27989 ورقة بحثية
تقدم هذه الورقة البحثية DiME، وهي طريقة فعالة في استهلاك العينات لتقدير دليل النموذج (model evidence) للمسبقات الانتشارية (diffusion priors)، وذلك عبر الاستفادة من العينات المتوسطة من أخذ عينات اللاحقة (posterior sampling)، مما يتيح اختياراً فعالاً للنماذج وتشخيصاً دقيقاً لعدم ملاءمة المسبق (prior misfit) في المسائل العكسية التصويرية سيئة التحديد دون الحاجه إلى تقييمات كثيفة للكثافة أو درجات نظيفة دقيقة.
تُصيغ هذه الورقة التفسير الاحتمالي للمساحة تحت منحنى خصائص تشغيل المستقبِل (AUC) باعتبارها احتمالية قيام المصنف بترتيب حالة إيجابية عشوائية في مرتبة أعلى من حالة سلبية عشوائية، وتوفر حداً للخطأ عندما لا تتحقق الفرضيات الأساسية، وتقدم مراجعة أدبية موجزة لمنحنيات خصائص تشغيل المستقبِل.
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.
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.
تقدم الورقة البحثية KASBA، وهي خوارزمية جديدة وقابلة للتوسع لتجميع السلاسل الزمنية، تستفيد من مسافة "النقل-التقسيم-الدمج" (Move-Split-Merge) والاشتقاق الفرعي العشوائي لتحقيق توازن متفوق بين دقة التجميع العالية وتقليل وقت التشغيل بشكل كبير مقارنة بالطرق الحالية المتطورة.
يقدم هذا المقال URF-GS، وهو إطار عمل موحد يستفيد من تقنية الـ 3D Gaussian Splatting والتحويل العكسي (inverse rendering) لدمج البيانات المرئية واللاسلكية من أجل إنشاء خرائط راديو ثلاثية الأبعاد عالية الدقة، والتي تحسن دقة الطيف المكاني وكفاءة أخذ العينات بشكل كبير مقارنة بالطرق الحالية القائمة على NeRF.
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.
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.
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.
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.