744 पेपर
यह शोध पत्र एक गोपनीयता-संरक्षित, संसाधन-सीमित ढांचा प्रस्तुत करता है जो प्रारंभिक छात्र जोखिम भविष्यवाणी के लिए कैलिब्रेटेड XGBoost मॉडल, SHAP-आधारित व्याख्यात्मकता और एक बजट-जागरूक एजेंटिक हस्तक्षेप परत को एकीकृत करता है ताकि मशीन अनलर्निंगन (machine unlearning) का समर्थन करते हुए सटीक, व्याख्या योग्य और अनुपालन योग्य निर्णय लेने को सुनिश्चित किया जा सके।
यह शोध पत्र CerebroTune को प्रस्तुत करता है, जो एक नवीन जैव-प्रेरित हाइब्रिड मेटाहेयुरिस्टिक है जो सेलुलर ऑटोमेटा, एक संशोधित आर्टिफिशियल बी कॉलोनी एल्गोरिदम, और रिइन्फोर्समेंट लर्निंग के साथ हॉपफील्ड नेटवर्क को एकीकृत करता है ताकि डीप लर्निंग हाइपरपैरामीटर्स को गतिशील रूप से अनुकूलित किया जा सके, जिससे मौजूदा विधियों की तुलना में विविध डोमेन में बेहतर सटीकता, कम कम्प्यूटेशनल लागत और उन्नत स्थिरता प्राप्त होती है।
यह शोध पत्र एक द्वि-स्तरीय सूचना-साझाकरण ढांचे और गतिशील पारेटो प्रभुत्व (IGMO-DP) के साथ एक उन्नत गोल्ड माइन ऑप्टिमाइज़ेशन एल्गोरिदम का प्रस्ताव करता है ताकि मिशन पूर्णता समय, ऊर्जा खपत और भार संतुलन को एक साथ अनुकूलित करके विषम यूएवी (UAV) झुंडों की बहु-उद्देश्यीय शेड्यूलिंग समस्या को प्रभावी ढंग से हल किया जा सके, जो अत्याधुनिक एल्गोरिदम की तुलना में बेहतर अभिसरण और समाधान विविधता प्रदर्शित करता है।
यह शोध पत्र तर्क देता है कि अनबंडल जर्नल्स और एआई-मध्यस्थ ज्ञान पहुंच के युग में वैज्ञानिक प्रभाव के लिए पारंपरिक उद्धरण-आधारित मीट्रिक अप्रचलित होता जा रहा है, जिससे एक नई प्रणाली की आवश्यकता है जो उन एआई जुड़ाव, ओपन-सोर्स लाइब्रेरी और डेटासेट के योगदान को पहचान सके और माप सके जिनमें औपचारिक प्रकाशनों का अभाव होता है।
यह शोध पत्र कंप्यूटिंग कॉन्टिनम के लिए एक कतार-जागरूक (queue-aware) टास्क ऑफलोडिंग विधि प्रस्तावित करता है जो परिवर्तनशील वर्कलोड के तहत कार्यों को गतिशील रूप से असाइन करने के लिए विश्लेषणात्मक रूप से सुधारा गया G/G/c विलंब सन्निकटन (delay approximation) को वास्तविक समय के कतार अवलोकनों के साथ संकरित (hybridize) करता है, जिससे बिना किसी प्रशिक्षण या अंशांकन (calibration) के मौजूदा बेसलाइन की तुलना में विलंबता और अनुमान त्रुटि को महत्वपूर्ण रूप से कम किया जा सकता है।
यह शोध पत्र DPENet का प्रस्ताव करता है, जो एक गतिशील धारणा संवर्धन नेटवर्क (dynamic perception enhancement network) है जो उच्च-रिज़ॉल्यूशन रिमोट सेंसिंग इमेज डिटेक्शन में परिवर्तनशील लक्ष्य आकार, सघन छोटे ऑब्जेक्ट्स और जटिल पृष्ठभूमि जैसी चुनौतियों को प्रभावी ढंग से संबोधित करने के लिए एडेप्टिव डायनेमिक कन्वोल्यूशन, डिफॉर्मेबल अटेंशन और डायनेमिक सैंपलिंग मॉड्यूल को एकीकृत करता है।
यह अध्ययन एक नवीन MACB-ResNet डीप लर्निंग मॉडल प्रस्तुत करता है जो फेशियल सरफेस इलेक्ट्रोमायोग्राफी (sEMG) संकेतों से वर्चुअल टेस्ट स्टिमुली को वर्गीकृत करने की सटीकता को 86.32% तक महत्वपूर्ण रूप से सुधारता है, जो डिजिटल स्वास्थ्य और खाद्य प्रौद्योगिकी के अनुप्रयोगों के लिए पारंपरिक और मानक डीप लर्निंग क्लासिफायर से बेहतर प्रदर्शन करता है।
यह अध्ययन एक ट्रांसफर लर्निंग-आधारित ढांचे का प्रस्ताव करता है जो निर्माण में स्वायत्त रोबोटिक वेल्डिंग के लिए मजबूत, वास्तविक समय (रियल-टाइम) सीम सेगमेंटेशन प्राप्त करने हेतु BiSeNetV2 को हाइब्रिड क्रॉस-एन्ट्रॉपी-लोवाज़ लॉस के साथ बढ़ाता है, जिससे कम्प्यूटेशनल जटिलता बढ़ाए बिना परावर्तक सतहों पर प्रदर्शन में महत्वपूर्ण सुधार होता है।
TITAN एक नवीन तीन-स्तरीय फेडरेटेड लर्निंग आर्किटेक्चर है जो इंडस्ट्रियल IoT घुसपैठ का पता लगाने के लिए बनाया गया है, जो एडेप्टिव नॉलेज डिस्टिलेशन और बायेसियन एग्रीगेशन के माध्यम से केवल प्रेडिक्शन आउटपुट और डिवाइस सारांशों का आदान-प्रदान करके नॉन-IID डेटा और क्लास इम्बैलेंस की चुनौतियों पर विजय प्राप्त करता है, जिससे बिना कच्चे डेटा या ग्रेडिएंट शेयरिंग की आवश्यकता के मौजूदा तरीकों की तुलना में बेहतर मैक्रो-F1 प्रदर्शन प्राप्त होता है।
यह शोध पत्र स्वास्थ्य सेवा के लिए एक पदानुक्रमित (hierarchical) फेडरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो क्लाइंट-स्तरीय डिफरेंशियल प्राइवेसी को संस्थान-स्तरीय CKKS होमोमोर्फिक एन्क्रिप्शन के साथ एकीकृत करता है, यह प्रदर्शित करते हुए कि जहाँ डिफरेंशियल प्राइवेसी गोपनीयता बजट पर निर्भर मापने योग्य सटीकता हानि उत्पन्न करती है, वहीं होमोमोर्फिक एन्क्रिप्शन उपयोगिता में कोई गिरावट नहीं लाता है, जिससे प्रत्येक तंत्र के विशिष्ट गोपनीयता-उपयोगिता ट्रेडऑफ़ को अलग और परिमाणित किया जा सके।