24939 ورقة بحثية
تبحث هذه الورقة في كيفية قدرة استراتيجيات اختيار البيانات المستهدفة — وتحديداً أخذ العينات العشوائية، وفرق الإنتروبيا المتقاطعة، والوزن الأهمي، والاسترجاع القائم على التضمين — على التخفيف من حدة النقل السلبي وتحسين تعميم نماذج الكشف الآلي عن الامتثال التنظيمي عبر المجالات القانونية المتنوعة.
تقدم الورقة البحثية TaNOS، وهو إطار عمل للتدريب المسبق المستمر يعزز متانة وقابلية نقل الاستدلال العددي في الجداول المتخصصة من خلال الجمع بين إخفاء هوية العناوين، ومخططات العمليات، والتعلم الذاتي القائم على البرامج أولاً للتغلب على قيود الضبط الدقيق الخاضع للإشراف وتحولات النطاق.
تقترح هذه الورقة إطار عمل HAF-DS، وهو إطار عمل هجين للذكاء الاصطناعي يدمج التنبؤ بالطلب القائم على شبكات الذاكرة الطويلة قصيرة المدى (LSTM) مع البرمجة الخطية للأعداد الصحيحة المختلطة لتحسين دقة التنبؤ بشكل كبير وتقليل التكاليف التشغيلية في سلاسل توريد المنسوجات ومعدات الوقاية الشخصية المتقلبة.
تقترح هذه الورقة طريقة للتحقق من المتطلب غير الوظيفي المتمثل في القابلية للتفسير في نماذج تعلم الآلة من خلال الاستفادة من منشأ تعلم الآلة لتحويل المتطلب الذي لا يمكن قياسه بخلاف ذلك إلى متطلبات وظيفية قابلة للقياس عبر التسجيل المنهجي لتسلسل نسب النموذج والبيانات.
تُعد A-THENA نظاماً خفيف الوزن للكشف المبكر عن التسلل في شبكات إنترنت الأشياء، يعتمد على بنية Transformer مع ترميز هجين مدرك للزمن وتعزيز خاص بالشبكة لتحقيق دقة فائقة وأداء في الوقت الفعلي على الأجهزة محدودة الموارد مثل Raspberry Pi Zero 2 W.
تُثبت هذه الورقة أن نماذج الـ n-gram خفيفة الوزن، لا سيما عند تعزيزها بخوارزمية تجميع "الترقية" المقترحة التي تختار ديناميكيًا بين النماذج النشطة، تحقق دقة تضاهي أو تتفوق على البنى العصبية في التنبؤ بسجل الأحداث، مع تقديم استقرار فائق وتكاليف حوسبة أقل بكثير.
تقدم هذه الورقة البحثية "مطابقة مسار بيزييه" (BTM)، وهي طريقة مبتكرة لتكثيف البيانات تستبدل مسارات الانحدال الاشتقاقي العشوائي (SGD) ببدائل "بيزييه" تربيعية مهيكلة للتغلب على اختناقات التمثيل في مطابقة المسارات التقليدية، مما يحقق أداءً فائقاً في مجموعات البيانات السريرية، لا سيما في سيناريوهات انخفاض معدل الانتشار وانخفاض الميزانية.
تقترح هذه الورقة إطار عمل للتوازي البياني واسع النطاق باستخدام Dask، والكمية المكممة (Product Quantization)، والفهرسة المعكوسة (Inverted Indexing) لتقليل التكاليف الحسابية وتكاليف الذاكرة بشكل كبير في عملية البحث عن أقرب الجيران التقريبي (Approximate Nearest Neighbor search)، مع الحفاظ على دقة مماثلة لمعالجة البيانات متوسطة النطاق.
تقدم هذه الورقة البحثية R-DCNN، وهي طريقة فعالة حاسبياً تجمع بين الشبكات العصبية التلافيفية المتسعة واستراتيجية إعادة أخذ عينات خفيفة الوزن لإزالة الضجيج وتقدير الإشارات الدورية ذات الترددات المتغيرة باستخدام ملاحظة واحدة، محققةً أداءً يضاهي التقنيات الرائدة مع العمل تحت قيود صارمة للموارد.
تقدم هذه الورقة البحثية "تعلم التهيئة المتوافق مع الحلّال" (SAIL)، وهو نهج تدريب قابل للتفاضل يعالج فشل الاستقراء في نماذج التنبؤ بالمصفوفات السابقة من خلال التحسين من أجل تقارب الحلّال بدلاً من دقة الحالة الأرضية، مما يحقق تسريعاً كبيراً في حسابات نظرية الكثافة الوظيفية (SCF) على جزيئات أكبر بعشر مرات من مجموعة التدريب.