27989 ورقة بحثية
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.
تُعد IMPA-Net إطار عمل حتمي للتنبؤ قصير المدى بالرادار، يستخدم خلاطاً مكانياً خالياً من المعلمات، وانتباهاً تنبؤياً متعدد المقاييس، وفقداناً ديناميكياً مدركاً للأرصاد الجوية لمنع تنعيم التوقعات وتحسين اكتشاف الهطولات المطرية الحملية الكثيفة.
تقترح هذه الورقة طريقة للتحكم التنبئي بالنماذج في فضاء الاعتقاد () للأنظمة الخطية ذات الملاحظات الثنائية الخطية، والتي تعالج فشل مبدأ الفصل من خلال التخطيط مباشرة لكل من الحالة المقدرة وتباين الخطأ المعتمد على المدخلات لتمكين تحكم أكثر وعياً بعدم اليقين.
تقترح هذه الورقة "التقريب التدريجي عبر الطبقات" (LPA)، وهو مبدأ تدريب قائم على أسس نظرية يُمكّن الشبكات المتبقية من تحسين التقريبات خطوة بخطوة عبر الطبقات، مما يسمح لنموذج واحد مُدرب بتقديم تنبؤات مفيدة عند أي عمق من أجل النشر متعدد الأعماق بكفاءة.
تقدم الورقة البحثية "اكتشاف المهارات ذات الصلة دلالياً" (SRSD)، وهو نهج يعتمد على وجود الإنسان في الحلقة لتحسين كفاءة وتنوع اكتشاف المهارات غير الخاضع للإشراف في التعلم التعزيزي، وذلك عبر استخدام التسميات الدلالية البشرية لتوجيه تعلم سلوكيات أكثر مغزىً وصلة.
تُوصّف هذه الورقة فضاءات هيلبرت ذات النواة المستنسخة (RKHS) ونعومة مسار العينة لنواة التماس العصبي (NTK) والعمليات الجاوسية للشبكات العصبية (NNGP) لفئة واسعة من دوال التنشيط غير السلسة، كاشفةً كيف يحدد عدم سلاستها عند الصفر اعتماد النواة الناتجة على العمق.
تقترح هذه الورقة نهجاً لتعلم المجموعات الفوقية (meta-ensemble learning) يعمل على تحسين أداء وتعميم تصنيف أصوات الجهاز التنفسي من خلال تدريب النماذج الأساسية على تقسيمات بيانات متنوعة ودمج تنبؤاتها عبر نموذج فوقي مُدرب.
تُثبت هذه الورقة البحثية المثالية الدنيا القصوى (minimax optimality) لعائلة من خوارزميات التدرج المتناقص ذات المرة الواحدة (one-pass) التي تتبع الخصوصية التفاضلية في النظام عالي الأبعاد، حيث تقدم تحليلاً حتمياً يوضح كيف تعمل التقنيات العملية مثل قص التدرج العدواني وتناقص معدلات التعلم على تحسين معدلات الخطأ لكل من البيانات جيدة التكيّف والبيانات ذات توزيع قانون القوة.
تقدم هذه الورقة مفسرين جديدين محايدين للنموذج للشبكات العصبية الرسومية الزمنية (TGNNs) — مفسر "شابلي" على مستوى الحدث ومفسر قائم على "قيمة أوين" على مستوى الميزات — يتفوقان على الأساليب الحالية ويمكنهما تحديد العيوب في تنفيذ النماذج.
تُعد FlashOverlap تقنية مبتكرة لتداخل الاتصال والحوسبة في تدريب النماذج اللغوية الكبيرة الموزعة، حيث تقضي على زمن الاستجãء المتأخر (tail latency) عبر استبدال العمليات الجماعية التقليدية باتصالات الند للند المفككة وجدولة حوسبة مجزأة دقيقة التفاصيل.