3657 पेपर
यह शोध पत्र एक IIoT साइबर हमले का पता लगाने की विधि प्रस्तावित करता है जो बॉर्डरलाइन-SMOTE जैसी क्लास इम्बैलेंस प्रोसेसिंग तकनीकों को CNN–BiLSTM–Attention मॉडल के साथ जोड़ता है ताकि TON-IoT डेटासेट पर अल्पसंख्यक हमले वर्गों (minority attack classes) की पहचान और समग्र पहचान प्रदर्शन को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र TrustSLM प्रस्तुत करता है, जो एक ट्रस्ट-अवेयर फ्रेमवर्क है जो भ्रम (hallucinations) का पता लगाने, अति-आत्मविश्वासी त्रुटियों के सटीकता विरोधाभास (accuracy paradox) की पहचान करने और सुरक्षित AI परिनियोजन के लिए एक नियंत्रित परहेज नीति (controlled abstention policy) के माध्यम से प्रतिक्रियाओं को विनियमित करने के लिए विश्वसनीयता मेट्रिक्स का उपयोग करके कई लार्ज लैंग्वेज मॉडल्स के आउटपुट को एकत्रित करता है।
यह शोध पत्र YOLOv11-AHFE का प्रस्ताव करता है, जो एक नवीन सतह दोष पहचान एल्गोरिदम है जो YOLOv11 आर्किटेक्चर में एक डुअल-स्ट्रीम वेवलेट ट्रांसफॉर्म और एक हाई-फ्रीक्वेंसी एन्हांसमेंट मॉड्यूल को एकीकृत करता है ताकि पारंपरिक डाउनसैंपलिंग के दौरान खो जाने वाले महत्वपूर्ण हाई-फ्रीक्वेंसी विवरणों को संरक्षित और पुनर्प्राप्त किया जा सके, जिससे धातु की सतहों पर जटिल और सूक्ष्म-स्तरीय दोषों की पहचान में महत्वपूर्ण सुधार होता है।
यह शोध पत्र यह प्रदर्शित करता है कि एक मिनिमैक्स (minimax) प्रशिक्षण उद्देश्य को अपनाना, जो नेटवर्क-पुनर्निर्माण एजेंटों को एक एकल निश्चित रणनीति के बजाय गतिशील रूप से पुनर्गणित किए गए सबसे खराब स्थिति वाले हमले के पोर्टफोलियो के विरुद्ध अनुकूलित करता है, "अनुकूली क्षरण अंतराल" (Adaptive Degradation Gap) को महत्वपूर्ण रूप से कम करता है और विशिष्ट ऑप्टिमाइज़र के उपयोग के बावजूद, टोही-सक्षम विरोधियों के विरुद्ध बेहतर अत्यंत-खराब स्थिति की मजबूती (worst-case robustness) वाले टोपोलॉजी का उत्पादन करता है।
यह शोध पत्र AGHA-Net का प्रस्ताव करता है, जो एक नवीन डीप लर्निंग फ्रेमवर्क है जो गतिशील स्थानिक निर्भरताओं और जटिल टेम्पोरल पैटर्न को प्रभावी ढंग से कैप्चर करके अल्पकालिक शहरी रेल ट्रांजिट यात्री प्रवाह के पूर्वानुमान की सटीकता और स्थिरता में महत्वपूर्ण सुधार करने के लिए एडेप्टिव ग्राफ कनवल्शन, स्पैटियोटेम्पोरल गेटेड रिकरेंट यूनिट्स और एक डुअल-ब्रांच हाइब्रिड अटेंशन मैकेनिज्म को एकीकृत करता है।
यह शोध पत्र स्थानीय ओपन-वेट भाषा मॉडलों और नियम-आधारित फिल्टरों का उपयोग करके ब्राज़ीलियाई पुर्तगाली नैदानिक अभिलेखों को वि-पहचानित (de-identifying) करने के लिए एक ऑफलाइन, हाइब्रिड पाइपलाइन प्रस्तुत और मूल्यांकित करता है, जो बिना किसी कार्य-विशिष्ट फाइन-ट्यूनिंग की आवश्यकता के मामूली हार्डवेयर पर उच्च रिकॉल और स्थिरता प्रदर्शित करता है।
यह शोध पत्र एक एजेंटिक ओओडीए (OODA) फ्रेमवर्क का प्रस्ताव और मूल्यांकन करता है जो मानक एलएलएम (LLM) की परिवर्तनशीलता और विश्वास संबंधी समस्याओं को दूर करने के लिए मानव-इन-द-लूप सत्यापन के साथ मल्टी-एजेंट सिस्टम का लाभ उठाता है, जो स्ट्रोक देखभाल में पारदर्शी, सुरक्षा-महत्वपूर्ण नैदानिक निर्णय सहायता के लिए काफी उच्च आउटपुट निरंतरता और विश्वसनीयता प्रदर्शित करता है।
यह शोध पत्र MMANet को प्रस्तुत करता है, जो एक गोपनीयता-संरक्षण करने वाला, केवल-वीडियो आधारित डीप लर्निंग फ्रेमवर्क है जो विविध सांस्कृतिक डेटासेट में अवसाद की गंभीरता का सटीक अनुमान लगाने के लिए माइक्रो-मैक्रो टेम्पोरल अलाइनमेंट का लाभ उठाता है, और शोर वाले या दखल देने वाले ऑडियो और टेक्स्ट मोडैलिटीज़ पर निर्भर रहे बिना उच्च सटीकता प्राप्त करता है।
यह शोध पत्र इलेक्ट्रिकल फायर इन्वेस्टिगेशन के लिए एक मोल्टेन मार्क क्लासिफिकेशन विधि प्रस्तावित करता है जो मौजूदा CNN-आधारित दृष्टिकोणों की तुलना में बेहतर सटीकता और इमेज डिग्रेडेशन के विरुद्ध मजबूती प्राप्त करने के लिए डायरेक्शनल क्रॉस-स्केल अटेंशन फ्यूजन के साथ एक स्विन ट्रांसफार्मर और एक द्वि-दिशीय फीचर पिरामिड नेटवर्क का लाभ उठाता है।
यह शोध पत्र FactLink को प्रस्तुत करता है, जो फैक्ट-चेकिंग लिंक रोल क्लासिफिकेशन (Fact-checking Link Role Classification) कार्य के लिए पहला बेंचमार्क है, जिसमें एनोटेटेड लिंक्स के दो बहुभाषी डेटासेट शामिल हैं और यह प्रदर्शित करता है कि जहाँ डेटा-समृद्ध परिवेश में फाइन-ट्यून्ड ट्रांसफॉर्मर उत्कृष्ट प्रदर्शन करते हैं, वहीं फ्यू-शॉट लार्ज लैंग्वेज मॉडल्स (few-shot Large Language Models) कम-संसाधन और क्रॉस-डोमेन परिदृश्यों में बेहतर मजबूती प्रदान करते हैं।