27306 ورقة بحثية
تقدم هذه الورقة البحثية Soft-MSM، وهو فقدان محاذاة مرن قابل للتفاضل ومعتمد على السياق يعمل على تنعيم مسافة "النقل-التقسيم-الدمج" (Move-Split-Merge) لتمكين التحسين القائم على التدرج، مما يظهر أداءً فائقاً في تجميع وتصنيف السلاسل الزمنية مقارنة بالطرق الحالية مثل Soft-DTW.
تقدم هذه الورقة CRADIPOR، وهي أداة معالجة لاحقة تستخدم مشفرًا تلقائيًا لتقليل الرتبة (Rank Reduction Autoencoder) مدمجًا مع التصنيف الخاضع للإشراف للتنبؤ وتحديد مناطق التشتت العددي في محاكاة حوادث السيارات بكفاءة، متفوقةً بذلك على نماذج الغابة العشوائية (Random Forest) المرجعية، ومثبتةً فعالية تمثيلات الإشارات القائمة على الميل.
تقدم هذه الورقة خوارزمية "الانتشار الأمامي الأمامي الفائق" (HFF)، وهي خوارزمية جديدة مستوحاة حيويًا تعالج عقبة الاستدلال المكلفة حاسوبيًا في طريقة "الانتشار الأمامي الأمامي" الأصلية عبر إعادة صياغة الأهداف المحلية كمسألة تصنيف متعدد الفئات ضمن فضاء سمات كروي فائق، مما يتيح استدلالًا بمرور واحد أسرع بأكثر من 40 ضعفًا مع تحقيق دقة متفوقة على معايير مثل ImageNet-1k.
تعالج شبكة GAFSV-Net تحديات التحقق من التوقيع عبر الإنترنت من خلال تحويل المتواليات الزمنية الخام إلى صور حقل زاوي غرامي غير متماثلة مكونة من ست قنوات للاستفادة من النماذج الرؤيوية ثنائية الأبعاد مسبقة التدريب، محققةً أداءً هو الأفضل في فئته على مجموعتي بيانات DeepSignDB وBiosecurID من خلال بنية ConvNeXt ثنائية الفرع مع آليات الانتباه المتقاطع.
يُعد SPLICE إطار عمل معياري يجمع بين الانتشار الكامن فوق تضمينات JEPA مع الاستدلال التوافقي التكيفي لتحقيق دقة متطرفة في استكمال السلاسل الزمنية وضمانات موثوقية خالية من التوزيع وذات عينات محدودة لتطبيقات أنظمة الطاقة الحرجة.
تقدم هذه الورقة نظام "Kisan AI"، وهو نظام استشاري للمحاصيل متعدد اللغات ومتكامل البنية، يتغلب على "العمى الاقتصادي" للنماذج التقليدية من خلال دمج التنبؤ بأسعار السوق وكشف الأمراض مع مصنف "الغابة العشوائية" (Random Forest) عالي الدقة لتوجيه المزارعين نحو قرارات مثالية مالياً.
تقدم هذه الورقة نموذج لغة الانتشار المتسق (CDLM)، وهو إطار عمل مبتكر يستفيد من "جسر اللاحق الدقيق" العشوائي لتدريب مجمعات ضجيج ثابتة المسار، مما يحقق توليدًا للنصوص عالي الدقة وبأداء رائد في خطوات قليلة دون الحاجة إلى تقطير متعدد المراحل.
تقدم هذه الورقة SHIFT، وهو مُقدِّر تعلم آلي مزدوج (Double Machine Learning) متين لدوال متوسط استجابة الجرعة (Average Dose-Response Functions)، يجمع بين التعامد عبر التوفيق المتقاطع (cross-fit orthogonalization)، وتحسين عدم التحدب المتدرج (Graduated Non-Convexity optimization)، وإعادة التوفيق بطريقة المربعات الصغرى العادية الدفاعية (defensive OLS refit) المُقاسة بـبواقي ما بعد الـ GNC للتخفيف بفعالية من التلوث ثقيل الذيول، مع توفير أدوات تشخيصية لاختيار النظام (regime selection) وإثبات أن النماذج المزعجة الخطية (linear nuisance models) يمكن أن تتفوق على النماذج المرنة في ظل التلوث الموحد.
تقدم الورقة البحثية DPLM-Evo، وهو إطار عمل تطوري للانتشار المنفصل يربط توليد البروتين بالبديهة البيولوجية من خلال نمذجة عمليات الاستبدال والإدراج والحذف صراحةً ضمن فضاء كامن منفصل، مما يحقق أداءً هو الأفضل في حالته في التنبؤ بالطفرات ويسمح بتصميم بروتينات مرنة ومتغيرة الطول.
تتناول هذه الورقة فجوات العدالة في تقطير مجموعات البيانات الناتجة عن الأنماط التنبؤية المتباينة عبر المجموعات الديموغرافية، وذلك من خلال اقتراح طريقة تعمل على محاذاة مركز ثقل للمعلومات التنبؤية غير متأثر باختلال التوازن بين المجموعات لضمان أداء عادل عبر جميع المجموعات الفرعية.