24717 ورقة بحثية
تقترح الورقة البحثية إطار عمل للتعلم التعزيزي قابل للتوسع لجدولة ورش العمل، يستخدم تجانس الرسوم البيانية القائم على الميزات لتحقيق تعقيد خطي، ويستفيد من استراتيجية تدريب "التشبع الهيكلي" لتمكين التعميم القوي والتعميم الصفري (zero-shot) للمشكلات الصناعية واسعة النطاق.
يُقدم هذا البحث إثباتاً لمفهوم "عكس" النماذج التأسيسية للدماغ باستخدام الاستدلال القائم على المحاكاة لاستعادة خصائص المحفزات اللغوية من النشاط العصبي الاصطناعي، مما يشير إلى إمكانية استخدام هذه النماذج لفك تشفير إشارات الدماغ وللتصميم العكسي للمحفزات القابلة للتحكم.
تُعد ZenBrain بنية ذاكرة مستوحاة من علم الأعصاب مكونة من سبع طبقات للذكاء الاصطناعي المستقل، وتستخدم خمس عشرة خوارزمية متخصصة — بما في ذلك مكونات مبتكرة للترسيخ والنسيان والتعديل العصبي — لتتفوق بشكل كبير على أنظمة الذاكرة المسطحة الحالية في الاستقرار، ودقة الاسترجاع، والكفاءة الحسابية.
تقترح الورقة البحثية مساراً جديداً متكاملاً (end-to-end) لتكييف النماذج التوليدية ذات الصندوق الأسود مع مجالات جديدة باستخدام دوال فقد تحافظ على الهندسة، والتي تحافظ على المسافات الزوجية بين الفضاءات المماسية أثناء عملية عكس الفضاء الكامن.
تُظهر هذه الدراسة أن البنيات خفيفة الوزن، وتحديداً نموذج MobileNetV2 مع تقنية Squeeze-and-Excitation، يمكنها تحقيق توازن عملي بين أداء التجزئة والكفاءة الحسابية في الكشف عن آفات تصوير الثدي مقارنة بالنماذج التقليدية الثقيلة مثل U-Net.
تقدم هذه الورقة نهجاً للتحسين التوافقي العصبي باستخدام الشبكات العصبية الرسومية والرسوم البيانية الموسعة لتسريع التنبؤ ببنية البلورات من خلال أخذ عينات فعالة للتكوينات الذرية على شبكة منفصلة مع الحفاظ على القياس الكيميائي المطلوب.
تقترح هذه الورقة إطار تقييم مدركاً للمجتمع الإحصائي باستخدام استراتيجية توسيع n-gram لتطوير والتحقق من صحة مؤشرات حيوية لتخطيط كهربائية الدماغ (EEG) قوية وقابلة للتعميم للكشف عن مرض باركنسون، والتي تظل موثوقة سريرياً عبر مجموعات مرضى متنوعة ومتعددة المواقع.
تُظهر هذه الدراسة أن مُعاملات فورييه العصبية (FNOs) تتفوق على الشبكات العصبية المستوحاة من الفيزياء (PINNs) في التنبؤ بالآثار الديناميكية متعددة المقاييس لتوربينات الرياح البحرية العائمة، وذلك من خلال التقاط الهياكل الاضطرابية عالية التردد والتوافقات من الرتب العليا بدقة أكبر، مع توفير سرعات تدريب أسرع بشكل ملحوظ.
تقدم هذه الورقة طريقة معايرة قائمة على البيانات للنماذج ذات الرتبة المنخفضة العشوائية، تستخدم الدرجة الشرطية لكثافات الانتقال في زمن محدد لتقدير معاملات الانجراف والانتشار مباشرة من إحصاءات الارتباط المتأخر، متجنبةً بذلك الحاجة إلى تمايز المسارات أو المحاكاة المتكررة.
تُعد DecompKAN بنية معمارية خفيفة الوزن للتنبؤ بالسلاسل الزمنية وخالية من آلية الانتباه، تستخدم تفكيك الاتجاه والبواقي وشبكات كولموغوروف-أرنولد (KAN) القائمة على شرائح B-spline لتحقيق دقة تنبؤية تنافسية مع توفير شفافية النموذج من خلال وظائف حواف قابلة للفحص والتصور.