20386 पेपर
यह अध्ययन प्रदर्शित करता है कि मशीन लर्निंग मॉडल, विशेष रूप से 94.2% सटीकता प्राप्त करने वाला नियरएस्ट सेंट्रॉइड (Nearest Centroid) क्लासिफायर, VISEM डेटासेट से प्रमुख वीर्य मापदंडों का विश्लेषण करके पुरुष प्रजनन क्षमता की स्थिति की प्रभावी ढंग से भविष्यवाणी कर सकता है, जो वस्तुनिष्ठ नैदानिक निदान के लिए एक आशाजनक उपकरण प्रदान करता है।
यह शोध पत्र ImageCLEF AI4Agri 2026 प्रतियोगिता के लिए दूसरे स्थान की रैंकिंग सबमिशन प्रस्तुत करता है जो दक्षिणी फ्रांस में अंगूर की खेती (विटिकल्चर) की क्षमता की भविष्यवाणी करने के लिए 68.32% सटीकता के साथ U-Net और Prithvi-2.0 जियोस्पेशियल फाउंडेशन मॉडल के एक एनसेंबल का उपयोग करता है, जो टिकाऊ कृषि नियोजन के लिए रिमोट सेंसिंग की प्रभावकारिता को प्रदर्शित करता है।
यह शोध पत्र एनसेंबल डायवर्सिटी ऑप्टिमाइज़ेशन (EDO) को प्रस्तुत करता है, जो एक डिफरेंशिएबल फ्रेमवर्क है जो एक साइन्ड डायवर्सिटी रेगुलराइज़र के माध्यम से एनसेंबल वेट्स, साइज और कैलिब्रेशन को संयुक्त रूप से अनुकूलित करता है ताकि व्यक्तिपरक एनएलपी कार्यों में एनोटेटर असहमति और अनिश्चितता को प्रभावी ढंग से मॉडल किया जा सके, जो कई बेंचमार्क में प्रोबेबिलिस्टिक कैलिब्रेशन और मानव वितरण के साथ संरेखण में महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र एक संज्ञानात्मक-संरचित बहुविध एजेंट (Cognitive-structured Multimodal Agent) प्रस्तुत करता है जो संरचित अमूर्तीकरण और पुनर्प्राप्ति के साथ एक एपिसोडिक मेमोरी में दृश्य सूचना को बाह्य करके दीर्घ-अवधि वाले कार्यों में मोनोलिथिक एकीकृत मॉडलों की सीमाओं को दूर करता है, जो बड़े बेसलाइन की तुलना में बेहतर सटीकता और दक्षता प्राप्त करते हुए एक स्केलेबल टूल-ऑगमेंटेड परिनियोजन ढांचा प्रदान करता है।
यह शोध पत्र अत्याधुनिक स्ट्राइडेड कनवोल्यूशनल ऑडियो एनकोडर्स में दो संरचनात्मक बाधाओं की पहचान करता है जो आवृत्ति-स्थानीयकृत प्रिमिटिव्स (frequency-localized primitives) तक पहुंच को कम करती हैं, और इस पहुंच को पुनः प्राप्त करने के लिए 'गाबोर लेटेंट रिफैक्टरज़ेशन' (Gabor Latent Refactorization - GLRF) नामक एक हल्के, रिट्रेनिंग-मुक्त हस्तक्षेप का प्रस्ताव करता है, जिससे पुनर्निर्माण निष्ठा (reconstruction fidelity) से समझौता किए बिना मॉडल की स्टीयरेबिलिटी (steerability) और व्याख्यात्मकता (interpretability) में सुधार होता है।
इम्प्यूटविज़ (ImputeViz) एक संवादात्मक विज़ुअल एनालिटिक्स डैशबोर्ड है जो शोधकर्ताओं को लुप्त डेटा पैटर्न (missing data patterns) का निदान करने, विविध इम्प्यूटेशन विधियों (एक नवीन भौगोलिक रूप से सूचित gKNN सहित) को कॉन्फ़िगर और तुलना करने, और सुदृढ़, जवाबदेह डेटा विश्लेषण का समर्थन करने के लिए समन्वित दृश्यों (coordinated views) और मात्रात्मक मेट्रिक्स के माध्यम से उनके प्रभाव का मूल्यांकन करने में सक्षम बनाता है।
यह शोध पत्र स्यूडोइनवर्स-आधारित एक्सट्रीम लर्निंग मशीनों की स्पेक्ट्रल स्थिरता का विश्लेषण करता है, यह प्रदर्शित करते हुए कि हिडन लेयर मैट्रिक्स की सिंगुलर वैल्यू संरचना मौलिक रूप से संख्यात्मक स्थिरता को नियंत्रित करती है और SVD-आधारित विधियाँ इल-कंडीशन्ड (ill-conditioned) परिदृश्यों में पुनरावृत्ति (iterative) दृष्टिकोणों से बेहतर प्रदर्शन करती हैं।
यह शोध पत्र एक सुदृढ़ बेयसियन प्रयोगात्मक डिजाइन ढांचे का प्रस्ताव करता है जो प्रतिकूल अनिश्चितताओं को स्पष्ट रूप से ध्यान में रखकर नाममात्र की इष्टतमता के बजाय निर्णय स्थिरता को प्राथमिकता देता है, जिससे छिपे हुए वास्तविक दुनिया के व्यवधानों के सामने नाजुक निष्कर्षों को रोका जा सके।
यह अध्ययन प्रदर्शित करता है कि एक फेडरेटेड डीप लर्निंग दृष्टिकोण दो विषम समूहों (लाइफलाइन्स और रोटरडैम स्टडी) में हृदय रोग जोखिम की भविष्यवाणी को सफलतापूर्वक सुधारता है, जबकि संवेदनशील व्यक्तिगत स्तर के डेटा को साझा किए बिना सहयोगात्मक मॉडल प्रशिक्षण को सक्षम करके रोगी की गोपनीयता को बनाए रखता है।
यह शोध पत्र स्ट्रक्चर्ड स्पार्स ऑटोएनकोडर्स () का प्रस्ताव करता है, जो एक नवीन विधि है जो इमेज पैचेस को समूहीकृत करके और स्ट्रक्चर्ड स्पैरसिटी रेगुलराइजेशन लागू करके विजन-लैंग्वेज मॉडल्स में सिमेंटिक और स्पेशियल कंसिस्टेंसी को लागू करती है, जिससे वैनिला SAEs की तुलना में कॉन्सेप्ट डिसेंटैंगलमेंट, सिमेंटिक अलाइनमेंट और रिप्रेजेंटेशनल एफिशिएंसी में महत्वपूर्ण सुधार प्राप्त होता है।