19742 पेपर
AuEmoChat एक संवादात्मक स्पीच सिंथेसिस फ्रेमवर्क है जो AuEmoCodec के माध्यम से एक डिस्क्रीट ऑथेंटिक इमोशन टोकन स्पेस, रेडंडेंसी को कम करने के लिए AuEmoToMe नामक एक इमोशन-गाइडेड टोकन मर्जिंग एल्गोरिदम, और उच्च गुणवत्ता वाले स्पीच जेनरेशन के लिए एक ऑथेंटिक इमोशन फ्लो मैचिंग मैकेनिज्म पेश करके भावनात्मक प्रामाणिकता और प्रासंगिक निरंतरता को बढ़ाता है।
यह शोध पत्र drXAI को प्रस्तुत करता है, जो एक नवीन कार्यप्रणाली है जो टाइम सीरीज़ डेटा में सबसे महत्वपूर्ण विशेषताओं को स्वचालित रूप से पहचानने और बनाए रखने के लिए एक्सप्लेनेबल एआई (Explainable AI) एट्रिब्यूशन विधियों का लाभ उठाती है, जिससे वर्गीकरण सटीकता को बनाए रखते हुए महत्वपूर्ण डेटा न्यूनीकरण (80-90%) प्राप्त होता है और संसाधन-गहन मॉडलों को पहले तक अप्राप्य डेटासेट तक स्केल करने में सक्षम बनाया जाता है।
यह शोध पत्र AquaAugmentor को प्रस्तुत करता है, जो एक नवीन फीचर ऑगमेंटेशन एल्गोरिदम है जिसे रासायनिक गुणों के आधार पर पानी की पीने योग्य स्थिति को वर्गीकृत करने के लिए मशीन लर्निंग और डीप लर्निंग मॉडल्स की भविष्य कहने वाली सटीकता को बढ़ाने के लिए डिज़ाइन किया गया है।
यह शोध पत्र NeurOWL प्रस्तुत करता है, जो एक एंड-टू-एंड न्यूरो-सिम्बोलिक फ्रेमवर्क है जो अपूर्ण OWL ऑन्टोलॉजी में सबसमप्शन (subsumption) की सिमेंटिक प्लाउज़िबिलिटी (semantic plausibility) को सत्यापित करने और संभावित लुप्त एक्सिओम्स (axioms) के साथ तार्किक रूप से सुसंगत स्पष्टीकरण उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स और ऑन्टोलॉजी एम्बेडिंग्स का लाभ उठाता है।
यह शोध पत्र एक मल्टी-मोडल इवेंट-आधारित एगोट मोशन नेटवर्क में सीखे गए निरूपणों (रिप्रजेंटेशन्स) की ज्यामितीय संरचना की जांच करता है, यह प्रदर्शित करते हुए कि इसके फ्यूज्ड एम्बेडिंग्स लो-डायमेंशनल मैनिफोल्ड्स पर मोशन वेरिएबल्स के साथ संरेखित होते हैं, विश्वसनीयता के आधार पर अटेंशन को अनुकूलित करते हैं, और शास्त्रीय ऑब्जर्वेबिलिटी संकेतों को पुनः प्राप्त करते हैं, जिससे विश्लेषणात्मक अनुमान सिद्धांत और डेटा-संचालित फ्यूजन के बीच के अंतर को पाटा जा सके।
यह शोध पत्र एक ज्ञान-सहायता प्राप्त मल्टी-ग्राफ ढांचे का प्रस्ताव करता है जो जटिल बहु-चरणीय औद्योगिक प्रक्रियाओं में उन्नत बहुभिन्नरूपी समय श्रृंखला विसंगति का पता लगाने के लिए पूरक ग्राफों के निर्माण हेतु डेटा-संचालित शिक्षण के साथ प्रक्रिया ज्ञान को एकीकृत करता है।
यह शोध पत्र RTL-Sequencer को प्रस्तुत करता है, जो एक नवीन अनुक्रम-आधारित (sequence-based) प्रतिमान है जो लॉजिक कोन्स (logic cones) को रैखिक बनाने और अनुकूलित अनुक्रम मॉडलों का उपयोग करने के माध्यम से RTL टाइमिंग भविष्यवाणी के लिए मौजूदा ग्राफ-आधारित विधियों की सीमाओं को दूर करता है ताकि स्केलेबल और सटीक प्रारंभिक-चरण के टाइमिंग अनुकूलन को प्राप्त किया जा सके।
यह शोध पत्र एक ज्ञान-केंद्रित ढांचे का प्रस्ताव करता है जो वास्तविक दुनिया के उदाहरणों से पदानुक्रमित ज्ञान को उलटने (invert), इंजेक्ट करने और अनुमान लगाने (infer) को सीखकर विजुअल क्रिएशन सिस्टम में वर्कफ़्लो जनरेशन को बढ़ाता है, जिससे मौजूदा प्रत्यक्ष टेक्स्ट-टू-जेसन (text-to-JSON) दृष्टिकोणों की तुलना में बेहतर संरचनात्मक सुसंगतता और निष्पादन सफलता दर प्राप्त होती है।
यह शोध पत्र TANGO को प्रस्तुत करता है, जो एक टेस्ट-टाइम अडैप्टेशन विधि है जो भविष्यवाणित शोर (noise) को अपेक्षित आइसोट्रोपिक गौसियन वितरण (isotropic Gaussian distribution) के अनुरूप सुनिश्चित करने के लिए प्रक्षेप पथों (trajectories) को अनुकूलित करके ऑटोरेग्रेसिव वीडियो जनरेशन को टर्मिनल बिंदुओं से दूर निर्देशित करती है, जिससे वीडियो की गुणवत्ता में उल्लेखनीय सुधार होता है और त्रुटि संचय (error accumulation) कम होता है।
यह शोध पत्र "एजेंटिक सिंथेसिस अगेंस्ट काउंटरएग्जांपल-सप्लीमेंटेड स्केचेस" (Agentic Synthesis against Counterexample-Supplemented Sketches) प्रस्तुत करता है, जो एक रिपॉजिटरी-नेटिव विधि है जिसमें मानव-अनुमोदित नीति सुधारों को संचित उदाहरणों के बजाय एक विकसित होते कोड स्केच में एकीकृत किया जाता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण पारंपरिक रीप्ले-आधारित पुनर्जनन की तुलना में डेवलपर के प्रयास को कम करता है और अनदेखे मामलों में सीखी गई नियमों के हस्तांतरण में सुधार करता है।