26959 ورقة بحثية
تقترح هذه الورقة طريقة تعلم مستمر فعالة في استهلاك الذاكرة ومتينة توزيعياً، تقوم بإعادة وزن الخسائر ديناميكياً لكل فئة لتمكين نماذج CLIP من التكيف مع المهام الجديدة مع تقليل النسيان الكارثي، حتى مع وجود مخازن ذاكرة ضئيلة.
تُثبت هذه الورقة أن المحسنات التكيفية من الدرجة الصفرية القياسية مثل ZO-Adam لا تقدم أي ميزة تقارب مقارنة بـ ZO-SGD في عمليات الضبط الدقيق للنماذج اللغوية الكبيرة (LLM) ذات الذاكرة المحدودة بسبب غياب عدم التجانس في تدرج الإحداثيات في الأبعاد العالية، مما أدى إلى اقتراح MEAZO، وهو بديل فعال من حيث استهلاك الذاكرة يتتبع فقط قيمة عددية واحدة لتكيف حجم الخطوة العالمي مع مطابقة الأداء وتحسين المتانة.
تُثبت هذه الورقة أن استبدال الالتفافات أحادية الأبعاد المستقلة بالتفافات زمانية-مكانية ثنائية الأبعاد في الشبكات العصبية الالتفافية الضحلة يُسرّع بشكل كبير من عمليات التدريب والاستنتاج لمهام تصنيف تخطيط كهربية الدماغ (EEG) عالية الأبعاد مع الحفاظ على الأداء، على الرغم من الكشف عن هندسات تمثيل داخلية متميزة.
تقدم هذه الورقة مساراً معالجاتياً قابلاً للتكرار ومدركاً للعمليات يتيح المراقبة التنبؤية المستمرة للمسارات السريرية من خلال التحسين التدريجي لتقديرات المخاطر من المسارات المتطورة للمرضى، مما يثبت أن الأداء التنبؤي يتحسن بشكل ملحوظ مع توفر المزيد من الأحداث السريرية.
إن PHALAR هو إطار عمل تبايني لاسترجاع الجذوع (stem retrieval) يستفيد من التجميع الطيفي المتعلم والرؤوس ذات القيم المركبة لفرض ثبات حدة الصوت والطور، محققاً دقة هي الأفضل في فئتها مع عدد أقل بكثير من المعلمات وسرعة أكبر في التدريب، مع التقاط بنيات موسيقية قوية تتجاوز مهمة الاسترجاع.
تقدم هذه الورقة البحثية **CorrDP**، وهو إطار عمل للخصوصية التفاضلية المُخففة يستفيد من مسافة التباين الكلي لمراعاة الارتباطات بين الميزات الحساسة وغير الحساسة، مما يُمكّن من خوارزميات تقليل المخاطر التجريبية ذات الخصوصية التفاضلية (DP-ERM) الأكثر كفاءة من حيث المنفعة والتي تتفوق على النهج القياسية عند وجود ميزات غير حساسة.
تقدم هذه الورقة SATFormer، وهو متغير من نموذج Transformer يعامل إعادة استخدام التمثيل المبكر كمسألة استرجاع عبر توظيف بوابة تعتمد على السياق للوصول الانتقائي إلى إسقاطات القيم في الطبقة الأولى، مما يحقق أداءً وكفاءة متفوقين مقارنة بطرق المتبقيات الثابتة مع الحفاظ على إنتاجية النموذج الأساسي.
تقدم هذه الورقة "أخذ عينات التدفق" (Flow Sampling)، وهو إطار عمل خالٍ من البيانات يستفيد من نماذج الانتشار ومطابقة التدفق لتعلم أخذ العينات بكفاءة للكثافات غير المعيرة عبر الانحدار على انزياحات إزالة الضجيج المستمدة من دالات الطاقة، مع الامتداد بشكل طبيعي إلى المتشعبات ريمانية مع حلول ذات صيغة مغلقة للفضاءات ذات الانحناء الثابت.
تقدم هذه الورقة نهجاً متطوراً للتقطيع ثلاثي الأبعاد المبكر لأورام الدماغ باستخدام بنية SegResNet المدربة عبر تعدد الدقة التلقائي، محققةً درجة دايس (Dice score) تبلغ 0.84 لمركز الورم، و0.90 للورم الكامل، و0.79 للورم المعزز.
تقدم هذه الورقة البحثية "أخذ عينات الانتشار الشرطي" (Conditional Diffusion Sampling - CDS)، وهو إطار عمل مبتكر يجمع بين الاستكشاف العالمي لـ "التبريد المتوازي" (Parallel Tempering) ومعادلة تفاضلية عشوائية للنقل ذات صيغة مغلقة وخالية من الشبكات العصبية، وذلك لأخذ عينات بكفاءة من التوزيعات متعددة الأنماط غير المعيرة مع تقليل تكاليف تقييم الكثافة.