3697 पेपर
यह शोध पत्र न्यूरल ऑपरेटर डिस्कवरी (NOD) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो बिना लेबल वाले शासी कारकों (governing factors) के, विषम प्रक्षेप पथों (heterogeneous trajectories) से सीधे साझा समाधान ऑपरेटरों और सिस्टम-विशिष्ट विविधताओं को सीखता है, जिससे एक कारक-आधारित लेटेंट-कंडीशनिंग (factorized latent-conditioning) सूत्रीकरण के माध्यम से व्याख्या योग्य, ज़ीरो-शॉट सामान्यीकरण सक्षम होता है।
52 अध्ययनों का यह व्यवस्थित समीक्षा (सिस्टमैटिक रिव्यू) प्रदर्शित करता है कि संरचित नैदानिक दस्तावेज़ीकरण प्रौद्योगिकियाँ, जो नियम-आधारित टेम्पलेट्स से लेकर एम्बिएंट-एआई और एलएलएम-संचालित प्रणालियों तक विस्तृत हैं, महत्वपूर्ण अपस्ट्रीम डेटा इंजीनियरिंग तंत्र के रूप में कार्य करती हैं जो डेटा की गुणवत्ता को बढ़ाती हैं और प्रमुख स्वास्थ्य देखभाल परिणामों के लिए मशीन लर्निंग मॉडल के भविष्य कहनेवाला प्रदर्शन (प्रेडिक्टिव परफॉरमेंस) में महत्वपूर्ण सुधार करती हैं, हालांकि बाहरी सत्यापन और पूर्वाग्रह न्यूनीकरण के अंतराल को संबोधित करने के लिए आगे के अनुसंधान की आवश्यकता है।
यह शोध पत्र FL-SNNIDS का प्रस्ताव करता है, जो एक फेडेरेटेड स्पाइकिंग न्यूरल नेटवर्क फ्रेमवर्क है जो कच्चे डेटा के आदान-प्रदान के बिना सहयोगात्मक मॉडल प्रशिक्षण के माध्यम से उच्च सटीकता प्राप्त करके संसाधन-सीमित कृषि SDN-IoT नेटवर्क के लिए ऊर्जा-कुशल, कम-विलंबता और गोपनीयता-संरक्षण वाला घुसपैठ का पता लगाने (इंट्रूज़न डिटेक्शन) में सक्षम बनाता है।
2024 से 2026 तक के 137 उच्च-गुणवत्ता वाले लेखों का यह बिब्लियोमेट्रिक समीक्षा, लार्ज लैंग्वेज मॉडल (LLM) रक्षा तंत्र के तेजी से विकसित होते परिदृश्य को मैप करती है, जो भेद्यता पहचान (vulnerability detection) और बेंचमार्किंग की ओर प्रमुख विषयगत बदलावों की पहचान करती है और मूल्यांकन बुनियादी ढांचे में महत्वपूर्ण अंतराल को उजागर करती है जो उच्च-जोखिम वाले परिनियोजन के लिए शासन संबंधी जोखिम पैदा करते हैं।
यह शोध पत्र ऑटोमेटेड व्हीकल इंस्पेक्शन (AVI) प्रस्तुत करता है, जो एक मल्टी-व्यू डीप लर्निंग सिस्टम है जो उच्च-सटीक, वेरिएंट-अवेयर वाहन सत्यापन और दोषों का पता लगाने के लिए सिंक्रोनाइज्ड 360-डिग्री इमेजिंग को विशिष्ट डिटेक्शन मॉडल्स और एक रूल-बेस्ड इंजन के साथ एकीकृत करता है, जिसकी थ्रूपुट क्षमता 3.3 वाहन प्रति मिनट है।
यह शोध पत्र एक डेटा-संचालित मशीन लर्निंग पाइपलाइन प्रस्तुत करता है जो तीन मिश्रित व्यवहार संबंधी विशेषताओं (composite behavioral features) को इंजीनियर करके और 13 एल्गोरिदम का मूल्यांकन करके अंतर्मुखी-बहिर्मुखी वर्गीकरण की सटीकता को 91.90% तक महत्वपूर्ण रूप से सुधारता है, जो यह प्रदर्शित करता है कि एक सांख्यिकीय रूप से सुदृढ़ ढांचे के भीतर के-नियरेस्ट नेबर्स (K-Nearest Neighbors) का प्रदर्शन सर्वश्रेष्ठ है।
यह कठोर अनुभवजन्य अध्ययन प्रदर्शित करता है कि जहाँ इंट्रा-क्लास उप-संरचना (intra-class sub-structure) खोजने के लिए पेनल्टीमेट फीचर्स (penultimate features) का पारंपरिक ऑफलाइन क्लस्टरिंग अविश्वसनीय है और अक्सर टैबुलर वर्गीकरण प्रदर्शन को कम कर देता है, वहीं एक संयुक्त एंड-टू-एंड सब-सेंटर ट्रेनिंग दृष्टिकोण इन जोखिमों को प्रभावी ढंग से कम करता है, हालाँकि लेखक यह निष्कर्ष निकालते हैं कि वर्तमान में ऐसा कोई सुदृढ़ ह्यूरिस्टिक मौजूद नहीं है जो यह भविष्यवाणी कर सके कि इस प्रकार की उप-संरचना खोज कब फायदेमंद होती है।
यह शोध पत्र एक पूर्णतः स्वचालित पाइपलाइन प्रस्तुत करता है जो बायोबर्ट (BioBERT) कॉन्टेक्स्टुअल एम्बेडिंग्स, हाइब्रिड क्लस्टरिंग और टेम्पोरल साइटेशन रैंकिंग को एकीकृत करती है ताकि बायोमेडिकल अनुसंधान परिदृश्यों को प्रभावी ढंग से मैप किया जा सके और विकसित होते हॉटस्पॉट्स की पहचान की जा सके, जैसा कि मोतियाबिंद (कैटरैक्ट) अनुसंधान पर एक व्यापक केस स्टडी के माध्यम से प्रदर्शित किया गया है।
यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो महत्वपूर्ण यातायात वस्तुओं की पहचान करने के लिए बर्ड्स-आई व्यू ग्लोबल इंटरेक्शन मॉडलिंग और मानव ज्ञान को एकीकृत करने के लिए एक कॉन्ट्रास्टिव लैंग्वेज-मोशन प्री-ट्रेनिंग दृष्टिकोण का लाभ उठाता है, जिससे स्थानिक-कालिक तर्क (स्पैटियो-टेम्पोरल रीजनिंग) और गतिशील समझ में मौजूदा 2D दृश्य विधियों की सीमाओं को दूर किया जा सके।
यह शोध पत्र CATD-LPT-CFPM फ्रेमवर्क का प्रस्ताव करता है, जो क्लस्टरिंग के माध्यम से खोज स्थान (search space) को कम करने और अनावश्यक प्रोसेसिंग एवं मेमोरी उपयोग को न्यूनतम करने के लिए टॉप-डाउन क्लोजनेस प्रूनिंग मैकेनिज्म के साथ एक मल्टी-लेवल प्रूनिंग रणनीति को नियोजित करके क्लोज्ड फ्रीक्वेंट पैटर्न माइनिंग को उन्नत करता है, हालांकि क्लस्टरिंग और ट्री निर्माण से कुछ ओवरहेड उत्पन्न होता है।