744 पेपर
यह शोध पत्र प्रदर्शित करता है कि प्राकृतिक-भाषा निर्देश छिपे हुए परिचालन संबंधी आवश्यकताओं के तहत नाजुक होते हैं, जो यह प्रकट करता है कि जबकि सामान्य प्रॉम्प्टिंग छूटे हुए बाधाओं को संतुष्ट करने में विफल रहती है, प्रदर्शन में तब महत्वपूर्ण सुधार होता है जब उन बाधाओं को स्पष्ट रूप से प्राप्त और निष्पादित किया जाता है।
यह शोध पत्र एक नवीन LLM-संवर्धित निर्णय इंटेलिजेंस ढांचे को प्रस्तुत करता है जो सांख्यिकीय रूप से महत्वपूर्ण, उच्च-रिकॉल वास्तविक समय आपूर्ति श्रृंखला जोखिम मूल्यांकन प्राप्त करने के लिए FMEA-आधारित जोखिम मात्रा निर्धारण को लार्ज लैंग्वेज मॉडल प्रासंगिक तर्क के साथ एकीकृत करता है, जैसा कि पैरामीटराइज्ड सिमुलेशन और DataCo स्मार्ट सप्लाई चेन डेटासेट पर व्यापक अनुभवजन्य परीक्षणों द्वारा सत्यापित किया गया है।
यह शोध पत्र संयुक्त राष्ट्र महासभा के भाषणों (2005-2024) से राजनयिक प्रति-तर्कों का एक नवीन संग्रह प्रस्तुत करता है और प्रति-तर्क निर्माण में क्रॉस-डोमेन सामान्यीकरण के लिए एक व्यवस्थित बेंचमार्क स्थापित करने हेतु टेम्पोरली अलाइन्ड फाइन-ट्यूनिंग रणनीतियों का उपयोग करते हुए अत्याधुनिक लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है।
CUPID-Med एक नवीन ढांचा है जो नैदानिक रूप से व्याख्या योग्य, सेट-वैल्यूड क्लस्टर भविष्यवाणियों को कैलिब्रेटेड कॉन्फिडेंस स्कोर के साथ उत्पन्न करने के लिए कॉन्फॉर्मल अनसर्टेन्टी-अवेयर प्रोटोटाइप डिस्कवरी का लाभ उठाता है, जो अनलेबल मेडिकल इमेज डेटा को व्यवस्थित करने में नियतात्मक बेसलाइनों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह अध्ययन एक व्याख्यात्मक, दो-स्तरीय गेम-थ्योरेटिक डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो फीचर व्याख्यात्मकता के लिए SHAP और प्रतिस्पर्धी मूल्य निर्धारण विश्लेषण के लिए नैश इक्विलिब्रियम (Nash equilibrium) को जोड़ता है ताकि शॉर्ट-टर्म रेंटल डिमांड के पूर्वानुमान में पारंपरिक मॉडलों से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र एक "स्मार्ट लर्निंग एस्टिमेटर" (SLE) का प्रस्ताव करता है, जो एक डीप लर्निंग-संवर्धित कलमन फिल्टर है जो TGAN, LSTM और RWFNN आर्किटेक्चर को संयोजित करता है, जो पारंपरिक रैखिक फिल्टरों की सीमाओं को दूर करके विस्तारित GNSS सिग्नल आउटेज के दौरान कम लागत वाले INS/GNSS नेविगेशन सिस्टम की सटीकता और मजबूती को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र TDF-LSTGBM का प्रस्ताव करता है, जो एक नवीन द्वि-चरणीय हाइब्रिड आर्किटेक्चर है जो एक स्टैक्ड LSTM के उप-अंतिम परत से टेम्पोरल फीचर्स निकालता है और उन्हें ग्रेडिएंट बूस्टिंग मशीन के लिए उपभोक्ता और टेम्पोरल एट्रीब्यूट्स के साथ जोड़ता है, जिससे पांच उपभोक्ता श्रेणियों में मल्टी-ग्रैनुलैरिटी स्मार्ट ग्रिड बिजली मांग पूर्वानुमान के लिए पारंपरिक LSTM और ARIMA मॉडलों की तुलना में काफी अधिक सटीकता प्राप्त होती है।
GraphGarment एक डेटा-कुशल सिम-टू-रियल फ्रेमवर्क है जो न्यूनतम वास्तविक दुनिया के डेटा से गारमेंट डायनेमिक्स की सटीक भविष्यवाणी करने के लिए सिमुलेशन-प्रशिक्षित ग्राफ न्यूरल नेटवर्क को एक हल्के रेसिड्यूअल करेक्टर के साथ जोड़ता है, जिससे रोबोटिक गारमेंट हैंगिंग को सक्षम बनाया जा सके।
यह अध्ययन एक एकीकृत, व्याख्या योग्य डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो स्टील निर्माण के लिए सुदृढ़, व्याख्यात्मक और स्वचालित गुणवत्ता नियंत्रण को सक्षम करने हेतु ResNet50-आधारित सूक्ष्म संरचना वर्गीकरण और YOLOv8-आधारित सतह दोष पहचान को नियम-आधारित गंभीरता अनुमान के साथ एकीकृत करता है।
यह शोध पत्र एक यार्न-स्तर (yarn-level) की सिमुलेशन पद्धति प्रस्तावित करता है जो बुनाई के पैटर्नों का लाभ उठाकर दिशात्मक ऊष्मा प्रसार (directional heat diffusion) और संकुचन प्रवणता (shrinkage gradients) की गणना करती है, जिससे कपड़ों में जटिल थर्मल बकलिंग, ट्विस्टिंग और गैर-समान झुर्रीदार व्यवहारों को सटीक रूप से उत्पन्न किया जा सकता है जिन्हें पारंपरिक सतह-स्तरीय मॉडल पकड़ने में विफल रहते हैं।