🤖 machine learning

Progressive Approximation in Deep Residual Networks: Theory and Validation

تقترح هذه الورقة "التقريب التدريجي عبر الطبقات" (LPA)، وهو مبدأ تدريب قائم على أسس نظرية يُمكّن الشبكات المتبقية من تحسين التقريبات خطوة بخطوة عبر الطبقات، مما يسمح لنموذج واحد مُدرب بتقديم تنبؤات مفيدة عند أي عمق من أجل النشر متعدد الأعماق بكفاءة.

Wei Wang, Xiao-Yong Wei, Qing Li2026-04-28
📊 statistics

A Divergence-Based Method for Weighting and Averaging Model Predictions

تقترح هذه الورقة إطار عمل عام للتباعد الأدنى لوزن ومتوسط تنبؤات النماذج الاحتمالية، مبرهنةً على أنه يتفوق على أو يضاهي الطرق القياسية مثل تجميع النماذج (model stacking) والوزن بأسلوب "أكايكي" (Akaike-style weighting)، لا سيالما في سيناريوهات العينات الصغيرة.

Olav Benjamin Vassend2026-04-28
🧬 biology

CMGL: Confidence-guided Multi-omics Graph Learning for Cancer Subtype Classification

يُعد CMGL إطار عمل لتعلم الرسوم البيانية ثنائي المراحل يعمل على تحسين تصنيف الأنواع الفرعية للسرطان من خلال استخدام التعلم العميق الدليلي لتقدير موثوقية كل نمط ظاهري لكل عينة، والتي تُستخدم بعد ذلك لتوجيه الاندماج عبر الأوميات ومنع الضوضاء من تشويه رسوم التشابه بين المرضى.

Boyang Fan, Hengchuang Yin, Siyu Yi, Yifan Wang, Zhicheng Li, Leijiyu Zhou, Jiancheng Lv, Wei Ju2026-04-28
🤖 machine learning

IMPA-Net: Meteorology-Aware Multi-Scale Attention and Dynamic Loss for Extreme Convective Radar Nowcasting

تُعد IMPA-Net إطار عمل حتمي للتنبؤ قصير المدى بالرادار، يستخدم خلاطاً مكانياً خالياً من المعلمات، وانتباهاً تنبؤياً متعدد المقاييس، وفقداناً ديناميكياً مدركاً للأرصاد الجوية لمنع تنعيم التوقعات وتحسين اكتشاف الهطولات المطرية الحملية الكثيفة.

Haofei Cui, Guangxin He, Juanzhen Sun, Jingjia Luo, Haonan Chen, Xiaoran Zhuang, Mingxuan Chen, Xian Xiao2026-04-28
🤖 machine learning

BitRL: Reinforcement Learning with 1-bit Quantized Language Models for Resource-Constrained Edge Deployment

إن BitRL هو إطار عمل يُمكّن من نشر وكلاء التعلم التعزيزي على أجهزة الحافة ذات الموارد المحدودة من خلال استخدام نماذج لغوية مكممة ببت واحد (BitNet b1.58) لتقليل استهلاك الذاكرة والطاقة بشكل كبير مع الحفاظ على أداء عالٍ للمهام.

Md. Ashiq Ul Islam Sajid, Mohammad Sakib Mahmood, Md. Tareq Hasan, Md Abdur Rahim, Rafat Ara, Md. Arafat Hossain2026-04-28
🤖 machine learning

Latent-Hysteresis Graph ODEs: Modeling Coupled Topology-Feature Evolution via Continuous Phase Transitions

تقدم الورقة البحثية **معادلات التفاضلية العادية للرسوم البيانية ذات التباطؤ (HGODE)**، وهو إطار عمل مبتكر يمنع انهيار المعلومات المتأصل في المعادلات التفاضلية العادية القياسية للرسوم البيانية من خلال ربط تطور الميزات بجهد طوبولوجي كامن يسمح للحواف بالخضوع لتحولات طورية مستمرة بين حالتي الاتصال والعزل.

Qinhan Hou, Jing Tang2026-04-28
⚡ electrical engineering

Semantic Segmentation for Histopathology using Learned Regularization based on Global Proportions

تقدم الورقة البحثية "التقسيم التبايني من نسب الملصقات" (VSLP)، وهو إطار عمل ثنائي المراحل يقوم بالتقسيم النسيجي المرضي على مستوى البكسل دون الحاجة إلى تسميات على مستوى البكسل، وذلك عبر حل مسألة تحسين تبايني تدمج تقديرات الثقة القائمة على المحولات مع نسب الملصقات العالمية ومنظم متعلم.

Yangping Li, Thomas Pinetz, Michael Hölzel, Marieta Toma, Alexander Effland2026-04-28
🤖 machine learning

Diffusion Templates: A Unified Plugin Framework for Controllable Diffusion

تُعد Diffusion Templates إطار عمل موحد ومفتوح المصدر للإضافات يعمل على فصل نماذج الانتشار الأساسية عن القدرات القابلة للتحكم من خلال واجهة معيارية، مما يتيح التكوين التركيبي السلس والنقل الانسيابي لمختلف طرق التحكم (مثل Loora وKV-Cache) عبر مختلف هياكل النماذج الأساسية.

Zhongjie Duan, Hong Zhang, Yingda Chen2026-04-28
🤖 machine learning

Primitive Recursion without Composition: Dynamical Characterizations, from Neural Networks to Polynomial ODEs

تثبت هذه الورقة أن الشبكات العصبية المتكررة، والمعادلات التفاضلية العادية متعددة الحدود، والخرائط متعددة الحدود، هي جميعها أطر عمل متكافئة لحساب الدوال العودية الأولية، مما يكشف كيف يعوض كل نظام منها عن القيود الهيكلية للأنظمة الأخرى — مثل التفرع، أو التقريب، أو التجزئة — من خلال خصائصه الديناميكية المحددة.

Olivier Bournez2026-04-28
🤖 machine learning

DPRM: A Plug-in Doob h transform-induced Token-Ordering Module for Diffusion Language Models

تُعد DPRM وحدة إضافية لنماذج اللغات الانتشارية تعمل على تحسين أداء التوليد عبر مجالات متنوعة من خلال استبدال استراتيجيات ترتيب الرموز العشوائية أو القاصرة بسياسة مائلة للمكافأة موجهة بواسطة نموذج مكافأة عملية "Doob h-transform".

Dake Bu, Wei Huang, Andi Han, Hau-San Wong, Qingfu Zhang, Taiji Suzuki, Atsushi Nitanda2026-04-28