27494 ورقة بحثية
تقترح هذه الورقة وتتحقق من صحة إطار عمل متكامل للتنبؤ بإعادة دخول المستشفى باستخدام قاعدة بيانات MIMIC-IV، والذي يحقق أداءً تنافسياً مع ضمان القابلية للتفسير السريري، وموثوقية النشر من خلال المعايرة، والعدالة الديموغرافية عبر مجموعات فرعية متعددة.
يُعد FeatEHR-LLM إطار عمل يحافظ على الخصوصية، يستخدم النماذج اللغوية الكبيرة والتوليد المعزز بالأدوات لإنتاج كود استخراج ميزات قابل للتنفيذ وذي معنى سريري تلقائياً من السلاسل الزمنية للسجلات الصحية الإلكترونية (EHR) غير المنتظمة والمتفرقة.
تقدم هذه الورقة مجموعة بيانات EMG-FK ومنظم ريمان الزمني (TRR)، وهو إطار عمل خفيف الوزن وعالي الأداء يتيح فك التشفير المستمر واللحظي لحركية الأصابع عالية الأبعاد من إشارات تخطيط العضلات (EMG) المأخوذة من أجهزة استهلاكية باستخدام ميزات التباين ريمان والوحدات المتكررة ذات البوابات (GRUs).
تُعد MADE-IT طريقة دمج مستمر تكيُّفية تحل معضلة التشبع والازدواجية باستخدام هندسة مدركة للمتعددات (manifold-aware geometry) لتطوير الخبراء ذاتياً، وآلية توجيه ضمنية خالية من البيانات لتنشيطهم دون تدريب إضافي.
يُعد HubRouter وحدة قابلة للتركيب تستبدل طبقات الانتباه ذات التعقيد بآلية توجيه وسيطة عبر محور (hub-mediated routing) أكثر كفاءة من نوع مصممة لنماذج التسلسل الهجينة.
تتقصى هذه الورقة المقايضة بين تعظيم الإيرادات التراكمية وتقليل خطأ استدلال الإيرادات البعدي في تحسين تشكيلة المنتجات المعلمي، حيث تضع استراتيجية استكشاف مثلى من نوع باريتو توازن بين هذين الهدفين المتنافسين.
تقدم هذه الورقة مفهوم "التدريب غير المتوافق مع المسافة" لتفسير سبب فشل نماذج محولات الرسوم البيانية (Graph Transformers) عندما لا تتطابق أنماط الاتصال الخاصة بها مع التوزيع المكاني للمعلومات ذات الصلة بالتسميات، مما يثبت أن التحكم التكيفي يمكن أن يخفف من حالات الفشل هذه إذا كانت متطلبات المسافة للمهمة معروفة.
تحدد الورقة البحثية نمط فشل خفي حيث تتعارض طرق تعديل التدرج (مثل الإسقاط أو إعادة التشغيل) مع تحديثات العزم الثاني لخوارزمية Adam، مما يسبب انهياراً في الأداء في التعلم المستمر، وتقترح "توجيه العزم المنفصل التكيفي" لإصلاح ذلك عن طريق توجيه التدرجات المعدلة إلى العزم الأول فقط.
يُعد TabSCM إطار عمل عملياً لتوليد بيانات جدولية مختلطة الأنواع وواقعية تحافظ على البنى السببية من خلال الجمع بين النماذج السببية الهيكلية والانتشار الشرطي وأشجار تعزيز التدرج، مما يوفر دقة إحصائية فائقة، وسرعات توليد أسرع، وقدرة أفضل على التفسير السببي مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة البحثية EgoMAGIC، وهو عبارة عن مجموعة بيانات فيديو طبي من منظور الشخص الأول واسعة النطاق، صُممت لدعم تطوير المساعدين الافتراضيين المتكاملين مع الواقع المعزز من خلال مهام مثل اكتشاف الأفعال، وتحديد الأشياء، وتصحيح الأخطاء.