22423 ورقة بحثية
يُعد محرك التنبؤ الكوكبي (PPE) نظام ذكاء اصطناعي ذاتي التشغيل يعمل على تبسيط النمذجة الجيومكانية من خلال الاسترداد التلقائي ودمج البيانات متعددة الأنماط مع تضمينات النماذج التأسيسية لتحسين البنى المخصصة لمهام محددة، متفوقاً باستمرار على الخطوط المرجعية للخبراء اليدوية عبر تحديات عالمية متنوعة مثل مراقبة الصحة، وتقييم مخاطر الكوارث، والأمن الغذائي.
تُثبت هذه الورقة أن عميلاً مستقلاً للذكاء الاصطناعي، يعمل بموجب بروتوكول بحث ذاتي صارم مع ضمانات مدمجة، يمكنه أتمتة تصميم خوارزميات تعلم الآلة للتحكم في القدرة عند حافة الخلية بشكل كامل، مكتشفاً حلاً عاماً يحقق أداءً قريباً من الأمثل بتكاليف استدلال أقل بكثير من الطرق المصممة يدوياً.
تقدم هذه الورقة إطار عمل للتعلم العميق موفر للذاكرة لتجزئة حدود آفات الجلد، يستفيد من تقنية "In-Place Activated Batch Normalization" لتمكين تجميع نماذج عالية السعة تحت موارد وحدة معالجة رسومات محدودة، محققاً درجة "Thresholded Jaccard" تبلغ 0.752 في تحدي ISIC 2018، مع إظهار التأثير الكبير للتجميع والتدريب المسبق مقارنة بالنماذج المرجعية الحديثة أحادية النموذج.
تقترح الورقة البحثية إطار عمل RACR-MIL، وهو إطار تعلم متعدد الحالات قائم على الانتباه ضعيف الإشراف، يستخدم رسماً بيانياً هجيناً لصور الشرائح الكاملة (WSI) وقيود ترتيب الرتب لتحقيق أفضل مستويات التعميم والدقة في تصنيف سرطان الخلايا الحرشفية عبر مواقع تشريحية متعددة.
تقدم هذه الورقة البحثية AdAdaGrad ومتغيره القياسي AdAdaGradNorm، وهما مخططات حجم الدفعة التكيفية لطرق التدرج التكيفي التي تزيد أحجام الدفعات تدريجياً أثناء التدريب لتحقيق ضمانات تقارب نظرية وتحسين كل من كفاءة التدريب وتعميم النموذج في التعلم العميق واسع النطاق.
تقدم هذه الورقة الشبكات العصبية المعززة بالمتعددات الحدود (PANNs)، وهي بنية مبتكرة تدمج الشبكات العصبية العميقة مع التوسعات متعددة الحدود وتوظف قيود التعامد، وتقليم القواعد، والتحسين المسبق لتحقيق دقة واستقرار فائقين في تقريب الدوال السلسة وغير السلسة وحل المعادلات التفاضلية الجزئية مقارنة بالطرق الحالية.
توسع هذه الورقة نطاق خوارزميات الاستدلال بالإنتروبيا القصوى والتعلم للنماذج الرسومية الكلاسيكية، مثل خوارزمية التدرج المتزايد للمعلومات (GIS) والانحدار الاشتقاقي، لتشمل المجال الكمي من خلال تحليل معدلات تقاربها بدقة عبر حدود نصف القطر الطيفي، وتعزيز أدائها بشكل كبير عبر طرق "شبه نيوتن" مثل خلط "أندرسون" وخوارزمية (L-BFGS) لتطبيقات تعلم الهاملتوني.
تقترح هذه الورقة خوارزمية الجار الأقرب ثنائية الجانب لإكمال المصفوفات في ظل نماذج العوامل غير الخطية الكامنة ذات النعومة المنخفضة والنسب العالية من القيم المفقودة، مع إثبات أنها تحقق معدلات خطأ مثالية (minimax optimal) تتكيف مع نعومة الدالة الأساسية وتطابق أداء النموذج المثالي (oracle performance) حتى مع وجود مدخلات مفقودة حتمية.
تقدم هذه الورقة البحثية خوارزمية QABBA، وهي نسخة من خوارزمية ABBA تعتمد على التكميم الصحيح وتضمن عدم وجود خطأ، حيث تعمل على ضغط البيانات السلاسل الزمنية إلى تسلسلات رمزية بتكاليف تخزين وحوسبة منخفضة مع الحفاظ على جودة إعادة بناء عالية وتمكين المعالجة المباشرة بواسطة النماذج اللغوية الكبيرة.
تُثبت هذه الورقة أنه في إطار التعلم عبر الإنترنت، فإن تعلم الحالات الكمومية النقية يصعب حاسوبياً بنفس قدر تعلم الحالات المختلطة، حيث يشترك كلا الفئتين في أبعاد التهشيم السمين المتسلسلة ومقياس الندم المتطابق تقريباً.