25254 ورقة بحثية
يُعد LAGO إطار عمل قويًا للمحاذاة البصرية النصية بنمط "التعلم الصفري" (zero-shot)، حيث يعمل على تحسين التعرف الدقيق من خلال إنشاء تهيئة مستقرة متمحورة حول الكائنات أولاً، ثم تطبيق صقل موجه لغويًا يتسم بالتكيف والتحكم في الثقة لتجنب حلقات التنبؤ التي تضخم الأخطاء، مع تجميع الأدلة متعددة المستويات بكفاءة باستخدام عدد أقل من المناطق المرشحة.
تقدم الورقة البحثية WATCH، وهو إطار عمل قابل للتوسع يستفيد من صور الأقمار الصناعية وتضمينات النماذج التأسيسية لتحديد الاضطرابات على مستوى الأشهر بفعالية عبر آلاف المواقع الأثرية، مما يثبت أن الطرق الزمنية غير الخاضعة للإشراف تتفوق على النهج ضعيفة الإشراف في اكتشاف تهديدات التراث الدقيقة.
تقدم الورقة البحثية MULTITEXTEDIT، وهو معيار مرجعي منضبط يمتد عبر 12 لغة ومقياساً جديداً لدقة اللغة، لتوضيح أن أنظمة تحرير النصوص داخل الصور الحالية تعاني من تدهور كبير في دقة اللغات عبر اللغات، لا سيما في دقة الخطوط للغات غير اللاتينية، على الرغم من الحفاظ على البنية البصرية العالمية.
تقدم هذه الورقة parHSOM، وهو تنفيذ موازٍ مبتكر لخرائط التنظيم الذاتي الهرمية يقلل بشكل كبير من وقت التدريب لأنظمة كشف التسلل على مجموعات البيانات الكبيرة مع الحفاظ على أداء مماثل للخوارزمية التسلسلية.
تقترح هذه الورقة إطار عمل يعتمد على التعلم بنقل المعرفة للكشف عن تزييف الصور الرقمية، يجمع بين صور RGB وميزات فرق الضغط ويوظف تحسين العتبة التكيفية، مظهرةً أن بنيتي DenseNet121 وResNet50 تحققان أداءً فائقاً على مجموعة بيانات CASIA v2.0 مع تسليط الضوء على الأهمية البالغة للمقاييس التي تتجاوز الدقة من أجل الموثوقية الجنائية.
تقدم هذه الورقة مقارنة منهجية لأربع طرق استدلال غير متزامنة لنماذج الرؤية واللغة والعمل (Vision-Language-Action) تحت ظروف خاضعة للتحكم، كاشفةً أن التصحيح المتبقي خفيف الوزن (A2C2) يتفوق على غيره في معايير Kinetix وLIBERO، بينما يوفر محاكاة تأخير وقت التدريب (TT-RTC) الحل الأكثر متانة وبدون عبء إضافي.
تقدم هذه الورقة طبقات "ديناميكيات التواصل" (Communication Dynamics - CD) الخطية، وهي بنية شبكة عصبية دورية كتلية تستفيد من قطر فوريه (Fourier diagonalization) لتحقيق رقم شرط هسيان (Hessian condition number) مثالي تقريباً ومعدل إسقاط (dropout rate) مستند إلى أسس نظرية، مما يتيح تقليلاً في المعلمات بمقدار 3.8 ضعفاً مع أدنى فقد في الدقة مقارنة بالنماذج المرجعية الكثيفة.
تقترح هذه الورقة إطار عمل "كثافة المعلومات" الذي يستخدم الارتباطات المكانية والزمانية والمتعددة الأنماط لتمكين الاستشعار الافتراضي المدفوع بالذكاء الاصطناعي، مُثبتةً من خلال بيانات مدينة مدريد الذكية أنه يمكن استبدال المستشعرات الفيزيائية بأخرى افتراضية بفعالية وبأقل قدر من الخطأ (أقل من 3.21%) لإنشاء أنظمة إنترنت أشياء قابلة للتوسع وموفرة للطاقة.
تقترح الورقة البحثية FreqAdapter، وهي طريقة لضبط دقيق فعال في المعلمات تدمج التوجيه النصي لإجراء تكييف للإشارات متعدد المقاييس في النطاق الترددي، مما يتغلب على قيود التكرار ومجال الاستقبال الثابت للنهج الحالية لتحسين الأداء والكفاءة بشكل كبير في النماذج متعددة الوسائط.
يُرسخ هذا البحث مساراً معتمداً لتنقية إشارات تخطيط كهربائية الدماغ المصاحبة للتحفيز المغناطيسي عبر الجمجمة (TMS-EEG) ومجموعة بيانات مرجعية لتقييم ومقارنة استراتيجيات إزالة الشوائب في النطاق المصدري، مما يُظهر تحسناً في جودة الإشارة وموثوقيتها من أجل التحفيز العصبي ذي الحلقة المغلقة والتطبيقات السريرية الأوسع نطاقاً.