3838 पेपर
यह अध्ययन बैंकॉक में यातायात दुर्घटनाओं और मौतों की सटीक भविष्यवाणी करने के लिए एक स्पैटियो-टेम्पोरल पैरेलल ट्रांसफॉर्मर (STPT) और क्लस्टरिंग तकनीकों का उपयोग करते हुए एक स्केलेबल, बिग डेटा-संचालित ढांचे का प्रस्ताव करता है, जिससे शहरी सड़क सुरक्षा बढ़ाने के लिए साक्ष्य-आधारित नीतिगत हस्तक्षेपों को सक्षम बनाया जा सके।
यह शोध पत्र PHUE का प्रस्ताव करता है, जो एक प्रोग्रेसिव हार्डनेस-अवेयर अंडरसैंपलिंग एनसेंबल विधि है जो निर्णय सीमा (डिसीजन बाउंड्री) के पास महत्वपूर्ण बहुसंख्यक-वर्ग के नमूनों को गतिशील रूप से चुनती है और असंतुलित डेटा वर्गीकरण में मौजूदा एल्गोरिदम से काफी बेहतर प्रदर्शन करने के लिए मल्टी-मेट्रिक वेटेड इंटीग्रेशन का उपयोग करती है।
यह शोध पत्र मोमेंट-गाइडेड प्रोग्रेसिव ज्योमेट्रिक रीजनिंग (MPGR) फ्रेमवर्क का प्रस्ताव करता है, जो कार्य को एक वितरण-जागरूक अनुमान समस्या के रूप में पुनर्गठित करके गंभीर अवरोध (occlusion) के तहत सुदृढ़ 6D पोज़ अनुमान की समस्या का समाधान करता है, जो खंडित ज्यामितीय संरचनाओं की मरम्मत करने और फीचर निरंतरता को बढ़ाने के लिए उच्च-क्रम सांख्यिकीय मॉडलिंग का उपयोग करता है।
यह शोध पत्र एक ग्राफ न्यूरल नेटवर्क-आधारित ढांचे का प्रस्ताव करता है जो टीम खेलों को गतिशील विषम ग्राफों (dynamic heterogeneous graphs) के रूप में मॉडल करता है ताकि ग्राफ सुदृढीकरण लर्निंग (graph reinforcement learning) और प्रतितथ्यात्मक तर्क (counterfactual reasoning) के माध्यम से सामरिक रणनीतियों को अनुकूलित करते हुए आक्रामक दक्षता और रक्षात्मक संरचनाओं की भविष्यवाणी की जा सके, जो UEFA चैंपियंस लीग और NBA डेटासेट पर मौजूदा बेसलाइन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र त्वचा ट्यूमर वर्गीकरण के लिए असंतुलित HAM10000 डेटासेट पर YOLOv11 और EfficientNetV2M मॉडलों का मूल्यांकन करता है, जो यह प्रदर्शित करता है कि YOLOv11 उच्च-संवेदनशीलता स्क्रीनिंग के लिए बेहतर रिकॉल (86.5%) प्राप्त करता है जबकि EfficientNetV2M को SVM क्लासिफायर के साथ मिलाने से सटीक ट्राइएज के लिए उच्च विशिष्टता (96.8%) प्राप्त होती है।
यह शोध पत्र एक व्यापक हाइब्रिड क्वांटम-क्लासिकल ढांचे का प्रस्ताव करता है जिसमें पांच विशिष्ट मॉडल (QAFEN-CNN, VQTM-LSTM, QGCL-Net, QVAE-DD, और QMRL-XAI) शामिल हैं जो उन्नत क्वांटम फीचर एंटैंगलमेंट, ग्राफ निर्माण और मेटा-रीइन्फोर्समेंट लर्निंग तकनीकों के माध्यम से वित्तीय धोखाधड़ी का पता लगाने की सटीकता, गतिशील पारिस्थितिकी तंत्र के प्रति अनुकूलन क्षमता और नियामक व्याख्यात्मकता को सामूहिक रूप से बढ़ाते हैं।
यह सर्वेक्षण विविध कंप्यूटिंग वातावरणों में स्वायत्त भेद्यता निवारण (autonomous vulnerability remediation) पर उभरते शोध को संश्लेषित करता है, जो महत्वपूर्ण विषयों, परिचालन सुरक्षा तंत्रों और सुरक्षित सिस्टम मरम्मत के लिए एजेंटिक एआई (agentic AI) और सुदृढीकरण शिक्षण (reinforcement learning) को तैनात करने में महत्वपूर्ण अनुसंधान अंतराल को उजागर करने के लिए साहित्य को छह प्रमुख धाराओं और एक औपचारिक क्लोज्ड-लूप टास्क मॉडल में व्यवस्थित करता है।
यह शोध पत्र यह स्थापित करता है कि एआई (AI) इन्फरेंस (inference) की प्रति-कार्य ऊर्जा और जल संबंधी मांगें, उस मानव श्रम की तुलना में कई गुना कम हैं जिसे यह बढ़ाता या प्रतिस्थापित करता है, भले ही मानव कार्य के पूर्ण जीवनचक्र संसाधन पदचिह्न (lifecycle resource footprint) को भी ध्यान में रखा जाए।
यह अध्ययन एक चार-स्तरीय मशीन लर्निंग ढांचे को प्रस्तुत और मान्य करता है जो मंगोलियाई ऊर्जा उपयोगिता के 3.3 मिलियन वास्तविक लेनदेन पर अनसुपरवाइज्ड और सुपरवाइज्ड मॉडलों का लाभ उठाकर पारंपरिक तरीकों की तुलना में ऑडिट डिटेक्शन रिस्क और प्रोसेसिंग समय को काफी कम कर देता है, जबकि बेनफोर्ड के नियम (Benford's Law) की विसंगतियों में एक नवीन "एग्रीगेशन मास्किंग इफेक्ट" को भी उजागर करता है।
यह अध्ययन एक व्याख्यात्मक एआई (explainable AI) ढांचे का प्रस्ताव करता है जो थाई रेस्तरां लेनदेन डेटा का विश्लेषण करने के लिए एसोसिएशन रूल माइनिंग को त्रि-आयामी संवेदी प्रोफाइलिंग के साथ एकीकृत करता है, जिससे सांस्कृतिक रूप से आधारित डिश पेयरिंग पैटर्न का अनावरण होता है और व्याख्या योग्य, प्रामाणिक भोजन अनुशंसाओं के सृजन को सक्षम बनाया जा सके।