26236 ورقة بحثية
يقدم هذا المقال URF-GS، وهو إطار عمل موحد يستفيد من تقنية الـ 3D Gaussian Splatting والتحويل العكسي (inverse rendering) لدمج البيانات المرئية واللاسلكية من أجل إنشاء خرائط راديو ثلاثية الأبعاد عالية الدقة، والتي تحسن دقة الطيف المكاني وكفاءة أخذ العينات بشكل كبير مقارنة بالطرق الحالية القائمة على NeRF.
يُعد NeuralFLoC إطار عمل للتعلم العميق، كامل غير موجه، ومن طرف إلى طرف، يقوم بشكل مشترك بإجراء التسجيل الوظيفي والتجميع باستخدام تدفقات تماثلية مدفوعة بالمعادلات التفاضلية العادية العصبية (Neural ODE-driven diffeomorphic flows) والتجميع الطيفي لفصل متغيرات الطور والسعة بفعالية مع تحقيق أداء ومتانة من فئة الحالة الراهنة.
تُظهر هذه الدراسة أن إعادة أخذ عينات البيانات السريرية غير المنتظمة إلى فترات زمنية موحدة لغرض التعلم المعزز غير المتصل بالإنترنت يُنتج تمثيلاً وهمياً لسيناريوهات المرضى يؤدي بشكل كبير إلى إضعاف أداء النموذج وحجب المخاطر في التقييم الاسترجاعي، مما يستوجب التحول نحو استخدام مجموعات البيانات ذات نقاط القرار الطبيعية قبل النشر السريري الآمن.
تقدم هذه الورقة عائلة UniMatrix من المحولات الشاملة (Universal Transformers)، مبرهنةً على أنه في حين توفر الحالات المتكررة المهيكلة كفاءة في المعلمات، فإن تحقيق استدعاء ترابطي قوي بعيد المدى يتطلب تعزيزها بآليات استرجاع صريحة متفرقة مثل توجيه الفتحات المتفرق (sparse slot routing) ودمج مؤشر اللوغيت (pointer-logit fusion).
تقدم هذه الدراسة إطار عمل للتعلم الآلي متعدد الوسائط وقابل للتفسير يجمع بين سمات تخطيط كهرباء القلب ذي الـ 12 مسرى وبيانات السجلات الصحية الإلكترونية المهيكلة لتصنيف الكسر القذفي للبطين الأيسر بدقة إلى أربع طبقات سريرية، مما يوفر أداة فحص عملية لتحديد أولويات إجراء تخطيط صدى القلب في البيئات محدودة الموارد.
تتناول هذه الدراسة المسحية الانحياز الحالي لنماذج اللغات الكبيرة نحو لغات البرمجة ذات الموارد العالية من خلال مراجعة الأساليب، والمعايير المرجعية، والتحديات الرامية لتحقيق ذكاء برمجي متعدد اللغات يتسم بالمتانة، مع التركيز بشكل خاص على توليد الكود عبر اللغات والترجمة الحافظة للمعنى الدلالي.
تكشف هذه الورقة أن نماذج التنبؤ بالروابط القياسية غالبًا ما تعتمد على استدلالات تافهة تعتمد على الدفعات الصغيرة (mini-batch) والتي تتيحها تقنية تسوية الدفعات (batch normalization)، بدلاً من تعلم تمثيلات بيانية قابلة للتعميم، وأن تصحيح هذا الانحياز يحسن بشكل كبير من التوافق بين مهام التنبؤ بالروابط وتصنيف العقد.
تقدم الورقة البحثية QERNEL، وهو نموذج دالة موجية عصبية تأسيسي وقابل للتوسع، يحل معادلات شرودنغر لمتعدد الإلكترونات بكفاءة عبر فضاءات المعلمات لالتقاط الحالات الكمومية المتنوعة والتحولات الطورية في طبقات المواريه غير المتجانسة لأشباه الموصلات التي تحتوي على ما يصل إلى 150 إلكتروناً.
تقدم هذه الورقة دقة التوازن الموزونة بالتنبؤ (pBA)، وهي مقياس تقييم عملي يقلل من تحيز تقدير الأداء في التصنيف غير المتوازن عن طريق استبدال تسميات المفاهيم الفرعية الحقيقية غير المتاحة بالاحتمالات اللاحقة المتوقعة لتوفير تقييمات أكثر استقراراً وقابلية للتفسير لأداء النموذج عبر المجموعات السكانية الفرعية غير المتجانسة.
تقدم هذه الورقة بنية بيانات متعلمة لمشكلة المكونات المتصلة بقوة التزايدية، والتي تستفيد من التنبؤات القائمة على التعلم الآلي لتسلسلات الحواف لتحقيق أداء يقارب المثالية مع التنبؤات الدقيقة، مع التدهور التدريجي بسلاسة مع زيادة أخطاء التنبؤ.