3464 पेपर
यह शोधपत्र टेक्स्ट-मल्टीमीडिया रिट्रीवल के क्षेत्र का अन्वेषण करता है, जिसमें प्राकृतिक भाषा प्रश्नों (natural language queries) का उपयोग करके मल्टीमीडिया सामग्री को खोजने में आने वाली चुनौतियों, जैसे कि सिमेंटिक गैप और स्केलेबिलिटी, को दूर करने के लिए मल्टीमॉडल फ्यूजन और डीप लर्निंग जैसी पद्धतियों का परीक्षण किया गया है।
वृद्ध देखभाल परिवेशों में 69 एआई (AI) और एमएल (ML) अध्ययनों की यह तीव्र स्कोपिंग समीक्षा दर्शाती है कि वर्तमान रिपोर्टिंग प्रथाएं आवश्यक सिस्टम-स्तरीय विचारों, जैसे कि बाहरी सत्यापन, अनिश्चितता परिमाणीकरण और प्रासंगिक परिनियोजन विवरणों के बजाय तकनीकी मॉडल विकास को प्राथमिकता देती हैं, जो यह सुझाव देती है कि मौजूदा मेडिकल एआई दिशानिर्देश वृद्ध देखभाल की जटिलताओं के लिए अपर्याप्त हैं।
यह अध्ययन प्रदर्शित करता है कि AES-256-GCM प्रमाणित स्टोरेज को पूर्णतः होमोमोर्फिक एन्क्रिप्शन (fully homomorphic encryption) के साथ एकीकृत करने से प्लेनटेक्स्ट प्रोसेसिंग की तुलना में महत्वपूर्ण कम्प्यूटेशनल ओवरहेड के बावजूद, भविष्य कहने वाली सटीकता (predictive accuracy) में न्यूनतम कमी के साथ सुरक्षित, एंड-टू-एंड मशीन लर्निंग इन्फरेंस सक्षम होता है।
यह अध्ययन DamageArbiter को पेश करता है, जो एक मल्टीमॉडल मध्यस्थता ढांचा (multimodal arbitration framework) है जो मॉडल के मतभेदों को सुलझाने के लिए एक मेटा-क्लासिफायर का लाभ उठाकर स्ट्रीट-व्यू-आधारित आपदा क्षति मूल्यांकन की सटीकता और विश्वसनीयता को बढ़ाता है, जिससे मौजूदा यूनिमोडल और मल्टीमॉडल बेसलाइन की तुलना में वर्गीकरण प्रदर्शन में उल्लेखनीय सुधार होता है और ओवरकॉन्फिडेंस त्रुटियों में कमी आती है।
यह अध्ययन प्रदर्शित करता है कि स्तन कैंसर की पुनरावृत्ति के लिए क्वांटम-कर्नेल उत्तरजीविता मॉडल को उनके कम-क्विबिट एन्कोडिंग के कारण शापली मानों (Shapley values) के माध्यम से सटीक रूप से समझाया जा सकता है, जबकि यह भी प्रकट करता है कि उनका भविष्य कहने वाला प्रदर्शन शास्त्रीय रेडियल-बेसिस कर्नेल के सांख्यिकीय रूप से तुलनीय है और शोर के प्रति सुदृढ़ है, जो यह सुझाव देता है कि उनका प्राथमिक व्यावहारिक मूल्य बेहतर सटीकता के बजाय व्याख्यात्मकता में निहित है।
यह शोधपत्र RDC-MOEA का प्रस्ताव करता है, जो एक त्रिज्या-डिकोडर-सहायता प्राप्त प्रतिबंधित बहु-उद्देश्यीय विकासवादी एल्गोरिदम (radius-decoder-assisted constrained multi-objective evolutionary algorithm) है, जो मल्टीमीडिया वायरलेस सेंसर नेटवर्क में संभाव्य सुदृढ़ बाधा कवरेज (probabilistic strong barrier coverage) के लिए बाइनरी सक्रियण पैटर्न को विकसित करने और अनुकूलन योग्य संवेदन त्रिज्याओं का निर्माण करने के लिए एक विशिष्ट डिकोडर का उपयोग करके सेंसर सक्रियण और ऊर्जा खपत को एक साथ अनुकूलित करता है, जिससे मौजूदा वेरिएंट की तुलना में बेहतर प्रदर्शन और मजबूती प्राप्त होती है।
यह शोध पत्र DDI-VO का प्रस्ताव करता है, जो एक नवीन एंड-टू-एंड मोनोक्यूलर विजुअल ओडोमेट्री आर्किटेक्चर है जो प्रतिस्पर्धी सटीकता बनाए रखते हुए चुनौतीपूर्ण स्थितियों में बेहतर सुदृढ़ता प्राप्त करने के लिए ज्योमेट्री-अवेयर अटेंशन मैकेनिज्म और ज्योमेट्रिक करिकुलम लर्निंग के माध्यम से डेंस और स्पार्स विधियों को एकीकृत करता है।
यह अध्ययन एक ऑडिट करने योग्य फेडरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो लेबल स्क्यू (label skew) और क्लाइंट ड्रॉपआउट (client dropout) जैसे वास्तविक नैदानिक तनावों के तहत मल्टीमॉडल ब्रेन ट्यूमर वर्गीकरण के लिए उच्च सटीकता और F1-स्कोर बनाए रखता है, जबकि राउंड-लेवल वेट ऑडिटिंग (round-level weight auditing) को पेश करता है ताकि मॉडल के विकास में वह फॉरेंसिक दृश्यता प्रदान की जा सके जिसे पारंपरिक मेट्रिक्स नहीं देख पाते हैं।
यह शोध पत्र अत्यधिक कुशल, हल्के डेप्थवाइज सेपरेबल सीएनएन (CNN) विकसित करने के लिए डी-ऑप्टिमल एक्सपेरिमेंटल डिज़ाइन और पारेटो ऑप्टिमाइज़ेशन का उपयोग करते हुए एक व्यवस्थित कार्यप्रणाली प्रस्तावित करता है, जो संसाधन-सीमित एम्बेडेड सिस्टम पर तैनाती के लिए कम्प्यूटेशनल लागत को भारी रूप से कम करते हुए sEMG-आधारित हैंड जेस्चर रिकग्निशन में अत्याधुनिक सटीकता प्राप्त करते हैं।
यह शोध पत्र एन्क्रिप्टेड छवियों के लिए एक उच्च-क्षमता वाली प्रतिवर्ती डेटा हाइडिंग योजना प्रस्तावित करता है जो ब्लॉक वारिएंस को स्कैम्बल करते हुए एम्बेडिंग स्पेस को संरक्षित करने के लिए प्रति-ब्लॉक एफाइन एन्क्रिप्शन को एक एडेप्टिव सिंगल-नेबर प्रेडिक्टर के साथ जोड़ता है, जिससे मौजूदा विधियों की तुलना में काफी उच्च एम्बेडिंग दर प्राप्त होती है और वेरिएंस-आधारित सेपरेबिलिटी की आवश्यकता समाप्त हो जाती है।