24832 ورقة بحثية
تقدم هذه الورقة طريقة مبتكرة لاكتشاف السمات الصرفية في لغات البانتو ذات الموارد المنخفضة، مثل لغة جيرياما، من خلال الجمع بين التعلم بنقل المعرفة عبر اللغات من اللغة السواحيلية والتجميع غير الخاضع للإشراف لتحقيق دقة عالية في تعيين فئات الأسماء والترجيع الصرفي مع تحديد أنماط لغوية لم تكن موثقة سابقاً.
تُثبت هذه الورقة أن نماذج المحولات العصبية (neural transformer models) المدربة على البيانات الصرفية الحديثة للغات البانتو يمكنها بنجاح استعادة البنى المعجمية التاريخية وأنماط الكلمات المشتقة من أصل واحد التي تتوافق مع إعادة البناء المعتمدة للغة البانتو الأصلية (Proto-Bantu).
تقترح هذه الورقة طريقةً تراعي عدم اليقين وذات كفاءة في الميزانية لملائمة قانون القياس، حيث تعامل اختيار التجارب كمسألة تصميم تسلسلي، مما يسمح للباحثين بتحقيق دقة استقراء عالية مع استخدام جزء ضئيل فقط من إجمالي ميزانية التدريب.
تجادل هذه الورقة بأن تقييم المصنفات مقابل مقيمين فرديين ومتوسط النتائج هو أكثر منهجية من استخدام أغلبية الأصوات عندما تفتقر الأحكام البشرية إلى الموضوعية أو التجرد، وتطرح مفهوم "تكافؤ المقيم" كمعيار لتحديد الحد الأدنى من عدد المقيمين اللازم لمطابقة أداء المصنف.
تقترح هذه الورقة إطار عمل لتصميم سياسات تشجيع مثالية ومنصفة في السياقات التي لا يمكن فيها فرض العلاج، مبرهنةً على أن العدالة والمتانة تعتمدان على نمذجة كل من الاستجابة للتوصيات وفعالية العلاج لتحسين معدل الإقبال المستحث بدلاً من مجرد معدلات التوصية.
تقترح هذه الورقة اختباراً إحصائياً جديداً من نوع (K-fold CUBV) يجمع بين التحقق المتقاطع (K-fold cross-validation) والحدود العليا البايزية (Bayesian upper bounds) ومتباينات التركيز (concentration inequalities) لتوفير معيار قوي للتحقق من دقة تعلم الآلة وكشف التأثيرات مع تجنب الإيجابيات الكاذبة الزائدة، لا سيما في سيناريوهات أحجام العينات الصغيرة والبيانات غير المتجانسة.
تقدم هذه الورقة طريقة "تقدير المئينات العصبية المعايرة" (Calibrated Neural Quantile Estimation)، وهي طريقة استدلال قائمة على المحاكاة تجمع بين العديد من عمليات المحاكاة التقريبية ومجموعة صغيرة من عمليات المحاكاة عالية الدقة لتحقيق قيود غير متحيزة وشبه مثالية للمعلمات الكونية من بيانات البنية واسعة النطاق بتكلفة حوسبة تمثل جزءاً ضئيلاً من التكاليف التقليدية.
تقترح هذه الورقة إطار عمل لوصف بيانات المتجهات الداعمة لمتعدد الأنماط المنظم بيانياً (MS-SVDD) يقوم بإسقاط بيانات مستشعرات الشبكة الذكية غير المتجانسة في فضاء فرعي مشترك مع الحفاظ على التبعات الهيكلية الخاصة بكل نمط، مما يعزز بشكل كبير من قوة كشف الشذوذ في البنية التحتية الحيوية.
تُظهر هذه الدراسة أن تطبيق تقنيات تعلم الآلة القابلة للتفسير لتقليم الميزات غير ذات الصلة والمرتبطة من نموذج انحدار متجه الدعم يؤدي إلى إنتاج متنبئ مبسط مكون من خمس ميزات لفجوات النطاق للمواد، يحافظ على دقة عالية مع تحسين القدرة على التعميم والتفسير بشكل كبير لاكتشاف المواد.
تقترح هذه الورقة طريقة خالية من التدريب للتصنيف القوي عبر اشتقاق درجة حرارة "softmax" مثلى بناءً على أبعاد الميزات، والتي يتم تنقيحها من خلال معاملات تجريبية وطبقة تطبيع الدفعات لاستقرار الأداء عبر النماذج ومجموعات البيانات المتنوعة.