🤖 Category

cs.LG

27306 ورقة بحثية

🤖 machine learning

A projection-based framework for gradient-free and parallel learning

تقدم هذه الورقة PJAX، وهو إطار عمل قائم على JAX يعيد صياغة تدريب الشبكات العصبية كمسألة جدوى قابلة للتوازي وخالية من التدرج باستخدام مؤثرات إسقاط تكرارية، مما يقدم بديلاً مقنعاً للتحسين التقليدي القائم على التدرج مع مزايا في التعامل مع العمليات غير القابلة للاشتقاق وتمكين التوازي الهائل.

Andreas Bergmeister, Manish Krishan Lal, Stefanie Jegelka, Suvrit Sra2026-04-30
🤖 machine learning

PuckTrick: A Library for Making Synthetic Data More Realistic

تقدم الورقة البحثية PuckTrick، وهي مكتبة بلغة بايثون تعمل على تعزيز واقعية البيانات الاصطناعية من خلال إدخال أخطاء محكومة بشكل منهجي مثل القيم المفقودة والضجيج، مما يزيد من متانة ونماذج تعلم الآلة وقدرتها على التعميم مقارنة بالتدريب حصرياً على مجموعات بيانات اصطناعية نظيفة.

Alessandra Agostini, Andrea Maurino, Blerina Spahiu2026-04-30
🤖 machine learning

Adaptive Scaling of Policy Constraints for Offline Reinforcement Learning

تقترح الورقة البحثية "التحجيم التكيفي لقيود السياسة" (ASPC)، وهو إطار عمل قابل للاشتقاق من الدرجة الثانية يوازن ديناميكيًا بين التعلم التعزيزي واستنساخ السلوك للقضاء على الحاجة إلى ضبط المعلمات الفائقة لكل مجموعة بيانات، محققًا أداءً رائدًا عبر 39 مجموعة بيانات مع حد أدنى من العبء الحسابي.

Tan Jing, Xiaorui Li, Chao Yao, Xiaojuan Ban, Yuetong Fang, Renjing Xu, Zhaolin Yuan2026-04-30
🤖 machine learning

RoseCDL: Robust and Scalable Convolutional Dictionary Learning for Rare event and Anomaly Detection

تقدم الورقة البحثية RoseCDL، وهي خوارزمية تعلم القواميس الالتفافية (Convolutional Dictionary Learning) قوية وقابلة للتوسع، تستخدم النوافذ العشوائية والكشف المضمن عن القيم المتطرفة لتحديد الأحداث النادرة والشذوذ بكفاءة في الإشارات واسعة النطاق.

Jad Yehya, Mansour Benbakoura, Cédric Allain, Benoît Malezieux, Matthieu Kowalski, Thomas Moreau2026-04-30
🤖 machine learning

PATCH: Learnable Tile-level Hybrid Sparsity for LLMs

يُعدُّ PATCH إطار عمل هجين للتخلخل (sparsity) يقوم بتقسيم مصفوفات أوزان النماذج اللغوية الكبيرة (LLM) إلى بلاطات (tiles) ذات خرائط كثيفة قابلة للتعلم أو خرائط تخلخل بنسبة 2:4 لتمكين نسب تخلخل مستمرة بين 0% و50%، مما يحقق دقة فائقة وتسريعًا عمليًا على وحدات معالجة الرسومات مقارنة بطرق التقصيف (pruning) الحالية غير المنظمة أو شبه المنظمة الجامدة.

Younes Hourri, Mohammad Mozaffari, Maryam Mehri Dehnavi2026-04-30
📊 statistics

Incorporating Expert Knowledge into Bayesian Causal Discovery of Mixtures of Directed Acyclic Graphs

تقترح هذه الورقة إطار عمل مبتكرًا يجمع بين التصميم التجريبي البايزي وتعلم بنية المزيج التبايني لدمج المعرفة الخبيرة في اكتشاف الهياكل السببية غير المتجانسة، مما يتيح استنتاج مزيج من الشبكات البايزية السببية التي تتفوق على الأساليب الحالية في كل من البيانات الاصطناعية وبيانات سرطان الثدي الواقعية.

Zachris Björkman, Jorge Loría, Sophie Wharrie, Samuel Kaski2026-04-30
🤖 machine learning

LUME-DBN: Full Bayesian Learning of DBNs from Incomplete data in Intensive Care

تقدم هذه المساهمة LUME-DBN، وهي طريقة عينات جيبس بايزية كاملة مبتكرة تعامل القيم المفقودة كمعلمات مجهولة لتحسين تعلم الشبكات البايزية الديناميكية من بيانات وحدة العناية المركزة غير المكتملة، مما يوفر دقة إعادة بناء وتكميم عدم يقين متفوقة مقارنة بالإجراءات القياسية مثل MICE.

Federico Pirola, Fabio Stella, Marco Grzegorczyk2026-04-30
💬 NLP

Stress Testing Factual Consistency Metrics for Long-Document Summarization

تقيم هذه الورقة البحثية بشكل منهجي ستة مقاييس لسلامة الحقائق لا تعتمد على مراجع في تلخيص المستندات الطويلة، كاشفةً عن قصورها الكبير في التعامل مع التبعيات طويلة المدى والادعاءات كثيفة المعلومات من خلال سلسلة من الاضطرابات الحافظة للحقائق، مع اقتراح اتجاهات محددة للتحسينات المستقبلية.

Zain Muhammad Mujahid, Dustin Wright, Isabelle Augenstein2026-04-30
🤖 machine learning

Hybrid Quantum-Classical Ridgelet Neural Networks for Portfolio Optimization

تقترح هذه الورقة إطار عمل هجينًا كميًا-كلاسيكيًا يستخدم شبكة ريديليت عصبية كمية (QRNN) لاستخراج ميزات متعددة الدقة من البيانات الزمنية المالية، والتي يتم تحسينها بعد ذلك لاختيار الأصول باستخدام خوارزمية التقريب الكمي للتحسين (QAOA) لحل مسألة محفظة التباين المتوسط.

Bahadur Yadav, Sanjay Kumar Mohanty2026-04-30
💬 NLP

AdaFRUGAL: Adaptive Memory-Efficient Training with Dynamic Control

يُعد AdaFRUGAL إطار عمل تكيفي يعمل على أتمتة الضبط الدقيق لمعلمات تقسيم التدرج من خلال تقليل الذاكرة الديناميكي وجدولة التحديث المدركة للخسارة، مما يتيح تدريب النماذج اللغوية الكبيرة بكفاءة واستقلالية مع تقليل متطلبات ذاكرة وحدة معالجة الرسومات والوقت مع الحفاظ على أداء تنافسي.

Quang-Hung Bui, Anh Son Ta2026-04-30