3552 पेपर
यह शोध पत्र एक प्रिविलेज्ड नॉलेज डिस्टिलेशन फ्रेमवर्क (PKD-ISLR) प्रस्तावित करता है जो एक मल्टीमॉडल हाई-रिज़ॉल्यूशन टीचर मॉडल से लो-रिज़ॉल्यूशन स्टूडेंट में डिस्क्रिमिनेटिव नॉलेज ट्रांसफर करके कम-रिज़ॉल्यूशन वाले वीडियो में आइसोलेटेड साइन लैंग्वेज रिकग्निशन को बेहतर बनाता है, और WLASL एवं ASLCitizen बेंचमार्क पर मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र MDRC का प्रस्ताव करता है, जो एक मैकेनिज्म-डिकपल्ड रिट्रीवल-गाइडेड कंडिशनल रिकवरी फ्रेमवर्क है जो साझा-निजी सिमेंटिक्स को मॉडल करके और नियंत्रित पूर्व मार्गदर्शन (कंट्रोल्ड प्रायर गाइडेंस) एवं बाउंडेड रेसिडुअल रिफाइनमेंट के माध्यम से रिट्रीवल साक्ष्य का लाभ उठाकर अधूरे मल्टीमॉडल इमोशन रिकग्निशन को संबोधित करता है ताकि लुप्त मोडैलिटीज के विरुद्ध मजबूती बढ़ाई जा सके।
यह शोधपत्र SATrans का प्रस्ताव करता है, जो एक नवीन अटेंशन-आधारित टेम्पोरल फ्रेमवर्क है जो विभिन्न समय रिज़ॉल्यूशन में अवसाद की गंभीरता के अत्यधिक सटीक, सुदृढ़ और स्केलेबल वास्तविक समय वर्गीकरण को प्राप्त करने के लिए मल्टीमॉडल फिजियोलॉजिकल सिग्नल्स और डायनेमिक PAD-ड्रिवन लेबलिंग का लाभ उठाता है।
यह शोध पत्र एक मोटिफ मैट्रिक्स पर आधारित एक नवीन डेंसिटी-एडेप्टिव मॉडल (NDAMM) प्रस्तावित करता है जो सटीक, व्याख्या योग्य और कुशल तरीके से प्रीमैच्योर एट्रियल और वेंट्रिकुलर संकुचनों का स्वचालित पता लगाने के लिए मल्टी-स्केल स्थानिक फीचर फ्यूजन और एट्रस पायरामिडल टेम्पोरल पूलिंग का लाभ उठाता है, जो सार्वजनिक डेटाबेस में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र OpenML सारणीबद्ध (tabular) कार्यों पर चयनात्मक वर्गीकरण (selective classification) के लिए एक हल्के, प्रोब-आधारित नीति (probe-based policy) का प्रस्ताव और मूल्यांकन करता है जो कच्चे अनुमानों (raw predictions), टेम्परेचर स्केलिंग (temperature scaling) और डिरिचलेट कैलिब्रेशन (Dirichlet calibration) के बीच गतिशील रूप से चयन करता है, जो यह प्रदर्शित करता है कि ऐसा सशर्त चयन सार्वभौमिक कैलिब्रेशन या बिना कैलिब्रेशन की तुलना में संभाव्यता सटीकता (probability accuracy) और परित्याग गुणवत्ता (abstention quality) दोनों में सुधार करता है।
आयुर्वेदविलेषिका (Āyurpadaviśleṣikā) एक एआई-सहायता प्राप्त डिजिटल प्लेटफॉर्म है जो शास्त्रीय संस्कृत ग्रंथों से ४,००० से अधिक औषधीय प्रविष्टियों को आयुर्वेद के पंचकोणीय ढांचे का उपयोग करके व्यवस्थित करता है, ताकि प्राकृतिक भाषा प्रसंस्करण (नेचुरल लैंग्वेज प्रोसेसिंग), कंप्यूटर विजन और विशेषज्ञ क्यूरेशन के माध्यम से ज्ञान के विखंडन को दूर किया जा सके और विविध उपयोगकर्ताओं के लिए सुलभता बढ़ाई जा सके।
यह शोध पत्र ब्राजील के चैंबर ऑफ डेप्युटीज में प्रस्ताव-स्तर के अनुमोदन परिणामों की भविष्यवाणी करने में मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करने वाला, टेम्पोरल और स्ट्रक्चरल विधायी इतिहास का उपयोग करने वाला एक फीचर-आधारित, व्याख्यात्मक मशीन लर्निंग दृष्टिकोण प्रस्तावित करता है, जो उन्नत विधायी निगरानी और पारदर्शिता के लिए व्यावहारिक उपकरण प्रदान करता है।
यह शोध पत्र एक क्रॉस-डेटासेट फ्रेमवर्क प्रस्तावित करता है जो विविध शैक्षिक संदर्भों में छात्र-जोखिम भविष्यवाणी के लिए साक्ष्य-फ़िल्टर किए गए SHAP एट्रिब्यूशन को शैक्षणिक रूप से आधारित LLM फीडबैक के साथ एकीकृत करता है ताकि कार्रवाई योग्य, परिदृश्य-संगत स्पष्टीकरण उत्पन्न किए जा सकें, जो क्रॉस-सेक्शनल और अनुदैर्ध्य (लॉन्गीट्यूडिनल) दोनों डेटासेट्स पर सत्यापन के माध्यम से बेहतर अनुपालन और मजबूती प्रदर्शित करता है।
यह शोध पत्र EEG-LM को प्रस्तुत करता है, जो एक फाउंडेशन मॉडल है जो डिफ्यूजन-ऑगमेंटेड कंट्रास्टिव लर्निंग के माध्यम से EEG रिप्रजेंटेशन को लार्ज लैंग्वेज मॉडल एम्बेडिंग्स के साथ संरेखित करके मस्तिष्क संकेतों और प्राकृतिक भाषा के बीच के अंतर को पाटता है, जिससे कई डेटासेट्स में अत्याधुनिक प्रदर्शन, मजबूत सामान्यीकरण और व्याख्या योग्य इमोशन रिकग्निशन प्राप्त होता है।
यह शोध पत्र E-GCNet का प्रस्ताव करता है, जो एक हाइब्रिड डीप लर्निंग फ्रेमवर्क है जो अत्यधिक सटीक और विश्वसनीय संज्ञानात्मक अवस्था का पता लगाने के लिए 97.4% सटीकता के साथ एडेप्टिव मिन-मैक्स वेक्टर नॉर्मलाइजेशन, फीचर चयन के लिए एक इम्प्रूव्ड वेटेड रैपर-फ़िल्टर, और एनहैंस्ड गूगलनेट एवं कैप्सूल नेटवर्क्स के सॉफ्ट-वोटिंग एन्सेम्बल को एकीकृत करता है।