3464 पेपर
यह शोधपत्र मानव-मशीन इंटरफेस के लिए एक सुदृढ़, वास्तविक समय की हैंड जेस्चर रिकग्निशन प्रणाली प्रस्तुत करता है जो VLC और Spotify जैसे मल्टीमीडिया अनुप्रयोगों के निर्बाध नियंत्रण को सक्षम करने के लिए 60 FPS से अधिक की उच्च पहचान गति और उत्कृष्ट सटीकता प्राप्त करने हेतु एक चैनल-प्रून और फाइन-ट्यून्ड YOLOv5s मॉडल का उपयोग करता है।
यह शोध पत्र MobileNetV2-KAN+ प्रस्तुत करता है, जो एक 3.65-मिलियन-पैरामीटर वाला हल्का आर्किटेक्चर है जो प्रीट्रेन्ड वेट्स या बड़े मॉडल साइज पर निर्भर रहे बिना, रोबस्ट और सुव्यवस्थित क्रॉस-डेटासेट फ्रूट मैच्योरिटी रिकग्निशन प्राप्त करने के लिए एक बाउंडेड कोलमोगोरोव-आर्नोल्ड नेटवर्क क्लासिफायर के साथ MobileNetV2 बैकबोन को जोड़ता है।
ST-KEDA एक प्रेडिक्टिव, कॉस्ट-अवेयर ऑटोस्केलिंग फ्रेमवर्क है जो कुबेरनेट्स माइक्रोसर्विसेज के लिए है, जो सख्त SLA अनुपालन बनाए रखते हुए इंफ्रास्ट्रक्चर लागत और स्केलिंग लेटेंसी को महत्वपूर्ण रूप से कम करने के लिए वेरिएशनल मोड डिकंपोज़िशन और टोपोलॉजी-अवेयर कोऑपरेटिव LSTM फोरकास्टिंग को रियल-टाइम कॉस्ट एस्टिमेशन के साथ एकीकृत करता है।
यह शोध पत्र FCI-SF को प्रस्तुत करता है, जो स्ट्रीमिंग फीचर्स के साथ कॉज़ल स्ट्रक्चर लर्निंग के लिए पहला वैश्विक रूप से सुसंगत, बाधा-आधारित (constraint-based) एल्गोरिदम है, जो नए डेटा के आगमन के साथ कॉज़ल ग्राफ को कुशलतापूर्वक अपडेट करता है और औपचारिक एसिम्प्टोटिक गारंटी प्रदान करने के साथ-साथ सिंथेटिक और वास्तविक दुनिया के दोनों प्रकार के डेटासेट पर बेहतर सटीकता और गति प्रदर्शित करता है।
यह शोध पत्र लिपिनेट (LipiNet) को प्रस्तुत करता है, जो देवनागरी हस्तलिखित वर्ण पहचान के लिए एक हल्का और सुदृढ़ आर्किटेक्चर है, जो केवल 3.9 मिलियन पैरामीटर्स के साथ अत्याधुनिक सटीकता (99.75%) प्राप्त करने के लिए स्कैफोल्ड-इंजेक्टेड डेंस रेसिडुअल नेटवर्क और गेटेड कैप्सूल रूटिंग के माध्यम से संरचनात्मक पूर्ववृत्त (स्ट्रक्चरल प्रायर्स) का लाभ उठाता है।
यह अध्ययन बहुभाषी कानूनी तर्क कार्यों में नौ लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है और यह प्रकट करता है कि उनकी निर्णय लेने की प्रक्रिया अक्सर अस्थिर होती है, जो असंगत औचित्य, अविश्वसनीय स्व-लेखापरीक्षा और अर्थ संबंधी सुसंगतता के अभाव द्वारा चिह्नित होती है, जिससे तर्क स्थिरता के माप के रूप में केवल निर्णय सहमति का उपयोग करने की वैधता को चुनौती मिलती है।
यह शोध पत्र एक संसाधन-जागरूक मूल्यांकन ढांचे और एक बायेसियन-अनुकूलित हाइब्रिड लर्निंग मॉडल का प्रस्ताव करता है जो संसाधन-सीमित IoT और एज वातावरण के लिए घुसपैठ पहचान प्रणालियों को प्रभावी ढंग से प्रशिक्षित करने के लिए कंडीशनल वेरिएशनल ऑटोएनकोडर्स (CVAE) द्वारा उत्पन्न सिंथेटिक नेटवर्क ट्रैफ़िक का लाभ उठाता है, जो मानक GANs और एंसेम्बल बेसलाइनों की तुलना में बेहतर प्रदर्शन और दक्षता प्रदर्शित करता है।
यह शोध पत्र एक सुदृढ़ RGB-IR ऑब्जेक्ट डिटेक्शन फ्रेमवर्क प्रस्तावित करता है जिसमें पूरक विशेषता रखरखाव (Complementary Feature Maintenance) और एक उन्नत क्रॉस-मोडल ट्रांसफार्मर शामिल है, जो लुप्त मोडैलिटी जानकारी को प्रभावी ढंग से पुनर्स्थापित करने और क्रॉस-मोडल फ्यूजन को बढ़ाने के लिए है, जिससे पूर्ण और लुप्त-मोडैलिटी दोनों स्थितियों में उच्च डिटेक्शन प्रदर्शन बनाए रखा जा सके।
यह शोध पत्र एक प्रेडिक्शन-अनसर्टेन्टी-अवेयर अडैप्टिव ड्यूल-टाइमस्केल मल्टी-एजेंट रिसोर्स ऑर्केस्ट्रेशन फ्रेमवर्क प्रस्तावित करता है जो इंटीग्रेटेड एनर्जी लेकहाउसों के लिए एक अनसर्टेन्टी-एनहैंस्ड MAPPO एल्गोरिदम का लाभ उठाता है ताकि हेट्रोजेनियस कंप्यूटिंग, स्टोरेज और ऊर्जा संसाधनों की अनूठी जटिलताओं को संबोधित करते हुए नवीकरणीय ऊर्जा उपयोग, सेवा विलंबता (सर्विस लेटेंसी) और कार्बन उत्सर्जन को संयुक्त रूप से अनुकूलित किया जा सके।
यह अध्ययन 24-घंटे की इन-हॉस्पिटल मृत्यु दर की भविष्यवाणी करने के लिए एक वैलिडेशन-सेट-कंस्ट्रेंड थ्री-पाथ फ्यूजन फ्रेमवर्क प्रस्तुत करता है जो निरंतर आंतरिक प्रदर्शन लाभ और EHR सिस्टम परिवर्तनों के प्रति मजबूती प्रदर्शित करता है, लेकिन eICU डेटासेट में क्रॉस-डेटाबेस ट्रांसपोर्टेबिलिटी में महत्वपूर्ण सीमाओं को प्रकट करता है जहाँ स्रोत-व्युत्पन्न फ्यूजन वेट्स नए वातावरण की डेटा विशेषताओं के अनुकूल होने में विफल रहते हैं।