27461 ورقة بحثية
تقترح هذه الورقة شبكة عصبية مستوحاة من الفيزياء (PINN) لتقدير حالة نظام القدرة بشكل آمن، تحقق المتانة ضد هجمات حقن البيانات الزائفة (FDIAs) الخفية دون استخدام التدريب الخصومي، وذلك عبر توظيف صيغة لوزن الخسارة الديناميكي تعتمد على عدم اليقين متجانس التباين لموازنة حدود ملاءمة البيانات وبقايا الفيزياء تلقائياً.
تقترح هذه الورقة منهجية للتدريب المسبق باستخدام استنساخ السلوك من عروض نموذج الأثر في الحالة المستقرة لتسريع التدريب وتحسين الأداء الأولي لوكلاء التعلم المعزز من نوع "Soft Actor-Critic" للتحكم في تدفق مزارع الرياح.
تقدم الورقة البحثية إطار عمل LARS (الفضاء الفرعي للنشاط منخفض الذاكرة)، وهو تكيف مبتكر يحسن عملية الضبط الدقيق للنماذج اللغوية الكبيرة (LLM) على الأجهزة من خلال تقييد الفضاء الفرعي للنشاط بدلاً من مجرد معلمات النموذج، مما يفصل استهلاك الذاكرة عن طول التسلسل ويقلل بشكل كبير من بصمة الذاكرة مقارنة بطرق الضبط الدقيق الفعال (PEFT) التقليدية مثل LoRA.
تقترح الورقة البحثية إطار عمل BiTA، وهو إطار تعلم رسوم بيانية زمنية مبتكر يعزز التنبؤ بالتنبيهات في شبكات الكمبيوتر باستخدام مجمّع (GRU-Transformer) ثنائي الاتجاه لالتقاط الأنماط الزمنية المتكرة وبعيدة المدى ضمن شبكة رسوم بيانية زمنية.
يُعدُّ KARL إطار عمل جديدًا للتعلم التعزيزي يعمل على الحد من هلوسة النماذج اللغوية الكبيرة عبر استخدام آلية مكافأة مدركة لحدود المعرفة واستراتيجية تدريب ثنائية المرحلة لمواءمة قدرة النموذج ديناميكيًا على الامتناع عن الإجابة على الأسئلة مع حدود معرفته المتطورة، مما يحسن المقايضة بين الدقة والحذر.
تقترح هذه الورقة نموذج تعلم تنافسي حساس للسياق يدمج المؤشرات السوقية الكمية مع تحليل المشاعر المستمد من معالجة اللغات الطبيعية للتنبؤ بديناميكيات أسعار الأسهم والتنقل عبر تقلبات السوق بشكل أكثر فعالية مقارنة بنماذج ARIMA وLSTM التقليدية.
تقدم هذه المساهمة استراتيجية بسيطة لدمج الميزات المتبقية تضمن نظرياً تجنب النقل السلبي من خلال ضمان معدلات تقارب لا تقل سوءاً عن التدريب من الصفر، بينما تثبت تجريبياً أداءً قوياً عبر معايير متنوعة وتسمح بالتوسع نحو تعدد الوسائط للتكيف مع القيود الزمنية.
تقدم هذه الورقة "الكنتورات القصوى" (Extremal Contours)، وهي طريقة تفسير لا تتطلب تدريباً تستبدل الأقنعة الكثيفة المتجزئة بكنتورات ناعمة ومحدبة نجمياً يتم تحسينها عبر تدرجات المصنف لإنتاج عزويات بصرية مدمجة ومستقرة وأمينة لنماذج الرؤية.
تستخدم هذه المساهمة نظرية الفئات لتبين أنه بينما يقتصر التعلم القائم على التلقين (prompt-based learning) بشكل صارم على المهام القابلة للتمثيل، فإن نموذج تأسيسي قوي بما يكفي مع الضبط الدقيق يمكنه نظرياً حل أي مهمة لاحقة ضمن الفئة المحددة بمهمة ما قبل التدريب والتعميم على كائنات غير مرئية من خلال التخطيط البنيوي.
تقدم هذه الدراسة مراجعة شاملة للتطورات الأخيرة القائمة على التعلم العميق في التنبؤ بمسارات البشر متعددة الوكلاء من عام 2020 إلى عام 2025، حيث تصنف الأساليب حسب البنية والتمثيل والاستراتيجية مع تحديد التحديات الرئيسية واتجاهات البحث المستقبلية.