24832 ورقة بحثية
تقدم هذه الورقة مفسرين جديدين محايدين للنموذج للشبكات العصبية الرسومية الزمنية (TGNNs) — مفسر "شابلي" على مستوى الحدث ومفسر قائم على "قيمة أوين" على مستوى الميزات — يتفوقان على الأساليب الحالية ويمكنهما تحديد العيوب في تنفيذ النماذج.
تقترح هذه الورقة نهجاً لتعلم المجموعات الفوقية (meta-ensemble learning) يعمل على تحسين أداء وتعميم تصنيف أصوات الجهاز التنفسي من خلال تدريب النماذج الأساسية على تقسيمات بيانات متنوعة ودمج تنبؤاتها عبر نموذج فوقي مُدرب.
تقدم الورقة البحثية "اكتشاف المهارات ذات الصلة دلالياً" (SRSD)، وهو نهج يعتمد على وجود الإنسان في الحلقة لتحسين كفاءة وتنوع اكتشاف المهارات غير الخاضع للإشراف في التعلم التعزيزي، وذلك عبر استخدام التسميات الدلالية البشرية لتوجيه تعلم سلوكيات أكثر مغزىً وصلة.
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.
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.
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.
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.
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.
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.
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.