3464 पेपर
यह अध्ययन प्रदर्शित करता है कि कलर मोमेंट्स (Color Moments) टाई-डाई छवियों के अनसुपरवाइज्ड क्लस्टरिंग में पांच अन्य फीचर रिप्रेजेंटेशन्स से बेहतर प्रदर्शन करते हैं, जो विभिन्न क्लस्टर आकारों और मूल्यांकन मेट्रिक्स में सबसे सुसंगत, स्थिर और सुदृढ़ समूहीकरण परिणाम प्रदान करते हैं।
यह शोध पत्र LIME-TLESqN फ्रेमवर्क का प्रस्ताव करता है, जो वास्तविक परिस्थितियों में बेल पेपर (शिमला मिर्च) की पत्तियों के रोगों की पहचान करने के लिए 96.52% सटीकता प्राप्त करने हेतु मॉडिफाइड विनर फ़िल्टरिंग (Modified Wiener Filtering), IVGG16-RCNN सेगमेंटेशन और LIME-आधारित व्याख्यात्मकता द्वारा संवर्धित एक ट्रांसफर-लर्नड वेटेड स्क्वीज़नेट (Transfer-Learned Weighted SqueezeNet) क्लासिफायर को एकीकृत करता है।
यह शोध पत्र एडेप्टिव क्रॉस-अटेंशन मल्टीमॉडल ट्रांसफॉर्मर (ACMT) का प्रस्ताव करता है, जो एक नवीन आर्किटेक्चर है जिसे द्विदिशीय क्रॉस-अटेंशन और एडेप्टिव गेटिंग के माध्यम से ध्वनिक, पाठ्य और दृश्य मोडैलिटीज़ को गतिशील रूप से संलयित करके बहुभाषी स्पीच इमोशन रिकग्निशन को बढ़ाने के लिए डिज़ाइन किया गया है ताकि लुप्त डेटा और भाषाई विविधताओं को संभाला जा सके, जबकि पूर्ण अनुभवजन्य प्रशिक्षण परिणामों की अनुपस्थिति के बावजूद एक व्यापक मूल्यांकन प्रोटोकॉल की रूपरेखा प्रस्तुत की गई है।
यह शोध पत्र एक फेडरेटेड लर्निंग-जेनेरेटिव एआई फ्रेमवर्क प्रस्तावित करता है जो सिंथेटिक स्थानीय संवर्धन (synthetic local augmentation) का उपयोग करके आपूर्ति श्रृंखला संगठनों को ग्राफ-आधारित नेटवर्क डेटा पर व्यवधान-पूर्वानुमान मॉडल को सहयोगात्मक रूप से प्रशिक्षित करने में सक्षम बनाता है, जिससे उच्च सटीकता (94.8%) और महत्वपूर्ण संचार दक्षता (81.1% की कमी) प्राप्त होती है, जबकि डेटा गोपनीयता बनी रहती है और सांख्यिकीय विषमता (statistical heterogeneity) का समाधान होता है।
यह शोध पत्र वास्तविक दुनिया के डेटा का उपयोग करके QC-PEDA विभाजन नियम के पहले प्रत्यक्ष अनुभवजन्य सत्यापन को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि वर्तमान लघु-स्तरीय समस्याएँ सभी भार विन्यासों (weight configurations) में शास्त्रीय निष्पादन (classical execution) द्वारा कड़ाई से हावी हैं, एक ब्रेक-इवन विश्लेषण इंगित करता है कि क्वांटम रूटिंग केवल तभी व्यवहार्य होती है जब शास्त्रीय विलंबता (classical latency) पोस्ट-एक्सैस्केल स्तरों तक स्केल होती है, जिसमें विशिष्ट सीमा चुने गए लागत-मॉडल भारों पर अत्यधिक निर्भर करती है।
यह शोध पत्र तमिल OCR के लिए एक बड़े पैमाने के सिंथेटिक कॉर्पस, TamilSynth को प्रस्तुत करता है, और यह प्रदर्शित करता है कि वास्तविक दुनिया के दस्तावेज़ों पर त्रुटियों में महत्वपूर्ण कमी लाने के लिए कॉर्पस डिज़ाइन के बजाय मानक टेसेरैक्ट (Tesseract) प्रशिक्षण वर्कफ़्लो में तीन विशिष्ट, मौन डिफ़ॉल्ट्स को सुधारना महत्वपूर्ण है।
यह सर्वेक्षण टेक्स्ट, इमेज, ऑडियो और वीडियो में छह साझा तकनीकी परिवारों को संश्लेषित करके एआई-जनित सामग्री का एक व्यापक क्रॉस-मोडल विश्लेषण प्रस्तुत करता है, जो लैब-टू-डिप्लॉयमेंट गैप और एडवरसैरियल रोबस्टनेस जैसी वर्तमान चुनौतियों का आलोचनात्मक मूल्यांकन करने के लिए एक एकीकृत वर्गीकरण स्थापित करता है और मजबूत एवं सामान्यीकरण योग्य पहचान प्रणालियों के लिए भविष्य की दिशाओं को रेखांकित करता है।
इन्फिनीरिट्री (InfiniRetri) एक प्रशिक्षण-मुक्त विधि है जो किसी भी लंबाई वाले इनपुट से प्रासंगिक संदर्भ को पुनरावृत्ति के माध्यम से निकालने के लिए एक पूर्व-प्रशिक्षित एलएलएम (LLM) के अंतर्निहित अटेंशन मैकेनिज्म का लाभ उठाती है, जिससे बाहरी एम्बेडिंग मॉडल या महंगी पुनरप्रशिक्षण की आवश्यकता के बिना कुशल और अत्यधिक सटीक लॉन्ग-कॉन्टेक्स्ट रिट्रीवल और रीजनिंग सक्षम होती है।
यह अध्ययन एक अनिश्चितता-निर्भरता-विश्लेषण-एकीकृत CNN-अटेंशन EARF-LSTM मॉडल का प्रस्ताव करता है जो पारंपरिक डीप लर्निंग तकनीकों की तुलना में फोटोवोल्टिक पावर पूर्वानुमान की सटीकता, व्याख्यात्मकता और संभाव्यता विश्वसनीयता को महत्वपूर्ण रूप से बढ़ाने के लिए इनपुट और सिस्टम अनिश्चितताओं को स्पष्ट रूप से विशेषताओं के रूप में वर्गीकृत और सम्मिलित करता है।
यह शोध पत्र एक 'सोर्स एप्लिकेबिलिटी टाइपोलॉजी' (स्रोत प्रयोज्यता वर्गीकरण) और एक चरणबद्ध रूपरेखा प्रस्तुत करता है ताकि विविध शहरों में शहरी जीवन-अनुकूलता (अर्बन लिवेबिलिटी) मॉडलों के हस्तांतरण को निर्देशित किया जा सके, यह प्रदर्शित करते हुए कि विभिन्न शहरों के बीच हस्तांतरण की विफलताएं मुख्य रूप से समान परिवेशों के प्रति सामुदायिक धारणाओं के अंतर के कारण होती हैं न कि अपरिचित शहरी विशेषताओं के कारण, जिससे अधिक स्केलेबल और संदर्भ-जागरूक एआई (AI) नियोजन संभव हो सके।