3464 पेपर
यह शोध पत्र CAFM का प्रस्ताव करता है, जो एक क्रॉस-मोडल लोकल अलाइनमेंट फ्यूजन विधि है जो बेहतर औद्योगिक विसंगति पहचान (anomaly detection) और स्थानीयकरण (localization) के लिए RGB और 3D पॉइंट क्लाउड फीचर्स को प्रभावी ढंग से एकीकृत करने हेतु लोकल विंडो अटेंशन, बॉटलनेक कम्प्रेशन और सिमेट्रिक कॉन्ट्रास्टिव लर्निंग का उपयोग करता है, जिससे MVTec 3D-AD डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र अफ़ाइन पत्राचारों (affine correspondences) के साथ P1P समस्या (P1AC) के लिए एक गणनात्मक रूप से कुशल न्यूनतम सॉल्वर प्रस्तुत करता है जो कार्य को एक कैनोनिकलाइजेशन चरण और एक एकल द्विघात समीकरण में विभाजित करता है, जो अफ़ाइन पत्राचार और ग्रेडिएंट क्षेत्रों के बीच समानता का लाभ उठाकर सघन, सममिति-अपरिवर्तनीय डिस्क्रिप्टर मानचित्रों (isometry-invariant descriptor maps) के साथ अनुप्रयोगों को सक्षम बनाता है और साथ ही अपभ्रष्ट (degenerate) तथा विफलता के मामलों का व्यापक विश्लेषण प्रदान करता है।
रिवॉर्ड-लर्निंग फ्रेमवर्क पर आधारित, यह अध्ययन एक सिद्धांत-आधारित जनरेटिव एआई एजेंट विकसित और मूल्यांकित करता है जो संज्ञानात्मक, भावनात्मक और सुरक्षात्मक सहायता प्रदान करके विश्वविद्यालय के छात्रों के बीच अवस्था (स्टेट) और विशेषण (ट्रेट) विज्ञान जिज्ञासा दोनों को सफलतापूर्वक बढ़ावा देता है, जो केवल स्व-प्रश्न पूछने की तुलना में जिज्ञासा लूप्स को अधिक प्रभावी ढंग से बंद करता है।
यह शोधपत्र ThyroGuard-Net को प्रस्तुत करता है, जो एक हाइब्रिड EfficientNet–Swin Transformer फ्रेमवर्क है जिसे संवेदनशीलता-भारित हानि (sensitivity-weighted loss), साक्ष्य-आधारित अनिश्चितता (evidential uncertainty) और TI-RADS-आधारित व्याख्यात्मकता के साथ बहु-केंद्रित TN3K डेटासेट पर प्रशिक्षित किया गया है, ताकि मौजूदा विधियों की तुलना में बेहतर संवेदनशीलता के साथ सुदृढ़, सामान्यीकरण योग्य और नैदानिक रूप से कैलिब्रेटेड थायराइड नोड्यूल वर्गीकरण प्राप्त किया जा सके।
Graph2Path एक पदानुक्रमित (hierarchical), प्रतिक्रिया-निर्देशित (reactivity-guided) टेम्पलेट नीति है जो ग्राफ-एन्कोडेड अवस्थाओं में परमाणु- और बंध-सक्रियता पर्यवेक्षण को एकीकृत करके बहु-चरणीय रेट्रोसिंथेसिस योजना को उन्नत करती है, जिससे RetroSynFormer और AiZynthFinder जैसी मौजूदा विधियों की तुलना में बेहतर सटीक-मार्ग सटीकता और सफलता दर प्राप्त होती है, हालांकि इसके साथ अनुमान समय (inference time) में वृद्धि होती है।
यह शोध पत्र ESW-YOLO का प्रस्ताव करता है, जो YOLO11n पर आधारित एक हल्का लघु-वस्तु पहचान ढांचा (lightweight small-object detection framework) है, जो डायनेमिक स्नेक कन्वोल्यूशन (Dynamic Snake Convolution), एक अतिरिक्त उच्च-रिज़ॉल्यूशन हेड और iEMA अटेंशन के साथ एक उन्नत BiFPN, और WIoU लॉस को एकीकृत करता है ताकि समान पैरामीटर संख्या बनाए रखते हुए छोटे और लंबे लक्ष्यों की पहचान सटीकता में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र एक नवीन, व्याख्या योग्य हाइब्रिड डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो आर्टिफिशियल न्यूरल नेटवर्क को ट्यून करने के लिए PSO, GA और बेयसियन ऑप्टिमाइज़ेशन को एकीकृत करता है, जिससे शैक्षिक और उद्योग संरेखण के लिए पारदर्शी, कार्रवाई योग्य अंतर्दृष्टि प्रदान करने हेतु SHAP और LIME का उपयोग करते हुए छात्र प्लेसमेंट परिणामों की भविष्यवाणी करने में 99.60% सटीकता प्राप्त होती है।
यह शोध पत्र DT-STGNN-FedRL का प्रस्ताव करता है, जो एक डिजिटल-ट्विन-समन्वित ढांचा है जो भविष्य कहनेवाला संसाधन पूर्वानुमान के लिए स्थानिक-कालिक ग्राफ लर्निंग को फेडरेटेड सुदृढीकरण लर्निंग (reinforcement learning) के साथ एकीकृत करता है ताकि 6G सेलुलर-एज नेटवर्क में सक्रिय, वितरित बहु-संसाधन प्रबंधन प्राप्त किया जा सके, जिससे विलंबता (latency) और SLA उल्लंघनों को काफी कम करते हुए थ्रूपुट और दक्षता में सुधार होता है।
यह शोध पत्र उजागर करता है कि कैसे एथलीटों के अधिकतम उत्तोलन (मैक्सिमल लिफ्ट) की भविष्यवाणी करने वाले मशीन लर्निंग मॉडल समवर्ती-लिफ्ट डेटा लीकेज (कन्करेंट-लिफ्ट डेटा लीकेज) के कारण महत्वपूर्ण सटीकता मुद्रास्फीति से ग्रस्त होते हैं, और इस लीकेज की गंभीरता को मापने के लिए एक क्लोज्ड-फॉर्म डायग्नोस्टिक के साथ-साथ एक लागत प्रभावी जनरेटिव मॉडल प्रस्तावित करता है जो सिबलिंग लिफ्ट डेटा पर निर्भर हुए बिना कैलिब्रेटेड और शारीरिक रूप से सुसंगत भविष्यवाणियां प्रदान करता है।
यह शोध पत्र एक व्याख्यात्मक हाइब्रिड डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो सात ब्रेन ट्यूमर श्रेणियों को वर्गीकृत करने के लिए छह प्री-ट्रेन्ड सीएनएन (CNN) मॉडलों के फीचर्स को फ्यूज करता है, जिससे विजुअल एक्सप्लेनेशन तकनीकों और बाहरी परीक्षण के माध्यम से 97.87% सटीकता प्राप्त होती है।