3580 पेपर
यह शोध पत्र DYNAMICS-WEB को प्रस्तुत करता है, जो एक पूर्व-पंजीकृत माप है जो यह प्रदर्शित करता है कि वेब के लिंक ग्राफ के भीतर एक विशिष्ट "चरित्र" (character) संकेत, जो अधिकार और विषय से काफी हद तक स्वतंत्र है, उपयोगकर्ता की प्राथमिकताओं के साथ संरेखित होने पर पाठक रूपांतरण दरों को अवचेतन रूप से प्रभावित कर सकता है।
यह अध्ययन ईयांग शहर के डेटा के माध्यम से मल्टी-स्केल फीचर एक्सट्रैक्शन और एडेप्टिव चैनल वेटिंग द्वारा पारंपरिक डीप लर्निंग मॉडल की तुलना में बेहतर सटीकता और स्थिरता प्रदर्शित करते हुए, प्रति घंटा वायु गुणवत्ता सूचकांक मानों की भविष्यवाणी करने के लिए स्क्वीज़-एंड-एक्साइटेशन अटेंशन के साथ संवर्धित एक हाइब्रिड MSCNN-LSTM मॉडल का प्रस्ताव करता है।
NeviUNet एक कुशल, अटेंशन-एन्हांस्ड U-Net वेरिएंट है जो कंप्यूटेशनल रूप से महंगे घटकों को हटाते हुए Mish एक्टिवेशन, अटेंशन गेट्स और SE ब्लॉक्स को एकीकृत करके संपूर्ण शरीर के चित्रों में सटीक और कम-विलंबता वाली स्किन लीजन सेगमेंटेशन प्राप्त करता है।
यह शोध पत्र FlapFlowNet प्रस्तुत करता है, जो एक ट्रांसफॉर्मर-आधारित स्ट्रीमिंग फ्रेमवर्क है, जो एक हल्के वजन वाले CNN, टेम्पोरल मॉडलिंग और एक मेडिकल-ऑप्टिमाइज्ड लॉस फंक्शन को जोड़कर परिवर्तनशील लंबाई वाले फ्लैप सर्जरी अनुक्रमों के लिए उच्च-सटीक, वास्तविक समय की परफ्यूजन निगरानी प्राप्त करता है ताकि महत्वपूर्ण फॉल्स-नेगेटिव दरों को काफी कम किया जा सके।
यह शोध पत्र ORACOLO प्रस्तुत करता है, जो एक न्यूरो-सिंबोलिक प्रश्न-उत्तर आर्किटेक्चर है जो डेंस रिट्रीवल फॉलबैक के साथ ऑन्टोलॉजी-प्रतिबंधित SPARQL क्वेरी जनरेशन को एकीकृत करता है, जो शुद्ध डेंस रिट्रीवल की तुलना में काफी बेहतर तथ्यात्मक सटीकता प्रदर्शित करते हुए तुलनीय निष्ठा बनाए रखता है।
यह अध्ययन सूडान के ई-गवर्नेंस बुनियादी ढांचे के खिलाफ साइबर हमलों का पता लगाने के लिए 97.8% सटीकता प्राप्त करने हेतु वैश्विक बेंचमार्क और NS-3 सिम्युलेटेड SDN ट्रैफ़िक को संयोजित करने वाले एक कस्टम डेटासेट पर प्रशिक्षित हाइब्रिड CNN-LSTM डीप लर्निंग मॉडल का प्रस्ताव करता है, जो राष्ट्रीय साइबर सुरक्षा को बढ़ाने के लिए एक स्केलेबल समाधान प्रदान करता है।
यह अध्ययन सीमित परियोजना जानकारी के आधार पर प्रारंभिक चरण की निर्माण अवधि की भविष्यवाणी करने के लिए एक XGBoost मॉडल का उपयोग करके एक व्याख्यात्मक मशीन लर्निंग ढांचे को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि हालांकि मॉडल परियोजना लागत को प्राथमिक चालक के रूप में मजबूत भविष्य कहनेवाला प्रदर्शन प्राप्त करता है, इसके परिणामों के लिए डेटा विभाजन के प्रति संवेदनशीलता के कारण सावधानीपूर्वक व्याख्या की आवश्यकता होती है।
यह शोध पत्र फोटोनिक क्वांटम-एन्हांस्ड नॉलेज डिस्टिलेशन (PQKD) को प्रस्तुत करता है, जो एक हाइब्रिड फ्रेमवर्क है जो एक पैरामीटर-कुशल स्टूडेंट नेटवर्क के लिए कंडीशनिंग सिग्नल उत्पन्न करने हेतु फोटोनिक क्वांटम प्रोसेसर की अंतर्निहित स्टोकेस्टिसिटी (stochasticity) का लाभ उठाता है, जो शॉट-नॉइज़ स्केलिंग और फीचर स्मूथिंग का उपयोग करके परिमित सैंपलिंग सीमाओं को प्रबंधित करते हुए मानक बेंचमार्क पर आक्रामक संपीड़न (compression) के तहत प्रतिस्पर्धी सटीकता प्राप्त करता है।
यह शोध पत्र ARINC-653 पार्टीशन विंडो गणनाओं के लिए एक प्रमाणित चयन पद्धति प्रस्तावित करता है जो इस अवलोकन का लाभ उठाते हुए कि कई विंडो गणनाएँ लगभग समान प्रदर्शन मान प्रदान करती हैं, व्यापक खोज (exhaustive search) की तुलना में काफी कम कम्प्यूटेशनल लागत के साथ निकट-इष्टतम आपूर्ति ग्रैनुलैरिटी (near-optimal supply granularity) की पहचान करता है।
यह शोध पत्र PACPT-LB फ्रेमवर्क का प्रस्ताव करता है, जो एक हाइब्रिड मशीन लर्निंग दृष्टिकोण है जो विविध गतिशीलता स्थितियों में बेहतर सटीकता प्राप्त करने के लिए एक बड़े पैमाने के सिम्युलेटेड डेटासेट और अनुकूलित मॉडल संयोजनों का लाभ उठाकर 5G mmWave नेटवर्क में हैंडओवर विफलताओं, रेडियो लिंक विफलताओं और पिंग-पोंग घटनाओं का सक्रिय रूप से पूर्वानुमान लगाता है।