744 पेपर
यह शोध पत्र एक गोपनीयता-संरक्षण, वितरित कैटबूस्ट (CatBoost) ढांचे का प्रस्ताव करता है जिसमें भारित एकत्रीकरण (weighted aggregation) का उपयोग किया गया है जो केंद्रीकृत डेटा की आवश्यकता के बिना आठ देशों में एसटीआई (STI) और एचआईवी (HIV) जोखिमों की भविष्यवाणी करने में उच्च सटीकता प्राप्त करता है, जिससे पारंपरिक केंद्रीकृत मशीन लर्निंग मॉडलों के लिए एक सुदृढ़ विकल्प मिलता है।
NAE-VC एक मॉड्यूलर, लर्नड एंट्रॉपी कोडिंग फ्रेमवर्क है जो H.264, H.265 और H.266 कोडेक्स में मानक CABAC इंजन को एक न्यूरल आर्किटेक्चर से बदल देता है जो मौजूदा वीडियो कोडिंग मानकों के साथ पूर्ण अनुकूलता बनाए रखते हुए महत्वपूर्ण बिटरेट बचत प्राप्त करने के लिए कॉन्टेक्स्ट एग्रीगेशन, गॉसियन मिक्सचर मॉडलिंग और हाइपरप्रायर्स का संयोजन करता है।
यह शोध पत्र MUNNA प्रस्तुत करता है, जो एक नवीन तीन-चरणीय हाइब्रिड फ्रेमवर्क है जो फीचर चयन के लिए GWO-SA मेटाहेयुरिस्टिक, एक अनसर्टेनिटी-वेटेड स्टैकिंग एनसेंबल और एक क्लोज्ड-लूप SHAP फीडबैक मैकेनिज्म को एकीकृत करता है ताकि लोकल ऑप्टिमा स्टैग्नेशन और स्टैटिक एनसेंबल वेटिंग की सीमाओं को संबोधित करते हुए ब्रेस्ट कैंसर विस्कॉन्सिन डेटासेट पर अत्याधुनिक रोग निदान प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र DAÏO प्रस्तुत करता है, जो एक नवीन एज-सक्षम विज़न-आधारित फॉल डिटेक्शन सिस्टम है, जो एक हल्के पोज़ एस्टिमेटर, एक एडेप्टिव एक्सटेंडेड कालमन फ़िल्टर और एक ट्रिपल-चेक लॉजिक इंजन को जोड़ता है ताकि दैनिक गतिविधियों और धार्मिक सजदे से होने वाले फॉल्स पॉजिटिव्स को काफी कम करते हुए उच्च विशिष्टता (96.4%) प्राप्त की जा सके और उपभोक्ता हार्डवेयर पर रीयल-टाइम प्रदर्शन बनाए रखा जा सके।
STAC-MV पहला ट्रांसफार्मर-आधारित न्यूरल मल्टीव्यू वीडियो संपीड़न फ्रेमवर्क है जो विविध कैमरा कॉन्फ़िगरेशन में पारंपरिक मानकों की तुलना में महत्वपूर्ण BD-रेट सुधार प्राप्त करने के लिए ज्यामिति-जागरूक अनुकूलन योग्य संदर्भ चयन और क्रॉस-व्यू अटेंशन का लाभ उठाता है, जबकि एन्कोडिंग समय को भी काफी कम करता है।
यह शोध पत्र एक बहु-चरणीय संरेखण पाइपलाइन प्रस्तावित करता है जो लोकप्रियता पूर्वाग्रह (popularity bias) को प्रभावी ढंग से कम करने के लिए प्राथमिकता निष्कर्षण (preference extraction), पर्यवेक्षित फाइन-ट्यूनिंग (supervised fine-tuning), और डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (Direct Preference Optimization) को जोड़ता है, जिससे प्रतिस्पर्धी सटीकता बनाए रखते हुए बेहतर नवीनता (novelity) और कैटलॉग कवरेज प्राप्त होता है।
ट्रांसफ़रेबल हाई-लेवल सिमेंटिक्स और स्पार्स लोकल आर्टिफ़ेक्ट्स के बीच संघर्ष के कारण फेस फोर्जरी डिटेक्शन में जनरलाइजेशन गैप को संबोधित करने के लिए, यह पेपर सेमफ्यूजन (SemFusion) का प्रस्ताव देता है, जो एक ऐसा फ्रेमवर्क है जो CLIP की ट्रांसफ़रेबल संरचना को संरक्षित करने के लिए सिमेंटिक कंसिस्टेंसी रेगुलराइजेशन को मल्टी-लेवल पैच एविडेंस लर्निंग के साथ जोड़ता है ताकि स्थानीयकृत फोर्जरी संकेतों को प्रभावी ढंग से कैप्चर और फ्यूज किया जा सके।
यह अध्ययन प्रदर्शित करता है कि नैदानिक रूप से आधारित अवधारणा निर्माण (concept construction) चेस्ट रेडियोग्राफ वर्गीकरण के लिए कॉन्सेप्ट बॉटलनेक मॉडल को बेहतर बनाता है, जिसमें पर्यवेक्षित (supervised) दृष्टिकोण गैर-बॉटलनेक बेसलाइन के समान मजबूत प्रदर्शन प्राप्त करते हैं, जबकि लेबल-मुक्त मॉडल एक आशाजनक विकल्प प्रदान करते हैं जब अवधारणा एनोटेशन उपलब्ध नहीं होते हैं।
यह शोध पत्र BioGraph-SentiCOVID प्रस्तुत करता है, जो एक कैलिब्रेटेड एडेप्टिव-कॉन्टेक्स्ट ग्राफ न्यूरल फ्रेमवर्क है जो ट्विटर पर शोर वाले (noisy) कोविड-19 ट्वीट्स के स्टेट-ऑफ-द-आर्ट सेंटीमेंट क्लासिफिकेशन को प्राप्त करने के लिए जेनेटिक एल्गोरिदम के माध्यम से कन्वर्सेशनल कॉन्टेक्स्ट सिलेक्शन और हाइपरपैरामीटर्स को अनुकूलित करता है।
यह शोध पत्र 2024 के अमेरिकी चुनाव के दौरान X पर राजनीतिक रुख का पता लगाने के लिए क्लासिकल, न्यूरल और ट्रांसफॉर्मर मॉडल्स का एक तुलनात्मक अध्ययन प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जहाँ फाइन-ट्यून्ड BERTweet उच्चतम सटीकता प्राप्त करता है, वहीं सावधानीपूर्वक इंजीनियर किए गए लीनियर SVM जैसे क्लासिकल मॉडल्स स्केलेबल परिनियोजन के लिए एक अत्यधिक प्रतिस्पर्धी, अधिक कुशल और व्याख्या योग्य विकल्प प्रदान करते हैं।