27306 ورقة بحثية
تقترح هذه الورقة نظام مراقبة آني، يعتمد على معرفة الطوبولوجيا، يجمع بين صيانة هومولوجيا مورس النمطية ومؤشر الانهيار للكشف عن الانهيار التمثيلي في التضمينات العصبية بشكل مبكر وفعال من خلال التحديثات التدريجية، مما يتيح التدخلات في الوقت المناسب أثناء التدريب.
تقدم هذه الورقة إطار عمل "تحليل الصور الطبية المتمحور حول الإنسان" (PecMan)، وهو إطار عمل يجمع بين الذكاء الاصطناعي والبشر يعمل على تحسين دقة التشخيص، والعدالة عبر المجموعات السكانية المتنوعة، وتكامل سير العمل في ظل قيود عبء العمل السريري بشكل مشترك للتغلب على عوائق الاعتماد السريري، مدعوماً بمعيار FairHAI الجديد.
تقدم هذه الورقة إطار عمل "ليابونوف" المعتمد على الحالة لتحليل التدرج المنحدر لعملية تحليل المصفوفة من الرتبة 1، مبرهنةً أن الشهادات التربيعية المحددة بالمعلمات تنشأ طبيعياً من بنية الرتابة للديناميكيات لضمان التقارب العالمي أو دفع المسارات نحو متشعب متوازن، مع أدلة عددية تشير إلى قابلية تطبيق الطريقة على نطاق أوسع.
تُظهر هذه الدراسة أن المؤشرات الحيوية الزمنية المدفوعة بالاعتلاج (الإنتروبيا) لديناميكيات المحادثة تتفوق بشكل كبير على السمات الصوتية الثابتة في اكتشاف الاكتئاب، مما يشير إلى أن تعقيد تقلبات الكلام، بدلاً من متوسط مستويات الإشارة، يحمل قيمة تشخيصية أكبر.
تقدم هذه الورقة \textsc{FairMind}، وهي أداة مؤتمتة تستفيد من افتراضات العدالة السببية والنماذج اللغوية الكبيرة لإجراء تحليل عدالة قائم على التناقض الظاهري سليم على مجموعات البيانات وإنشاء تقارير دقيقة بنمط التعلم الصفري.
تقترح هذه الورقة وتتحقق من صحة طريقة عابرة للأنماط تقوم بإسقاط عزويات الميزات من نماذج التعلم العميق لتخطيط كهربائية القلب ذات الـ 12 مسرى عالية الأداء على الفضاء التشريحي ثلاثي الأبعاد لـ CineECG، مما يثبت أن هذا النهج يحسن بشكل كبير من التفسير السريري وتحديد موقع السمات المرضية مقارنة بتقنيات العزو القياسية.
يعالج NORACL معضلة الاستقرار واللدونة في التعلم المستمر من خلال تنمية بنية الشبكة العصبية ديناميكياً بناءً على إشارات التشبع، محققاً أداءً يضاهي أو يتفوق على النماذج الثابتة ذات الحجم المثالي (oracle-sized) مع استخدام عدد أقل من المعلمات وتوفير أنماط نمو قابلة للتفسير.
تقترح هذه الورقة إطار عمل يعتمد على وجود الإنسان في الحلقة، والذي يستفيد من النماذج اللغوية الكبيرة مع تقنيات التلقين بالتغذية الراجعة المتخصصة لتحسين معلمات وقت التشغيل بسرعة وكفاءة من أجل استنتاج نماذج موفر للطاقة، متفوقة بذلك على طرق البحث التقليدية مثل عينات "سوبول" (Sobol sampling) في كل من سرعة التقارب واستهلاك الطاقة النهائي.
تستعرض هذه الدراسة المسحية بشكل شامل طرق التعلم العميق لفك تشفير إشارات الدماغ (EEG) عبر مختلف الأشخاص من خلال صياغة المشكلة كتحدٍ متعدد المصادر، وتصنيف الحلول الحالية إلى فئات مثل محاذاة الميزات والتعلم التنافسي، وتحديد الاتجاهات المستقبلية بما في ذلك القيود النظرية ونماذج التأسيس الخاصة بإشارات الدماغ (EEG).
تقترح هذه الورقة إطاراً نظرياً موحداً للتعلم والتحسين والنمذجة من خلال تعريف المشكلات القابلة للحل والطرق المحددة بالمعلمات لإرساء نظرية تقارب عالمية تختزل دراسة هذه المجالات إلى مفاهيم أساسية من الأنظمة الديناميكية والهندسة والفيزياء.