3464 पेपर
यह शोध पत्र डिमेंशनल रेशनल मल्टी-एजेंट कम्युनिकेशन (DRMAC) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो रेडंडेंसी-रिडक्शन रेगुलराइजेशन और डायनेमिक ग्रेडिएंट मास्किंगिंग के माध्यम से मैसेज एम्बेडिंग्स में रेडंडेंसी और कन्फाउंडर्स को कम करने के लिए डिमेंशनल एनालिसिस को लागू करके मल्टी-एजेंट सहयोग को बढ़ाता है।
यह शोध पत्र SSRNet का प्रस्ताव करता है, जो एक सुदृढ़ चेहरे के भाव पहचान (facial expression recognition) फ्रेमवर्क है जो शोर और अवरोध (occlusion) जैसी वास्तविक दुनिया की चुनौतियों को प्रभावी ढंग से संबोधित करने के लिए एक संरचना-प्राथमिकता-निर्देशित विशेषता संवर्धन मॉड्यूल (structure-prior-guided feature enhancement module) को स्व-पर्यवेक्षित कंट्रास्टिव लर्निंग (self-supervised contrastive learning) के साथ जोड़ता है, जिससे FER2013 और RAF-DB डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र RefQA को प्रस्तुत करता है, जो PubMed Central से प्राप्त 1.52 मिलियन क्रॉस-डॉक्यूमेंट क्लिनिकल साइटेशन-एविडेंस प्रश्न-उत्तर रिकॉर्डों का एक मिलियन-स्केल डेटासेट है, जिसमें क्लिनिकल साइटेशन विश्लेषण में अनुसंधान को समर्थन देने के लिए संरचित मेटाडेटा, सत्यापन योग्य क्लेम ग्राउंडिंग और उच्च-गुणवत्ता वाले एनोटेशन शामिल हैं।
यह शोध पत्र ER-Curriculum-DDQN का प्रस्ताव करता है, जो एक डीप रिइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो पारदर्शी LEO रिले के माध्यम से UAV-MEC सिस्टम में ऑनलाइन टास्क ऑफलोडिंग को अनुकूलित करने के लिए फिजिबिलिटी मास्किंग, क्रिटिकल टास्क प्रेशर फीचर्स और रिजर्वेशन-गाइडेड करिकुलम लर्निंग को एकीकृत करता है, जिससे सख्त सर्विस विंडो बाधाओं के तहत क्रिटिकल टास्क के समय पर पूरा होने के अनुपात को अधिकतम किया जा सके।
यह शोध पत्र RYAS-LOFCN फ्रेमवर्क का प्रस्ताव करता है, जो दूर स्थित और दृष्टिगत रूप से समान यातायात वस्तुओं का पता लगाने की सीमाओं को दूर करने के लिए FPN के साथ एक रेजिडुअल एट्रस स्क्वीज़ अटेंशन नेटवर्क और YOLOv12-L आधारित लाइटजीबीएम-अनुकूलित फजी कैटबूस्ट नेटवर्क को एकीकृत करता है, जिससे वाहन पहचान में 98.63% सटीकता और 98.56% परिशुद्धता प्राप्त होती है।
यह शोध पत्र एज-क्लाउड 3D पुनर्निर्माण प्रणालियों में सीखे गए (learned) RGB-D कोडक के चयन के लिए एक परिनियोजन-जागरूक (deployment-aware) ढांचे का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि ऑफलाइन दर-विकृति (rate-distortion) प्रदर्शन के बजाय स्पष्ट हार्डवेयर और रनटाइम बाधाओं को प्राथमिकता देना एक व्यावहारिक समाधान प्रदान करता है जो पारंपरिक हार्डवेयर बेसलाइन की तुलना में एन्कोडिंग गति, मेमोरी उपयोग और पुनर्निर्माण गुणवत्ता को बेहतर ढंग से संतुलित करता है।
यह शोध पत्र एक हाइब्रिड सिमेंटिक-लेक्सिकल फ्रेमवर्क प्रस्तावित करता है जो विषम टेक्स्ट डेटासेट में प्रासंगिक विसंगति का पता लगाने और इंटेलिजेंट डेटा सुधार को महत्वपूर्ण रूप से बढ़ाने के लिए ऑन्टोलॉजी-आधारित रीजनिंग को एनएलपी-संचालित लेक्सिकल वैलिडेशन के साथ एकीकृत करता है, जैसा कि प्रदूषित स्वास्थ्य देखभाल डेटा पर पारंपरिक लेक्सिकल-ओनली दृष्टिकोणों की तुलना में बेहतर प्रदर्शन द्वारा प्रदर्शित किया गया है।
यह शोध पत्र Agent-MIRUPD का प्रस्ताव करता है, जो एक LLM-आधारित एजेंट फ्रेमवर्क है जो ऑब्जर्वेबिलिटी डेटा को संरचित बहु-चरणीय तर्क (multi-step reasoning) के साथ एकीकृत करता है ताकि पूर्ण माइक्रोसर्विसेज इंसिडेंट-रिस्पॉन्स लाइफसाइकिल को स्वचालित किया जा सके, जिससे मौजूदा बेसलाइन्स की तुलना में डायग्नोसिस गति, मिटिगेशन सटीकता और टोकन दक्षता में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि स्थानिक हैश तालिकाओं (spatial hash tables) को वृद्धिशील रूप से बनाए रखने के लिए टेम्पोरल कोहेरेंस (temporal coherence) का लाभ उठाना सुसंगत गति वाले परिदृश्यों में पार्टिकल नेबर सर्च को महत्वपूर्ण रूप से तेज़ कर सकता है, इसका प्रदर्शन प्रदर्शन कणों की गति और तालिका के लोड के प्रति अत्यधिक संवेदनशील होता है, जो अक्सर इन कारकों के विशिष्ट थ्रेशोल्ड से अधिक होने पर पूर्ण पुनर्निर्माण (full reconstruction) को एक सुरक्षित विकल्प बना देता है।
DFL-YOLO एक नवीन डिटेक्शन फ्रेमवर्क है जो यूएवी (UAV) इमेजरी से घने मल्टी-क्लास ट्री क्राउन डिटेक्शन में स्केल वेरिएशन, फीचर एम्बिग्युटी और लोकलाइजेशन एरर्स को प्रभावी ढंग से संबोधित करने के लिए लार्ज सेलेक्टिव कर्नेल्स, एक डेंसिटी-गाइडेड फ्रीक्वेंसी डिकपलिंग ब्रांच और एक मल्टी-स्ट्रेटजी वेटेड IoU लॉस को एकीकृत करता है।