3854 पेपर
यह शोध पत्र JPAL-HA प्रस्तुत करता है, जो एक सुरक्षित लर्निंग मॉडल है जो सुरक्षा-महत्वपूर्ण वातावरणों के लिए है और काल्पनिक प्रश्न (hypothetical queries) उत्पन्न करने के लिए मानवीय क्रिया औचित्य (human action justifications) का लाभ उठाता है, जिससे सुरक्षा और नमूना दक्षता (sample efficiency) में उल्लेखनीय सुधार होता है और मानवीय प्रशिक्षण भार कम होता है।
यह अध्ययन प्रदर्शित करता है कि आइटम-स्तरीय सुरक्षा परिवेश (सेफ्टी क्लाइमेट) डेटा का विश्लेषण करने के लिए व्याख्यात्मक मशीन लर्निंग का उपयोग करने से प्रबंधन की प्रतिक्रियाशीलता, प्रशिक्षण और अनुभव द्वारा संचालित गैर-रेखीय, थ्रेशोल्ड-निर्भर व्यवहारिक जोखिम पैटर्न प्रकट होते हैं, जो पारंपरिक रैखिक एकत्रीकरण मॉडलों को चुनौती देते हैं और सक्रिय दुर्घटना रोकथाम के लिए एक अधिक सटीक आधार प्रदान करते हैं।
यह शोध पत्र कर्नेल-मुक्त गैररेखीय वर्गीकरण में ओवरफिटिंग और व्याख्यात्मकता संबंधी समस्याओं को संबोधित करने के लिए एक स्पार्स -रेगुलराइज्ड क्वाड्रेटिक सरफेस सपोर्ट वेक्टर मशीन (QSVM) प्रस्तावित करता है, जो एक दंड अपघटन एल्गोरिदम (penalty decomposition algorithm) पेश करता है जिसमें सिद्ध अनुकूलतमता और अभिसरण गारंटी है, जो बेंचमार्क और वास्तविक दुनिया के क्रेडिट डेटासेट दोनों पर प्रतिस्पर्धी प्रदर्शन और स्पर्सिटी प्रदर्शित करता है।
यह शोध पत्र एक PRISMA-आधारित व्यवस्थित समीक्षा प्रस्तुत करता है जो बधिर शिक्षार्थियों के लिए वर्तमान श्रवण-केंद्रित समाधानों की सीमाओं को उजागर करता है और वास्तविक समय में दृश्य सहायता सक्षम करने तथा कक्षाओं में सार्थक समावेशन प्राप्त करने के लिए स्पीच रिकग्निशन, नेचुरल लैंग्वेज प्रोसेसिंग और साइन लैंग्वेज जनरेशन को एकीकृत करने वाला एक AI-संचालित मल्टीमॉडल संचार ढांचा प्रस्तावित करता है।
यह शोध पत्र प्रकट करता है कि मानक स्कैफोल्ड-आधारित मूल्यांकन विधियाँ रासायनिक रूप से विषम "नो-स्कैफोल्ड" अणुओं को एक एकल इकाई के रूप में गलत तरीके से मानकर एक छिपा हुआ आवंटन पूर्वाग्रह उत्पन्न करती हैं, जो सामान्य बेंचमार्क में सामान्यीकरण मेट्रिक्स को विकृत करता है, और संतुलित प्रतिनिधित्व एवं सटीक प्रदर्शन मूल्यांकन को बहाल करने के लिए एक "एम्प्टी-स्कैफोल्ड-अवेयर" सुधार का प्रस्ताव करता है।
यह शोध पत्र C3Q-MARL प्रस्तुत करता है, जो एक कनेक्टिविटी-जागरूक ढांचा है जो आंशिक दृश्यता और संचार बाधाओं के तहत UAV झुंड समन्वय, टकराव बचाव और कनेक्टिविटी संरक्षण को बढ़ाने के लिए मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) में ग्राफ-सैद्धांतिक टोपोलॉजी नियंत्रण को एक QAOA-प्रेरित अनुकूलन मॉड्यूल के साथ एकीकृत करता है।
यह अध्ययन BCCD डेटासेट पर YOLOv11 और YOLOv12 वेरिएंट के पहले स्केल-दर-स्केल बेंचमार्क को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि उनका समग्र औसत प्रदर्शन लगभग समान है, YOLOv12 विलंबता-महत्वपूर्ण (latency-critical) अनुप्रयोगों के लिए नैनो स्केल पर उत्कृष्ट है जबकि YOLOv11 मध्यम और बड़े स्तरों पर उससे बेहतर प्रदर्शन करता है, जो यह संकेत देता है कि मॉडल का चयन श्रेष्ठता की एक समान धारणा के बजाय विशिष्ट स्केल और रिकॉल आवश्यकताओं द्वारा संचालित होना चाहिए।
यह शोध पत्र RLHOARNet को प्रस्तुत करता है, जो एक MONAI-आधारित 3D U-Net आर्किटेक्चर है जिसमें एक हल्का (lightweight) रेजिडुअल बाउंड्री रिफाइनमेंट मॉड्यूल है जो BraTS 2020 डेटासेट पर मल्टी-मोडल ब्रेन ट्यूमर सेगमेंटेशन के लिए अत्याधुनिक प्रदर्शन और रियल-टाइम इन्फरेंस गति प्राप्त करता है।
FedHyperM एक गोपनीयता-संरक्षण फेडरेटेड लर्निंग फ्रेमवर्क है जो एज डिवाइसेस के लिए है, जो हाइपरग्राफ-आधारित प्रेडिक्शन और मोडैलिटी-सेंसिटिव एग्रीगेशन का उपयोग करके मोडैलिटी विषमता (modality heterogeneity) को संबोधित करता है ताकि सटीकता और F1-स्कोर में मौजूदा बेसलाइन्स से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र APT-VFSEA मॉडल का प्रस्ताव करता है, जो एडवांस्ड पर्सिस्टेंट थ्रेट (APT) हमलों और रक्षाओं की अंतर्निहित अनिश्चितता और जटिलता को संबोधित करने के लिए वेरिएबल फजी सेट्स का उपयोग करके उनकी प्रभावशीलता का मात्रात्मक मूल्यांकन करता है, जिसका प्रयोगात्मक सत्यापन वास्तविक दुनिया के परिदृश्यों के विरुद्ध इसकी सटीकता को प्रदर्शित करता है।