3552 पेपर
यह शोध पत्र व्यूपोर्ट-जागरूक प्रीप्रोसेसिंग और ट्रांसफॉर्मेशन-रोबस्ट फीचर पॉइंट्स का उपयोग करके रूपांतरित इमर्सिव वीडियो सामग्री की पहचान करने के लिए एक डीप-लर्निंग-आधारित पद्धति प्रस्तावित करता है, जो मेटाडेटा पर निर्भर रहे बिना 97.5% पहचान दर और बेहतर कम्प्यूटेशनल दक्षता प्राप्त करता है।
यह अध्ययन UNSW-NB15 डेटासेट पर मशीन लर्निंग-आधारित नेटवर्क घुसपैठ पहचान प्रणालियों की रूपांतरण-विशिष्ट मजबूती का मूल्यांकन करता है, जो यह प्रकट करता है कि जबकि मॉडल फीचर गड़बड़ी के प्रति भिन्न संवेदनशीलता प्रदर्शित करते हैं, एक TTL-जागरूक प्रशिक्षण विन्यास मानक बेसलाइन की तुलना में नकारात्मक टाइम-टू-लिव संशोधनों के तहत प्रदर्शन गिरावट को महत्वपूर्ण रूप से कम करता है।
यह अध्ययन प्रदर्शित करता है कि एक ग्राफ कन्वोल्यूशनल न्यूरल नेटवर्क 3D मानव शरीर के मेश (mesh) से सीधे सोलह मानक मानवमिति (anthropometric) मापों का प्रभावी ढंग से अनुमान लगा सकता है, जो सिंथेटिक डेटा पर आशाजनक सटीकता प्राप्त करता है जबकि वास्तविक दुनिया के स्कैन पर लागू होने पर डोमेन अनुकूलन (domain adaptation) की चुनौतियों को भी उजागर करता है।
यह शोध पत्र एक ऑडिट करने योग्य, एज-डिप्लॉय करने योग्य एआई सुरक्षा आर्किटेक्चर प्रस्तुत करता है जो उच्च नैदानिक सटीकता बनाए रखते हुए और अनावश्यक पुष्टिकरण परीक्षणों को कम करते हुए, विविध, संसाधन-सीमित अंतर्राष्ट्रीय समूहों में स्वायत्त टीबी (तपेदिक) फॉल्स-नेगेटिव डिस्चार्ज को समाप्त करने के लिए इनपुट गुणवत्ता आश्वासन के साथ कॉन्फॉर्मल प्रेडिक्शन को जोड़ता है।
यह व्यवस्थित साहित्य समीक्षा शोर वाले रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) सिस्टम में एडेप्टिव कॉन्टेक्स्ट रिलायंस कंट्रोल पर सोलह अध्ययनों का विश्लेषण करती है, जो वर्तमान शोर-जागरूक मेमोराइजेशन रणनीतियों में महत्वपूर्ण अंतराल की पहचान करती है और एलएलएम (LLM) के आंतरिक ज्ञान और रिट्रीव्ड एविडेंस की गुणवत्ता के बीच गतिशील रूप से संतुलन बनाने के लिए ACRC फ्रेमवर्क प्रस्तावित करती है।
यह शोध पत्र SET-CNN का प्रस्ताव करता है, जो एक नवीन ढांचा है जो फीचर-लेवल फ्यूजन और ट्रिपलेट सेमी-हार्ड लॉस ऑप्टिमाइज़ेशन के माध्यम से DenseNet121, ResNet50 और VGG16 को एकीकृत करके मजबूत इमेज एम्बेडिंग उत्पन्न करता है, जिससे CIFAR-10 डेटासेट पर व्यक्तिगत मॉडलों की तुलना में रिट्रीवल प्रदर्शन में 7.6% का सुधार प्राप्त होता है।
यह शोध पत्र एक हाइब्रिड कम्प्यूटेशनल एनालिटिक्स मॉडल (HCAM) का प्रस्ताव और सत्यापन करता है जो फीचर स्ट्रक्चरिंग के लिए डेटा माइनिंग तकनीकों को सुपरवाइज्ड मशीन लर्निंग क्लासिफायर के साथ एकीकृत करता है, जो UCI हार्ट डिजीज डेटासेट पर स्टैंडअलोन विधियों की तुलना में भविष्य कहनेवाला सटीकता (प्रेडिक्टिव एक्यूरेसी) और व्याख्यात्मकता (इंटरप्रिटेबिलिटी) में सांख्यिकीय रूप से महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र RLo-RAG का प्रस्ताव करता है, जो LoRA के साथ संवर्धित एक सुदृढीकरण लर्निंग-आधारित मल्टी-राउंड रिट्रीवल-ऑगमेंटेड जनरेशन मॉडल है, जो उच्च-प्रासंगिकता वाले दस्तावेज़ चंक्स को पुनरावृत्ति से खोजने के लिए एक गतिशील रिवॉर्ड फंक्शन का उपयोग करता है और पारंपरिक RAG विधियों की तुलना में औद्योगिक दस्तावेज़ों के लिए रिट्रीवल प्रिसिजन और जनरेशन की गुणवत्ता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र MDFR-Net का प्रस्ताव करता है, जो एक नवीन डीप लर्निंग फ्रेमवर्क है जो न्यूनतम स्केल, विविध ओरिएंटेशन और जटिल बैकग्राउंड इंटरफेरेंस से संबंधित चुनौतियों को प्रभावी ढंग से संबोधित करने के लिए मल्टी-स्केल हिरार्किकल अटेंशनल फ्यूजन, ओरिएंटेशन डिकपल्ड फीचर एनहांसर और हिरार्किकल कन्वोल्यूशन पूलिंग फ्यूजन मॉड्यूल को एकीकृत करके हवाई लघु वस्तु पहचान (aerial small object detection) को बढ़ाता है।
यह शोध पत्र एक मशीन लर्निंग-आधारित हाइब्रिड टास्क शेड्यूलर प्रस्तुत करता है जो वास्तविक ग्राफ-व्युत्पन्न वर्कलोड का उपयोग करके शास्त्रीय और क्वांटम प्रोसेसरों के बीच संसाधन आवंटन को अनुकूलित करता है, जो पारंपरिक और नियम-आधारित बेसलाइन की तुलना में पूर्णता समय (completion time), मेक्सपैन (makespan) और थ्रूपुट (throughput) में बेहतर प्रदर्शन प्रदर्शित करता है।