3854 पेपर
HashGuard-FL एक नवीन फेडेरेटेड लर्निंग फ्रेमवर्क है जो सूक्ष्म, बहु-वर्ग हमले का पता लगाने के लिए एक सीखने योग्य (learnable) हैश-आधारित GAN डिस्क्रिमिनेटर को विविध बेंचमार्क में छेड़छाड़-प्रमाणित, क्वांटम-प्रतिरोधी अखंडता सुनिश्चित करने के लिए SHAKE-256 और CRYSTALS-Dilithium हस्ताक्षरों के साथ एक पोस्ट-क्वांटम ऑडिट लेयर के साथ एकीकृत करता है।
यह शोध पत्र अत्यधिक लॉन्ग-टेल्ड क्लास डिस्ट्रीब्यूशन के कारण ओरकल बोन कैरेक्टर डिटेक्शन में मौजूद गंभीर प्रदर्शन अंतराल का निदान करता है और FAR-YOLO प्रस्तावित करता है, जो एक डिकपल्ड बेसलाइन है जो समग्र लोकलाइजेशन प्रदर्शन से समझौता किए बिना फ्रीक्वेंसी-अवेयर सैंपलिंग और मॉर्फोलॉजी-प्रिजर्विंग ऑग्मेंटेशन के माध्यम से फ्यू-शॉट रिकग्निशन सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र DP-DCGAN का प्रस्ताव करता है, जो एक डिफरेंशियल प्राइवेसी-एन्हांस्ड डीप कन्वोल्यूशनल जेनरेटिव एडवरसैरियल नेटवर्क है जो मानक डेटासेट्स पर गोपनीयता संरक्षण और उच्च-गुणवत्ता वाले इमेज सिंथेसिस के बीच एक बेहतर संतुलन प्राप्त करने के लिए एडेप्टिव ग्रेडिएंट क्लिपिंग और नॉइज़ इंजेक्शन का उपयोग करता है।
यह शोध पत्र क्लाउडसिमप्लस (CloudSimPlus) के लिए एक एआई-संचालित अनुकूलन योग्य लोड बैलेंसिंग विशेषता पेश करता है जो वास्तविक समय के मेट्रिक्स और उपयोगकर्ता-निर्धारित उद्देश्यों के आधार पर नीतियों के एक एकीकृत ढांचे से सबसे उपयुक्त रणनीति को गतिशील रूप से चुनने के लिए एक पूर्व-प्रशिक्षित डिसीजन ट्री (Decision Tree) मॉडल का उपयोग करता है, जिससे गतिशील क्लाउड वातावरण में दक्षता और निर्णय लेने की क्षमता में वृद्धि होती है।
यह शोध पत्र यह तर्क देता है कि केवल डिफरेंशियल प्राइवेसी (differential privacy) पर निर्भर रहने के बजाय ओवरफिटिंग को रोकने के लिए मजबूत मॉडल जनरलाइजेशन (model generalization) को प्राथमिकता देना, SDN-IoT घुसपैठ पहचान प्रणालियों में मेंबरशिप और एट्रिब्यूट इन्फरेंस हमलों को कम करने के लिए एक अधिक प्रभावी रणनीति है, जो उच्च पहचान सटीकता प्राप्त करते हुए गोपनीयता बनाए रखने के लिए एक हाइब्रिड AOPRF-XGBoost कैस्केड मॉडल का प्रस्ताव करता है।
यह शोध पत्र LA-MOCHS का प्रस्ताव करता है, जो एक लाइफटाइम-अवेयर इवोल्यूशनरी फ्रेमवर्क है जो सेवा क्षमता को एक सबमॉड्यूलर इन्फ्लुएंस मैक्सिमाइजेशन समस्या के रूप में मॉडल करके अंडरवॉटर वायरलेस सेंसर नेटवर्क में मल्टी-ऑब्जेक्टिव क्लस्टर-हेड चयन को संबोधित करता है, जिससे एकल-राउंड अनुकूलतमता के बजाय बोझ-जागरूक परिनियोजन रणनीतियों के माध्यम से बेहतर दीर्घकालिक नेटवर्क स्थिरता प्राप्त की जा सकती है।
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।