3464 पेपर
यह शोध पत्र एक टेम्पोरल एम्बेडिंग-आधारित टेम्पोरल कन्वोल्यूशनल न्यूरल नेटवर्क (TE-TCNN) का प्रस्ताव करता है जो विभिन्न परिचालन स्थितियों के तहत NASA C-MAPSS डेटासेट का उपयोग करके विमान इंजन के शेष उपयोगी जीवन (Remaining Useful Life) की प्रभावी ढंग से भविष्यवाणी करने के लिए सीखने योग्य टेम्पोरल निरूपणों और एक PCA-व्युत्पन्न हेल्थ इंडेक्स का उपयोग करता है।
DriGitScale एक ड्रिफ्ट-अवेयर (drift-aware) GitOps फ्रेमवर्क है जो कुबेरनेट्स (Kubernetes) के लिए है, जो स्केलिंग निर्णयों को एक कंसिस्टेंसी-मैनेजमेंट (consistency-management) समस्या के रूप में तैयार करके ऑटोस्केलिंग स्थिरता और परिनियोजन निरंतरता को बढ़ाता है, जो प्रेडिक्शन (prediction), रिसोर्स (resource) और कॉन्फ़िगरेशन ड्रिफ्ट (configuration drift) का संयुक्त रूप से मूल्यांकन करता है, जिससे विविध वर्कलोड स्थितियों में प्रतिस्पर्धी प्रतिक्रियाशीलता बनाए रखते हुए अनावश्यक स्केलिंग क्रियाओं को कम किया जाता है।
यह शोध पत्र नो सेकेंडरी रिबफरिंग (NSR) का प्रस्ताव करता है, जो एक फ्रेम-स्तरीय प्लेबैक रिज्यूम्प्शन कंट्रोलर है जो बैंडविड्थ और बफ़र ड्रेन का अनुमान लगाकर सेकेंडरी रिबफरिंग घटनाओं की गतिशील रूप से भविष्यवाणी और रोकथाम करता है, जिससे विभिन्न एडेप्टिव-बिटरेट एल्गोरिदम के मुकाबले फिक्स्ड और एडेप्टिव बेसलाइनों की तुलना में सत्र की क्वालिटी-ऑफ-सर्विस (QoS) में निरंतर सुधार होता है।
यह शोध पत्र एक स्वायत्त अन्वेषण ढांचे का प्रस्ताव करता है जो फ्रंटियर चयन को अनुकूलित करने के लिए कलमन-फिल्टर्ड निरंतर ट्रैक्स और अनिश्चितता-जागरूक लक्ष्य स्विचिंग वाले एक निर्णय परत का उपयोग करता है, जिससे एक PPO-प्रशिक्षित रोबोट वास्तविक दुनिया के प्रयोगों में एक गैर-स्विचिंग बेसलाइन की तुलना में 95% कवरेज 20.3% तेजी से और 19.4% कम यात्रा के साथ प्राप्त करने में सक्षम होता है।
यह शोध पत्र VDSAC-TD3 का प्रस्ताव करता है, जो एक नवीन मल्टी-एजेंट डीप रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो सैटेलाइट-UAV हेट्रोजेनियस नेटवर्क में सहयोगी कवरेज को अनुकूलित करने के लिए वैल्यू डिकंपोजिशन, मैक्सिमम एंट्रॉपी रेगुलराइजेशन और ट्विन डिलेड मैकेनिज्म को एकीकृत करता है, जबकि ऊर्जा बाधाओं, सुरक्षा आवश्यकताओं और गतिशील पर्यावरणीय चुनौतियों को प्रभावी ढंग से संबोधित करता है।
यह शोध पत्र संसाधन-सीमित IoT नेटवर्क में घुसपैठ का पता लगाने के लिए एक हल्का, अटेंशन-एन्हांस्डed CNN-BiLSTM फ्रेमवर्क प्रस्तावित करता है जो प्रतिस्पर्धी प्रदर्शन और एज डिवाइसेस पर अंतर्निहित व्याख्यात्मकता प्राप्त करने के लिए म्यूचुअल-इन्फॉर्मेशन-आधारित फीचर सिलेक्शन का उपयोग करता है, जैसा कि UNSW-NB15 बेंचमार्क द्वारा मान्य किया गया है।
यह शोध पत्र TaleTutor AI को प्रस्तुत करता है, जो व्यक्तिगत शिक्षा प्रदान करने के लिए शैक्षणिक रूप से संरचित कथा प्रगति को महारत-संचालित स्कैफोल्डिंग (scaffolding) के साथ एकीकृत करने वाला एक अनुकूलन योग्य ढांचा है, जो ScienceQA पाठों पर मूल्यांकन के माध्यम से यह प्रदर्शित करता है कि प्रणाली प्रभावी रूप से कथा सुसंगतता, तथ्यात्मक निरंतरता और विभेदित निर्देशात्मक सहायता के बीच संतुलन बनाए रखती है।
BudgetFunnel एक ट्रेस-ड्रिवन (trace-driven), कोर्स-टू-फाइन (coarse-to-fine) फ्रेमवर्क है जो हल्के स्क्रीनिंग और एक प्रेसीडेंस-अवेयर (precedence-aware) ग्रीडी एलोकेटर का उपयोग करके हेट्रोजेनियस (heterogeneous) सर्वरलेस फंक्शन्स के बीच एक साझा वार्म-रिटेंशन बजट को आवंटित करता है, जिससे फुल-इवैल्यूएशन और मौजूदा बेसलाइन रणनीतियों की तुलना में काफी कम इवैल्यूएशन ओवरहेड के साथ लगभग-इष्टतम कोल्ड-स्टार्ट मिटिगेशन प्राप्त होता है।
यह अध्ययन एक ऐसा सॉफ़्टवेयर आकार अनुमान मॉडल प्रस्तावित करता है जो रिग्रेशन विश्लेषण का उपयोग करके फंक्शनल साइज मेजर्स (UFP और CFP) को फंक्शनल कॉम्प्लेक्सिटी मेजर्स (CC और YC) के साथ एकीकृत करता है, यह प्रदर्शित करते हुए कि इन मेट्रिक्स को जोड़ना—विशेष रूप से UFP को कॉम्प्लेक्सिटी मेजर्स के साथ—COCOMO II जैसे अनुप्रयोगों के लिए अनुमान त्रुटि को काफी कम करता है और भविष्यवाणी सटीकता में सुधार करता है।
यह शोध पत्र एक सटीक मध्यवर्ती प्रतिनिधित्व (intermediate representation) प्रस्तावित करता है जो पल्स शेप टेम्पलेट्स को इवेंट-विशिष्ट डिस्क्रिप्टर्स से अलग करता है ताकि रेडंडेंट शेप कंप्यूटेशन को समाप्त किया जा सके, जिससे मशीन-प्रिसिजन सटीकता बनाए रखते हुए पल्स-लेवल कंपाइलेशन में क्रम-दर-क्रम (order-of-magnitude) गति में वृद्धि प्राप्त की जा सके।