਸਿਸਟਮ 'ਤੇ 37ਵੀਂ ਕਾਨਫਰੰਸ (ਨਿਊਰਆਈਪੀਐਸ 2023)।
ਫ੍ਰਾਚਾਸ, ਪੀਆਰ ਅਤੇ ਹੋਰ। ਗੁੰਝਲਦਾਰ ਸਪੇਸੀਓਟੈਂਪੋਰਲ ਡਾਇਨਾਮਿਕਸ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਆਵਰਤੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਵਿੱਚ ਬੈਕਪ੍ਰੋਪੈਗੇਸ਼ਨ ਐਲਗੋਰਿਦਮ ਅਤੇ ਰਿਜ਼ਰਵਾਇਰ ਕੈਲਕੂਲੇਸ਼ਨ। ਨਿਊਰਲ ਨੈੱਟਵਰਕ। 126, 191–217 (2020)।
ਰਾਇਸੀ, ਐਮ., ਪੇਰਡੀਕਾਰਿਸ, ਪੀ. ਅਤੇ ਕਰਨਿਆਡਾਕਿਸ, ਜੀਈ ਭੌਤਿਕ ਵਿਗਿਆਨ, ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ, ਨਿਊਰਲ ਨੈੱਟਵਰਕ: ਗੈਰ-ਰੇਖਿਕ ਅੰਸ਼ਕ ਵਿਭਿੰਨ ਸਮੀਕਰਨਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੀਆਂ ਅੱਗੇ ਅਤੇ ਉਲਟ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਡੂੰਘੀ ਸਿਖਲਾਈ ਢਾਂਚਾ। ਜੇ. ਕੰਪਿਊਟਰ। ਭੌਤਿਕ ਵਿਗਿਆਨ। 378, 686–707 (2019)।
ਗ੍ਰਾਸਮੈਨ, ਟੀਜੀ, ਕੋਮੋਰੋਵਸਕਾ, ਯੂਜੇ, ਲੂਟਜ਼, ਜੇ., ਅਤੇ ਸ਼ੋਨਲੀਬ, ਕੇ.-ਬੀ। ਕੀ ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਸੀਮਤ ਤੱਤ ਵਿਧੀਆਂ ਤੋਂ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਸਕਦੇ ਹਨ? ਆਈਐਮਏ ਜੇ. ਐਪਲੀਕੇਸ਼ਨ। ਗਣਿਤ। 89, 143–174 (2024)।
ਡੇ ਲਾ ਮਾਟਾ, ਐੱਫ.ਐੱਫ., ਗਿਜੋਨ, ਏ., ਮੋਲੀਨਾ-ਸੋਲਾਨਾ, ਐੱਮ., ਅਤੇ ਗੋਮੇਜ਼-ਰੋਮੇਰੋ, ਜੇ. ਡੇਟਾ-ਸੰਚਾਲਿਤ ਮਾਡਲਿੰਗ ਲਈ ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕ: ਫਾਇਦੇ, ਸੀਮਾਵਾਂ, ਅਤੇ ਮੌਕੇ। ਭੌਤਿਕ ਵਿਗਿਆਨ। ਏ 610, 128415 (2023)।
ਜ਼ੁਆਂਗ, ਪੀ.-ਵਾਈ. ਅਤੇ ਬਾਰਬਾ, ਐਲਏ ਤਰਲ ਮਾਡਲਿੰਗ ਵਿੱਚ ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ 'ਤੇ ਇੱਕ ਅਨੁਭਵੀ ਰਿਪੋਰਟ: ਨੁਕਸਾਨ ਅਤੇ ਨਿਰਾਸ਼ਾ। ਪ੍ਰੀਪ੍ਰਿੰਟ https://arxiv.org/abs/2205.14249 (2022) 'ਤੇ ਉਪਲਬਧ ਹੈ।
ਜ਼ੁਆਂਗ, ਪੀ.-ਵਾਈ. ਅਤੇ ਬਾਰਬਾ, ਐਲਏ ਵੌਰਟੈਕਸ ਗਠਨ 'ਤੇ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਸੂਚਿਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀਆਂ ਭਵਿੱਖਬਾਣੀ ਸੀਮਾਵਾਂ। ਪ੍ਰੀਪ੍ਰਿੰਟ https://arxiv.org/abs/2306.00230 (2023) 'ਤੇ ਉਪਲਬਧ ਹੈ।
ਵਾਂਗ, ਐਸ., ਯੂ, ਐਚ., ਅਤੇ ਪੇਰਡੀਕਾਰਿਸ, ਪੀ. ਪਿੰਨ ਕਦੋਂ ਅਤੇ ਕਿਉਂ ਸਿਖਲਾਈ ਦੇਣ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੇ ਹਨ: ਇੱਕ ਨਿਊਰਲ ਟੈਂਜੈਂਟ ਨਿਊਕਲੀਅਸ ਦ੍ਰਿਸ਼ਟੀਕੋਣ। ਜੇ. ਕੰਪਿਊਟਰ। ਭੌਤਿਕ ਵਿਗਿਆਨ। 449, 110768 (2022)।
ਕ੍ਰਿਸ਼ਨਪ੍ਰਿਯਨ, ਏ., ਘੋਲਾਮੀ, ਏ., ਜ਼ੇ, ਐਸ., ਕਿਰਬੀ, ਆਰ., ਅਤੇ ਮਾਹੋਨੀ, ਐਮ.ਡਬਲਯੂ. ਭੌਤਿਕ ਜਾਣਕਾਰੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਵਿੱਚ ਸੰਭਾਵਿਤ ਅਸਫਲਤਾ ਮੋਡਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ। ਨਿਊਰਲ ਇਨਫਰਮੇਸ਼ਨ ਪ੍ਰੋਸੈਸਿੰਗ ਸਿਸਟਮਜ਼ 'ਤੇ 35ਵੀਂ ਕਾਨਫਰੰਸ ਭਾਗ 34, 26548–26560 (ਨਿਊਰਿਪਸ 2021)।
ਬਸੀਰ, ਐਸ. ਅਤੇ ਸੇਨੋਕਕ, ਆਈ. ਭੌਤਿਕ ਵਿਗਿਆਨ-ਅਧਾਰਤ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਵਿੱਚ ਅਸਫਲਤਾ ਮੋਡਾਂ ਦਾ ਇੱਕ ਆਲੋਚਨਾਤਮਕ ਅਧਿਐਨ। AiAA SCITECH 2022 ਫੋਰਮ 2353 (ARK, 2022) ਵਿੱਚ।
ਕਰਨਕੋਵ ਪੀ., ਲਿਟਵਿਨੋਵ ਐਸ. ਅਤੇ ਕੌਮੌਟਸਕੋਸ ਪੀ. ਡਿਸਕ੍ਰਿਟ ਨੁਕਸਾਨਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾ ਕੇ ਭੌਤਿਕ ਉਲਟ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨਾ: ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਤੋਂ ਬਿਨਾਂ ਤੇਜ਼ ਅਤੇ ਸਹੀ ਸਿਖਲਾਈ। ਪ੍ਰਕਿਰਿਆ। ਨੈਸ਼ਨਲ ਅਕੈਡਮੀ ਆਫ਼ ਸਾਇੰਸਜ਼। ਵਿਗਿਆਨ। Nexus 3, pgae005 (2024)।
ਗੁੰਡਰਸਨ ਓਈ ਪ੍ਰਜਨਨਯੋਗਤਾ ਦੇ ਮੂਲ ਸਿਧਾਂਤ। ਫਿਲ.ਕਰਾਸ। ਆਰ. ਸ਼ੁਕਰ। ਏ 379, 20200210 (2021)।
ਅਰੋਮੈਟਾਰਿਸ ਈ ਅਤੇ ਪੀਅਰਸਨ ਏ. ਸਿਸਟਮੈਟਿਕ ਸਮੀਖਿਆਵਾਂ: ਇੱਕ ਸੰਖੇਪ ਜਾਣਕਾਰੀ। ਹਾਂ। ਜੇ. ਨਰਸਿੰਗ 114, 53–58 (2014)।
ਮੈਗੀਰਾ, ਜੇ., ਰੇ, ਡੀ., ਹੇਸਥਾਵਨ, ਜੇ.ਐਸ., ਅਤੇ ਰੋਹਡੇ, ਕੇ. ਰੀਮੈਨ ਸਮੱਸਿਆ ਲਈ ਪਾਬੰਦੀ-ਜਾਗਰੂਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕ। ਜੇ. ਕੰਪਿਊਟਰ। ਭੌਤਿਕ ਵਿਗਿਆਨ। 409, 109345 (2020)।
ਬੇਜ਼ਗਿਨ ਡੀਏ, ਸ਼ਮਿਟ ਐਸਜੇ ਅਤੇ ਐਡਮਜ਼ ਐਨਏ ਗੈਰ-ਕਲਾਸੀਕਲ ਘਟੇ ਹੋਏ ਵੋਲਟੇਜ ਝਟਕਿਆਂ ਲਈ ਡੇਟਾ-ਸੰਚਾਲਿਤ ਭੌਤਿਕ ਤੌਰ 'ਤੇ ਸੂਚਿਤ ਸੀਮਤ ਵਾਲੀਅਮ ਸਰਕਟ। ਜੇ. ਕੰਪਿਊਟਰ। ਭੌਤਿਕ ਵਿਗਿਆਨ। 437, 110324 (2021)।