706 ورقة بحثية
تقترح هذه الورقة بنيةً لصناعة السوق التكيفية تحافظ على الكفاءة التحليلية لإطار عمل "أفيلينايدا-ستويكوف" مع إدخال آلية بأسلوب مقياس الخَلَف لضبط التغيرات ديناميكياً وفقاً لأوضاع السوق المتغيرة وأهداف التداول من خلال فصل ديناميكيات السوق عن هدف التداول.
تقدم هذه الورقة نهجاً لتعلم الآلة المعتمد على الفيزياء الاحتمالية، والذي يعيد بناء الأحمال الديناميكية الهوائية بدقة من بيانات الاستجابة الهيكلية المشوبة بالضجيج دون فرط في التخصيص أو تنظيم، مما يثبت فعاليته في جسر "جريت بيلت إيست" لتطبيقات مثل التحقق من صحة النماذج والتنبؤ بالأضرار الهيكلية.
تقدم هذه الورقة Sig-Graph GAN، وهي شبكة خصامية توليدية مبتكرة تجمع بين التوقيعات الزمنية، وشبكات LSTM، والشبكات العصبية الرسومية المستمدة عبر الرسوم البيانية للرؤية لالتقاط الأنماط الزمنية والهندسية بفعالية لتوليد بيانات سلاسل زمنية مالية اصطناعية عالية الجودة.
تقدم الورقة البحثية LineageFlow، وهو نموذج مطابقة تدفق ديليشيه (Dirichlet flow-matching) يعزز توليد تسلسلات بروتينية ذات صلة بيوفيزيائية ومتسقة عائلياً من خلال البدء من أولويات السلالة السلفية واستخدام استراتيجية إعادة توجيه مبتكرة لأخذ العينات الموجهة بالأهداف، مما يتفوق بذلك على النماذج المرجعية التقليدية القائمة على الضجيج في الصلاحية، والثقة الهيكلية، والتنوع.
تقترح هذه الورقة إطار عمل هجينًا يجمع بين شبكة كولموغوروف-أرنولد وXGBoost للتنبؤ بأسعار الكهرباح لمدة أسبوع مقدم في السوق الوطنية للكهرباء في أستراليا، مما يظهر دقة فائقة مقارنة بالنماذج المرجعية من خلال الجمع الفعال بين التمثيل غير الخطي العالمي والمتانة المحلية للتعامل مع التقلبات العالية في السوق وعدم اليقين الناجم عن الطاقة المتجددة.
تقترح هذه الورقة نموذجاً مبتكراً يبني فائق رسوم بيانية ديناميكية (dynamic hypergraphs) من سلاسل زمنية متعددة المتغيرات دون معرفة مسبقة عبر الاستفادة من كشف المجتمعات وآليات الانتباه، والتي تتم معالجتها بعد ذلك بواسطة شبكة تلافيف انتباه الفائق الرسوم البيانية الديناميكية (DHACN) لالتقاط العلاقات عالية الرتبة بفعالية لمهام التنبؤ.
تقترح هذه الورقة إطار عمل للتعلم العميق يدمج بين الشبكات العصبية الالتفافية ثلاثية الأبعاد (3D CNNs)، وشبكات الذاكرة الطويلة قصيرة المدى ثنائية الاتجاه (BiLSTMs)، وآلية الانتباه متعدد الرؤوس (multi-head attention) لتحسين التنبؤ بالتباين المشترك متوسط المدى للمحافظ الاستثمارية متعددة الأصول بشكل كبير، متفوقة بذلك على المعايير الكلاسيكية في الدقة ومحققة فوائد اقتصادية ملموسة من خلال تقليل التقلبات ومعدل دوران المحفظة.
تقدم هذه الورقة طريقة "ديسكونتينويتوس غاليركين" (Discontinuous Galerkin) تكيفية عالية الرتبة، متوازنة الكتلة، ومحافظة على الكتلة، ومحافظة على الإيجابية، تم تنفيذها باستخدام مكتبة deal.II، والتي تحاكي بفعالية تدفقات المياه الضحلة فوق تضاريس قاع غير منتظمة ودقيقة تحت مستوى الشبكة، وتتعامل مع جبهات الجفاف والبلل دون الحاجة إلى افتراضات الانتظام.
تقدم هذه الورقة KSOS-BO، وهو إطار عمل قائم على النواة وخالٍ من المشتقات، يصيغ تحسين دالة الاستحواذ في التحسين البايزي كبرنامج شبه محدد، مما يظهر كفاءة عينة فائقة وتقارباً أسرع في وقت التشغيل الفعلي مقارنة بالنماذج المرجعية القياسية الخالية من المشتقات عبر مناظر طبيعية معيارية متنوعة.
تقدم هذه الورقة نموذج "الزمن-الهندسي" (Time-Geometric)، الذي يدمج الشبكات العصبية الرسومية لالتقاط الأنماط الهندسية جنباً إلى جنب مع البيانات الزمنية، مُثبتاً من خلال تقييم تجريبي واسع النطاق أن هذا النهج يحقق تحسينات ذات دلالة إحصائية في دقة التنبؤ بالسلاسل الزمنية المالية أحادية المتغير.