22512 ورقة بحثية
تقدم هذه الورقة البحثية RUMnets، وهو نموذج اختيار منفصل قائم على الشبكات العصبية يقترب نظرياً من أي نموذج تعظيم المنفعة العشوائية مع إظهار دقة تنبؤية تنافسية على مجموعات بيانات من العالم الحقيقي.
تُقيّم هذه الورقة أداء وإمكانات مستشعرات القوة والعزم للملاحة في المركبات الجوالة الكوكبية من خلال تحليل بيانات ميدانية لمركبة ست عجلات عبر تضاريس متنوعة، مع تسليط الضوء على التحديات والفرص لتوجيه التكامل المستقبلي للمستشعرات وتصميم خوارزميات التحكم.
تقدم هذه الورقة البحثية "مونت كارلو المعززة بالتنبؤ" (PEMC)، وهو إطار عمل للتعلم الآلي يستفيد من المتنبئات المتعلمة لتحقيق خفض للتباين غير متحيز ومراعٍ للتكلفة في المحاكاة المعقدة عبر مجالات التمويل والرعاية الصحية، مما يعمل بفعالية على تحديث طريقة "المتغير المساعد" دون التضحية بعدم اليقين القابل للقياس.
تقدم هذه الورقة سياسة مؤشر لاغرانج (LIP) للمتعدد الأذرع غير المستقرة ذات المكافآت المتوسطة، مبرهنةً على تفوق متانتها على سياسة مؤشر ويتل في الحالات الصعبة، ومقترحةً خوارزميات تعلم تعزيزي خالية من النموذج وفعالة في استهلاك الذاكرة، ومستخرجةً مؤشرات تحليلية لتطبيقات محددة، ومقدمةً برهاناً جديداً للتحسين التقاربي باستخدام مبرهنة دي فينيتي.
تقدم الورقة البحثية METAFORS، وهو إطار عمل للتعلم التلوي يستفيد من مكتبة من النماذج المدربة على سلاسل زمنية ذات صلة وأطول، لتهيئة نماذج تنبؤ مخصصة قادرة على التنبؤ بدقة بكل من الديناميكيات قصيرة المدى والإحصاءات طويلة المدى للأنظمة ذات البيانات التاريخية المحدودة.
تقدم هذه الورقة البحثية Rex، وهي عائلة من حلول "رونج-كوتا" الأسية (الاحتمالية) العكسية التي تتغلب على قيود العكس الدقيق للطرق القياسية عبر تحويل المخططات الصريحة إلى مخططات عكسية جبرياً، مما يتيح إعادة بناء بدقة تقارب دقة الآلة ويحسن الأداء في النماذج التوليدية القائمة على الانتشار.
تقدم هذه الورقة نوعين جديدين من نماذج الشبكة العصبية غير المتماثلة، المستمرة وذات الكفاءة الحسابية، والمبنية على التضمينات ثنائية ليبشيتز (bi-Lipschitz) ومتوسط الإطار (frame-averaging)، والتي تحقق التقريب الشامل بتعقيد متعدد الحدود وتوفر حدوداً كمية لمتطلبات المعلمات لتعلم الدوال غير المتماثلة.
تقيّم هذه الدراسة خمسة نماذج لغوية كبيرة عامة وثلاثة نماذج طبية مخصصة للتواصل بشأن مرض السرطان، كاشفةً عن وجود مقايضة حيث تتفوق النماذج العامة في الجودة اللغوية والتأثير، بينما تقدم النماذج الطبية إمكانية وصول أفضل ولكنها تظهر مخاطر أعلى فيما يتعلق بالضرر والسمية والتحيز، مما يسلط الضوء على الحاجة إلى تحسينات تصميمية مستهدفة لضمان محتوى صحي آمن وفعال يتم إنشاؤه بواسطة الذكاء الاصطناعي.
تقدم هذه الورقة البحثية إطار عمل TIIPS، وهو إطار عمل مبتكر يستبدل النهج الهرمي أو المتنافية ببارادايم حل المشكلات التعاوني الذي يدمج بين الاستدلال الاستنباطي والاستدلال الاستقرائي، متفوقاً بذلك على النماذج المرجعية الرائدة في مهام البرمجة عبر الأمثلة من خلال الحفاظ على القدرة الاستدلالية الذاتية لكلا النمطين.
تقترح هذه الورقة إطار عمل كفؤ في استهلاك البيانات يعمل على تحويل النماذج اللغوية الكبيرة متعددة الوسائط التوليدية إلى نماذج تضمين تمييزية قوية تعمل بنمط الصفر من الأمثلة، وذلك عبر الاستفادة من مطالبات التضمين الهرمية للضبط الكامن واستراتيجية مبتكرة لأخذ عينات السلبيات الصعبة ذات الوعي الذاتي للقضاء على السلبيات الزائفة، محققةً أداءً تنافسياً بأقل قدر من بيانات التدريب.