💻 computer science

When Less Is More: Simplicity Beats Complexity for Physics-Constrained InSAR Phase Unwrapping

تُثبت هذه الورقة أن نموذج (U-Net) التقليدي البسيط يتفوق على النماذج المعقدة القائمة على آلية الانتباه في فك تشابك طور التداخل الراداري (InSAR) من خلال تجنب العيوب غير الفيزيائية عالية التردد، مما يوفر دقة وسرعة فائقتين والتزاماً بالقيود الجيوفيزيائية لأنظمة المراقبة التشغيلية.

Prabhjot Singh, Manmeet Singh2026-05-05✓ Author reviewed ⓘ
⚡ electrical engineering

A Deep Learning Model for Battery State Prediction towards Intelligent Energy Management

تقترح هذه الورقة إطار عمل حوسبيًا قائمًا على التعلم العميق يدمج بنيات الشبكات العصبية المتقدمة مع مجموعات البيانات واسعة النطاق للتنبؤ بدقة بمؤشرات صحة البطارية، مما يتيح الصيانة التنبؤية وتحسين إدارة موارد الطاقة للمركبات الكهربائية وأنظمة التخزين واسعة النطاق.

Athanasios Koukosiasa, Vasileios Tzanidakis, Sotiris Athanasiou, Kostas Kolomvatsos2026-05-05
💻 computer science

LatentDiff: Scaling Semantic Dataset Comparison to Millions of Images

تقدم هذه الورقة LatentDiff، وهو إطار عمل قابل للتوسع وفعال يستفيد من المشفرات الرؤيوية سابقة التدريب وتقدير نسبة الكثافة لتحديد الفروق الدلالية القابلة للتفسير بين مجموعات البيانات الضخمة، متفوقاً على الطرق الحالية في الدقة والمتانة حتى عندما تختلف نسبة ضئيلة جداً فقط من الصور.

James Flora, Kowshik Thopalli, Akshay R. Kulkarni, Weng-Keen Wong, Shusen Liu2026-05-05
🤖 machine learning

StyleShield: Exposing the Fragility of AIGC Detectors through Continuous Controllable Style Transfer

تقدم الورقة البحثية StyleShield، وهو إطار عمل لنقل الأسلوب القابل للتحكم المستمر يتجنب بفعالية كواشف المحتوى المُنشأ بواسطة الذكاء الاصطناعي (AIGC) مع الحفاظ على المعنى الدلالي، مما يكشف عن الهشاشة وعدم الموثوقية الجوهرية لأنظمة الكشف الحالية.

Guantian Zheng2026-05-05
🤖 machine learning

PhaseNet++: Phase-Aware Frequency-Domain Anomaly Detection for Industrial Control Systems via Phase Coherence Graphs

يقدم PhaseNet++ إطار عمل جديد للكشف عن الشذوذ في نطاق التردد لأنظمة التحكم الصناعية، والذي يستفيد من مؤشر تماسك الطور لبناء رسم بياني مدرك للطور، مما يمكّن مشفرًا تلقائيًا خفيف الوزن من تحقيق أداء رائد من خلال الاستخدام الفعال لمعلومات طيف الطور التي تم التغاضي عنها سابقًا جنبًا إلى جنب مع بيانات السعة.

Raviteja Bommireddy, Varshith Bandaru, Lohith Pakala, Pradeep Kumar B2026-05-05
🤖 machine learning

Watch Your Step: Information Injection in Diffusion Models via Shadow Timestep Embedding

تقدم هذه الورقة "تضمين الخطوة الزمنية الظلي" (Shadow Timestep Embedding - STE)، وهو آلية مبتكرة تستغل القدرة التمثيلية غير المستغلة لتضمينات الخطوة الزمنية في نماذج الانتشار لترميز معلومات القناة الجانبية لكل من الحقن الخبيث وتتبع المصدر الدفاعي.

An Huang, Junggab Son, Zuobin Xiong2026-05-05
🤖 machine learning

Graph Rewiring in GNNs to Mitigate Over-Squashing and Over-Smoothing: A Survey

تستعرض هذه الدراسة المسحية بشكل شامل تقنيات إعادة صياغة الروابط في الرسوم البيانية المصممة للتخفيف من تحديات السحق المفرط والنعومة المفرطة في الشبكات العصبية الرسومية عن طريق تعديل طوبولوجيا الرسم البياني لتعزيز انتشار المعلومات، مغطيةً أسسها النظرية، وتطبيقاتها، ومقايضات الأداء الخاصة بها.

Hugo Attali, Nathalie Pernelle, Davide Buscaldi, Fragkiskos D. Malliaros2026-05-05
🧬 biology

Robust volatility updates for Hierarchical Gaussian Filtering

تقدم هذه الورقة تعديلاً متيناً لخوارزمية الترشيح الغاوسي الهرمي (HGF) يمنع أخطاء دقة اللاحقة السالبة في العقد المقترنة بالتقلب، وذلك عن طريق الاستيفاء بين توسيعين تربيعيين للطاقة التباينية باستخدام دالة لامبرت W، مما يضمن تحديثات معتقد مستقرة عبر كامل فضاء المعلمات.

Christoph Mathys, Nicolas Legrand, Peter Thestrup Waade, Nace Mikus, Lilian Aline Weber2026-05-05
🤖 machine learning

Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning

تقدم الورقة البحثية xMAE، وهو إطار عمل للتدريب المسبق ذاتي الإشراف يعتمد على الوعي الفسيولوجي، والذي يستفيد من إعادة بناء النماذج المتقاطعة المقنعة للإشارات الحيوية المرتبة زمنياً (مثل تخطيط كهربائية القلب ECG وتخطيط التحجم الضوئي PPG) لتعلم تمثيلات تلتقط الديناميكيات الفسيولوجية الاتجاهية وتتفوق على الأساليب الحالية عبر مهام متنوعة لاحقة.

Hao Zhou, Simon A. Lee, Cyrus Tanade, Keum San Chun, Juhyeon Lee, Migyeong Gwak, Megha Thukral, Justin Sung, Eugene Hwan (…)2026-05-05
💬 NLP

CLEAR: Revealing How Noise and Ambiguity Degrade Reliability in LLMs for Medicine

تقدم الورقة إطار عمل CLEAR لتوضيح أن المعايير الطبية القياسية تفشل في استيعاب الغموض الواقعي، مما يكشف أن زيادة خيارات الإجابة، وتحويل صياغة الامتناع إلى الاعتراف بعدم اليقين، وزيادة حجم النماذج، تؤدي جميعها إلى تدهور موثوقية النماذج اللغوية الكبيرة من خلال تفاقم "عجز التواضع" حيث تجد النماذج صعوبة في الامتناع عن الإجابات غير الصحيحة.

Kevin H. Guo, Chao Yan, Avinash Baidya, Katherine Brown, Xiang Goa, Juming Xiong, Zhijun Yin, Bradley A. Malin2026-05-05