25787 ورقة بحثية
تقدم هذه المقالة نظرة عامة على أحدث أساليب التعلم التعزيزي لمعالجة اللغات الطبيعية مع تركيز أساسي على الأنظمة القائمة على الحوار من خلال تحديد المشكلات ذات الصلة، وتحليل مدى ملاءمة هذه النهج وحدودها، ورسم اتجاهات البحث المستقبلية الواعدة.
تضع هذه الورقة حدود تقارب من نوع لابلابلاس كمية لتدابير الاحتمال الأسية ذات الجهود الشبيهة بالمعيار تحت شرط جاكوبي معمّم باستخدام أدوات نظرية القياس الهندسي، وتطبق هذه النتائج على نماذج الاعتلاج الأقصى والتقارب عند درجات الحرارة المنخفضة لخوارزمية ديناميات لانجفان للتدرج العشوائي من أجل التقليل غير المحدب.
يتقصى هذا العمل تأثير تكرار التغذية الراجعة في التعلم التعزيزي التفاعلي للمهام الروبوتية ذات المساحات المستمرة، ويُظهر عدم وجود تردد أمثل واحد، وأن معدلات التغذية الراجعة يجب أن تُكيف ديناميكيًا مع الكفاءة المتزايدة للوكيل.
يُعد Can-SAVE نظام ذكاء اصطناعي خفيف الوزن وقابل للتوسع، يستفيد من تحليل البقاء على قيد الحياة والسجلات الصحية الإلكترونية ليتفوق بشكل كبير على بروتوكولات الفحص التقليدية في معدلات اكتشاف السرطان وتغطية السكان، كما أثبتت التقييمات المكثفة على أكثر من 2.5 مليون مريض في روسيا.
تقدم الورقة البحثية إطار عمل "AIMEN"، وهو إطار للتعلم العميق يستخدم تقنية "CTGAN" لتعزيز البيانات ومجموعة من الشبكات العصبية للتنبؤ بالنتائج السلبية لحديثي الولادة بدقة عالية، مع تقديم تفسيرات مضادة للواقع قابلة للتنفيذ والتفسير لدعم اتخاذ القرار السريري أثناء عملية المخاض.
تقترح هذه الورقة البحثية "تعلم الانتقال العكسي البايزي" (Bayesian Inverse Transition Learning)، وهو أسلوب جديد قائم على القيود يستفيد من القرب من المثالية لمسارات الخبراء لتقدير ديناميكيات الانتقال وتحسين اتخاذ القرار في التعلم المعزز القائم على النماذج غير المتصل (offline model-based reinforcement learning)، لا سيما في سيناريوهات الرعاية الصحية شحيحة البيانات مثل إدارة انخفاض ضغط الدم في وحدة العناية المركزة.
مستوحىً من فرضية تذكرة اليانصيب جيدة التهيئة، يقدم البحث "Soft-Transformer" (Soft-TF)، وهو إطار عمل للتعلم المستمر فعال في استخدام المعلمات، يستخدم أقنعة ضربية ذات قيم حقيقية ناعمة على إسقاطات الانتباه الذاتي لنموذج "Transformer" مدرب مسبقاً ومجمد، مدمجاً مع آلية تعزيز مزدوجة لتحقيق أداء يضاهي أفضل النتائج الحالية مع التخفيف بفعالية من النسيان الكارثي.
تقدم هذه الورقة إطار عمل الشبكات العصبية الرسومية غروتينديك (GkGNN)، الذي يستبدل البدائية المجاورة التقليدية بامتداد جبري صارم للمغطيات لتمكين تمرير الرسائل المدرك للطوبولوجيا، مما ينتج عنه الشبكة العصبية المنخلية (SNN) التي تتفوق بشكل كبير على النماذج الحالية في اختبارات تماثل الرسوم البيانية.
تقترح هذه الورقة استخدام المشفرات التلقائية التباينية غير المشروطة والمشروطة المدربة على بيانات تجريبية من السيارات الكهربائية الرياضية متعددة الاستخدامات لتخليق إشارات "الرعشة" (jerk) في نظام نقل الحركة بشكل واقعي انطلاقاً من طلب عزم الدوران، مما يوفر بديلاً قائماً على البيانات للتجارب الفيزيائية المكلفة والنمذجة اليدوية المعقدة لتطوير المركبات.
تقارن هذه الدراسة التجريبية بين التعلم المعزز أحادي الهدف والتعلم المعزز متعدد الأهداف لاختبار المتطلبات المترابطة في المركبات ذاتية القيادة، ووجدت أنه بينما يُظهر كلا النهجين فعالية متقاربة، فإن التعلم المعزز متعدد الأهداف يقدم تنوعاً وتغطيةً فائقة للسيناريوهات، في حين يميل التعلم المعزز أحادي الهدف إلى إنتاج انتهاكات ذات شدة أعلى.