26959 ورقة بحثية
تجادل هذه الورقة بأن تقليل متوسط مربع الخطأ عند تعويض القيم المفقودة يؤدي إلى تحيزات منهجية في التحليلات اللاحقة من خلال كبح التباين الطبيعي للبيانات، وتثبت أن إضافة ضوضاء تتناسب مع متوسط مربع الخطأ (التعويض العشوائي) أمر ضروري للحفاظ على التباين وضمان تقديرات إحصائية غير متحيزة.
يقدم GEM-FI عائلة من نماذج التعلم العميق الدليلية أحادية الممر التي تستخدم إشارات طاقة مبوبة وتنظيماً مسترشداً بـ "فيشر" لقمع الثقة المفرطة بفعالية، والتقاط عدم اليقين المعرفي متعدد الأنماط، وتحسين أداء المعايرة وكشف البيانات خارج التوزيع بشكل كبير مقارنة بالطرق الحالية.
تقدم الورقة البحثية Nora، وهو مُحسِّن مصفوفات قابل للتوسع يوحد بين الكفاءة والاستقرار والسرعة من خلال توظيف إسقاط الزخم عبر الصفوف لتثبيت معايير الأوزان والسرعات الزاوية مع تقريب التكييف المهيكل بتعقيد حسابي أمثل قدره .
تُثبت هذه الورقة أن نماذج المحولات (transformers) تستخدم آليات هندسية متميزة للاستدلال على المهام، حيث يعتمد التعرف على البيانات ضمن التوزيع على تركيبات محدبة من ناقلات المهام المتعلمة، بينما ينبثق التكيف مع البيانات خارج التوزيع من خلال التعلم الاستقرائي في فضاء فرعي شبه متعامد.
تقترح هذه الورقة إطار عمل لنموذج انحدار متجه الدعم التلاففي الرسومي (GCSVR) يدمج التعلم المكاني القائم على الرسوم البيانية مع الانحدار الزمني المتين للتنبؤ بدقة بتلوث الهواء في دلهي ومومباي، مع التعامل بفعالية مع القيم المتطرفة وتوفير تقديرات معايرة لعدم اليقين.
تُظهر هذه الورقة أن تقديرات كثافة الاحتمالية من نموذج محاكي المناخ القائم على الانتشار cBottle يمكن استخدامها لحساب احتمالات الأحداث المتطرفة مثل الأعاصير المدارية تحت التوجيه، مما يتيح أخذ العينات بالأهمية لتقليل خطأ التقدير وتسهيل تجارب عزو الأحداث المتطرفة.
تقدم هذه الورقة نماذج Agentic-imodels، وهو إطار عمل للبحث الذاتي يعمل على تطوير نماذج انحدار متوافقة مع scikit-learn ومُحسّنة من حيث دقة التنبؤ وقابلية التفسير الموجهة للوكلاء، مما يثبت أن النماذج المصممة لتكون "قابلة للمحاكاة" من قبل النماذج اللغوية الكبيرة تعزز بشكل كبير أداء علوم البيانات الوكيلية في المهام اللاحقة.
تحل هذه الورقة مشكلة مفتوحة في نظرية التعلم من خلال إرساء شروط ضرورية وكافية لاتساق بايز القوي الشامل في الإطار الواقعي مع خسائر مترية عامة، وتوصيف فئة الفرضيات عبر غياب شجرة ليتلستون غير متزايدة لانهائية.
تقدم هذه الورقة معياراً للتعلم المستمر لزيادة النطاق لنماذج السلاسل الزمنية في وحدات العناية المركزة، والذي يعالج تحدي نقل أنظمة التنبؤ بالنتائج السريرية عبر مناطق أمريكية متنوعة من خلال تقييم أساليب مثل إعادة تشغيل البيانات وتثبيت الوزن المرن لإدارة تحولات التوزيع مع الاحتفاظ بالمعرفة السابقة.
تقدم هذه المقالة خوارزميات عشوائية وحتمية فعالة لتقريب وحساب، على التوالي، مسافة التباين الكلي بين مخاليط التوزيعات المنتجة والمكعبات البولينية الفرعية، مع إثبات صعوبة الحساب الدقيق من فئة #P عندما يتوسع عدد مكونات الخليط خطياً مع البعد.