27461 ورقة بحثية
تُثبت هذه الورقة أن استخدام شبكات سياميز المقنعة (Masked Siamese Networks) لإجراء التجميع العميق ذاتي الإشراف على السلاسل الزمنية الحرارية يمكن أن يعمل بفعالية على تحويل البيانات المناخية المعقدة إلى حالات منفصلة ذات معنى دلالي تعكس ظواهر واقعية مثل أحداث النينيو.
يُعد VS-DDPM إطار عمل انتشار ثلاثي الأبعاد بمتغيرات خطوة فعالاً، صُمم لتسريع ترجمة أنماط الصور الطبية مع الحفاظ على جودة توليدية عالية، محققاً أداءً هو الأفضل في فئته في مهام تخليق صور الرنين المغناطيسي المفقودة ونتائج تنافسية في مهام إزالة الأورام وتخليق الصور المقطعية.
تقترح الورقة البحثية إطار عمل "مونت كارلو الطارد للدرجة" (SRMC)، وهو إطار عمل موفر للذاكرة يقلل من تباين مونت كارلو في فضاءات الحالة العامة باستخدام متوسط متحرك لتقييمات الدرجة لإنشاء هدف بديل يعتمد على التاريخ يثبط أخذ العينات المتكررة.
يُعد AnemiaVision نظام فحص متكامل قائم على الويب يستخدم نموذج EfficientNet-B3 مضبوطاً بدقة وتقنيات تعزيز بيانات متقدمة لتحقيق كشف عالي الدقة وغير جراحي لفقر الدم من خلال صور الهواتف الذكية لملتحمة العين وأسِرّة الأظافر.
لمعالجة مشكلة تدهور نموذج العملية الغاوسية في الإعدادات عالية الأبعاد، تقترح هذه الورقة **AdaScale-TuRBO**، وهي نسخة متغيرة من تحسين بايز في منطقة الثقة تعمل على تغيير مقياس أطوال العمليات الغاوسية وفقاً لكل من أبعاد المشكلة وحجم منطقة الثقة للحفاظ على تعقيد نموذج ثابت وتحسين أداء التحسين.
تقترح هذه الورقة إطار عمل للشبكات العصبية المستوحاة من الفيزياء (PINN) يعتمد على التوفيق (collocation) ويتسم بالمتانة لمحاكاة انتشار التلوث المعتمد على الزمن من مصادر متحركة، مما يثبت من خلال دراسة حالة في سبيتسبرغن أن الانقلاب الحراري يؤدي إلى تدهور جودة الهواء بشكل كبير عن طريق حبس الملوثات بالقرب من الأرض.
تُعد AmaraSpatial-10K مجموعة بيانات جديدة تضم أكثر من 10,000 أصل ثلاثي الأبعاد عالي الجودة وجاهز للنشر، وتتميز بمقاييس مترية موحدة، وبيانات وصفية دلالية، وخصائص فيزيائية مصممة خصيصاً لدعم الذكاء الاصطزمائي المتجسد، ومحاكاة الروبوتات، والحوسبة المكانية.
تبحث هذه الورقة في فجوة الأداء بين صور الطائرات بدون طيار عالية الدقة والملتقطة عن قرب، وبين الصور من منظور علوي ذات الدقة المنخفضة، في تصنيف أنواع الأشجار الاستوائية، حيث وجدت أنه بينما تحقق الصور الملتقطة عن قرب نتائج أفضل — خاصة بالنسبة للأنواع النادرة — فإن محاذاة التمثيل ذاتي الإشراف يمكن أن تسد هذه الفجوة لتحسين مراقبة المظلة الشجرية على نطاق واسع.
لمعالجة مشكلة هشاشة الموجه وفقدان المعلومات في الضبط الدقيق لخليط الخبراء (MoE)، تقترح هذه الورقة إطار عمل خالٍ من الخسارة المساعدة يستخدم التناثر المدفوع بالانحياز و"خبراء التكثيف" النشطين دائمًا للحفاظ على المعرفة القيمة من الخبراء الذين يتم تفعيلهم نادرًا مع تحسين الأداء العام.
تجادل الورقة البحثية بأن التعريفات الحالية لـ "إلغاء التعلم الآلي" غير كافية بالنسبة للمُحسِّنات من الدرجة الثانية، لأنها، رغم تحقيقها لأهداف الأداء، تحتفظ بمعلومات متبقية قابلة للكشف داخل حالات المُحسِّن الخاصة بها، والتي لا يمكن محوها بالكامل إلا من خلال اضطرابات هندسية محكومة.