3615 पेपर
यह शोध पत्र FPA-Net प्रस्तुत करता है, जो एक डुअल-ब्रांच डीप नेटवर्क है जो बेहतर संरचनात्मक निष्ठा और रंग निरंतरता के साथ अत्याधुनिक लो-लाइट इमेज एन्हांसमेंट प्राप्त करने के लिए HVI कलर स्पेस के भीतर कॉम्प्लेक्स-वैल्यूड फ्रीक्वेंसी मॉडलिंग और पोजीशन-अवेयर अटेंशन मैकेनिज्म का लाभ उठाता है।
यह शोध पत्र मीनरेडियस-SMOTE ग्राफ न्यूरल नेटवर्क (MRS-GNN) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो एम्बेडिंग स्पेस में सिंथेटिक नोड्स उत्पन्न करके और ग्राफ टोपोलॉजी को संरक्षित करने के लिए विशेष किनारों (edges) का निर्माण करके दोष और घुसपैठ का पता लगाने में क्लास इम्बैलेंस (वर्ग असंतुलन) को संबोधित करता है, जिससे अत्यधिक असंतुलन की स्थितियों में वर्गीकरण सटीकता और AUC-ROC में महत्वपूर्ण सुधार होता है।
यह शोध पत्र वेहिकुलर एड-हॉक नेटवर्क्स (VANETs) के लिए एक सुरक्षित और कुशल प्रमाणीकरण योजना प्रस्तावित करता है जो संदेश अखंडता और सत्र कुंजी स्थापना सुनिश्चित करने के लिए ECDSA, ECDH, और HMAC के साथ SHA-256 का संयोजन करती है, जबकि गोपनीयता के लिए गतिशील छद्मनामों (pseudonyms), कुशल प्रमाणपत्र प्रबंधन के लिए एक सार्वजनिक-कुंजी-आधारित प्रतिधारण सूची (revocation list) और रीप्ले हमलों को रोकने के लिए GPS-आधारित समय तुल्यकालन (time synchronization) का उपयोग करती है।
यह शोध पत्र एक सुदृढ़ एन्सेम्बल डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो केवल आग और आग-एवं-धुएं वाले डेटासेट दोनों पर व्यक्तिगत मॉडलों से बेहतर प्रदर्शन करते हुए, आग और धुएं का उच्च-सटीकता वाला पता लगाने के लिए बहुमत मतदान (majority voting) के माध्यम से DenseNet, ResNet और Xception मॉडलों को संयोजित करता है।
यह शोध पत्र एक नवीन, लो-कोड शाइनी (Shiny)-आधारित डेटा अनामीकरण (anonymization) प्लेटफॉर्म प्रस्तुत करता है जो शोधकर्ताओं को, विशेष रूप से संसाधन-सीमित परिवेशों में, एक सहज इंटरफ़ेस, एकीकृत जोखिम मूल्यांकन और R, Stata और Python में पुनरुत्पादनीय (reproducible) कोड के स्वचालित निर्माण के माध्यम से संवेदनशील जानकारी की सुरक्षा करने और डेटा उपयोगिता सुनिश्चित करने में सशक्त बनाता है।
यह शोध पत्र एक्सपोनेंशियल स्मूथिंग विधियों से प्रेरित एक नवीन आवर्ती तंत्रिका नेटवर्क (रिकरेंट न्यूरल नेटवर्क) प्रस्तुत करता है, जो मौजूदा डीप और शैलो आर्टिफिशियल न्यूरल नेटवर्क की तुलना में मौसमी समय श्रृंखला (सीजनल टाइम सीरीज़) के लिए बेहतर पूर्वानुमान प्रदर्शन प्राप्त करने हेतु पार्टिकल स्वार्म ऑप्टिमाइज़ेशन-आधारित लर्निंग एल्गोरिदम और एक नए ऑब्जेक्टिव फंक्शन का उपयोग करता है।
यह शोध पत्र OULAD डेटासेट का उपयोग करके टेम्पोरल ड्रॉपआउट जोखिम भविष्यवाणी के लिए एक एकीकृत, बहु-आयामी उत्तरजीविता बेंचमार्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि व्यवहार संबंधी और टेम्पोरल संकेत स्थिर विशेषताओं से बेहतर प्रदर्शन करते हैं और मूल्यांकन संबंधी विसंगतियों से बचने के लिए मॉडल परिवारों को अलग करने की आवश्यकता पर प्रकाश डालते हैं।
यह शोध पत्र एक सुदृढ़ मल्टीमॉडल डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो CNNs, BiLSTMs और ECAPA-TDNNs का उपयोग करके चेहरे के भावों, हृदय गति परिवर्तनशीलता (heart rate variability) और वाक् संकेतों (speech signals) को एक सेल्फ-ऑर्गनाइजिंग मैप के माध्यम से फीचर फ्यूजन के लिए संलयित करता है, जिससे सात भावनात्मक अवस्थाओं को पहचानने में 98.6% सटीकता प्राप्त होती है और यह यूनिमॉडल बेसलाइन की तुलना में काफी बेहतर प्रदर्शन करता है।
यह अध्ययन एक मल्टीमॉडल फ्रेमवर्क प्रस्तावित करता है जो उपयोगकर्ताओं की शारीरिक लयबद्ध प्राथमिकताओं और भावनात्मक अवस्थाओं के साथ सुझाए गए ट्रैक को बेहतर ढंग से संरेखित करने के लिए, नृत्य वीडियो में पोज़ लैंडमार्क से निकाले गए मानव नृत्य गति गतिकी (human dance motion dynamics) का लाभ उठाकर व्यक्तिगत संगीत अनुशंसा को बढ़ाने का प्रस्ताव करता है।
यह अध्ययन प्रकट करता है कि केवल दुर्लभता के बजाय दृश्य विशिष्टता (visual distinctiveness), फाइन-ट्यून किए गए मेडिकल इमेजिंग मॉडल्स में मेमोरीज़ेशन और मेंबरशिप इन्फरेंस भेद्यता (membership inference vulnerability) का प्राथमिक चालक है, जो यह दर्शाता है कि मेडिकल-डोमेन प्रीट्रेनिंग इन जोखिमों को कम करने में विफल रहती है जबकि DP-LoRA प्रभावी रूप से उन्हें कम करता है।