cs.LG ورقة بحثية

LAION-BVD: A 10-Million-Hour Open Video Dataset for Multimodal Pre-training

تقدم الورقة البحثية LAION-BVD، وهو مجموعة بيانات مفتوحة ضخمة تضم 80 مليون فيديو (10 ملايين ساعة) مع تعليقات توضيحية مُولدة اصطناعياً، مما يتيح التدريب المسبق متعدد الوسائط بأسلوب الحالة الراهنة عبر مهام الفيديو والصوت والنص-الصورة.

Andreas Hochlehnert, Marianna Nezhurina, Mehdi Cherti, Andrej Radonjic, Thaddäus Wiedemer, Christoph Schuhmann, Romain B (…)2026-08-26

🤖 machine learning

Parameterized Complexity of $L_p$ -Lipschitz Constants for Input Convex Neural Networks and $L_p$ -Norm Maximization over Zonotopes

تحل هذه الورقة مشكلة مفتوحة من خلال إثبات أن حساب ثوابت ليبشيتز لـ $L_p$ للشبكات العصبية ذات الطبقتين المدخلة-المحدبة، وتعظيم معايير $L_p$ -norm عبر الزوناتوب (zonotopes)، هي مسائل صعبة من فئة W[1] بالنسبة للبعد لجميع قيم $p$ النسبية الثابتة في الفتحة $(1, \infty)$ ، مما يؤسس لثبات مثالية التعداد بالقوة الغاشمة تحت فرضية الوقت الأسي.

Aritra Das, Vincent Froese, Moritz Grillo, Debayan Gupta, Christoph Hertrich, Tharrshann Jayan Logarajah, Georg Loho, Mi (…)2026-08-26

🔬 physics

Residual-based attention in physics-informed neural networks

تقترح هذه الورقة آلية انتباه قائمة على البواقي وغير معتمدة على التدرج للشبكات العصبية المستنيرة بالفيزياء (PINNs)، تعمل على وزن مكونات الخسارة ديناميكيًا لتسريع التقارب وتحسين الدقة من خلال تركيز التحسين على مناطق البواقي المرتفعة دون تكلفة حوسبية إضافية.

Sokratis J. Anagnostopoulos, Juan Diego Toscano, Nikolaos Stergiopulos, George Em Karniadakis2026-08-25

🤖 machine learning

Approximating invariant functions with the sorting trick is theoretically justified

تؤسس هذه الورقة أساساً نظرياً لكفاءة عملية التنميط (مثل الترتيب) في تقريب الدوال الثابتة من خلال اشتقاق حدود على أخطاء التقريب عند النقاط وفي معيار $L^2$ ومعدلات اضمحلال القيم الذاتية، مما يعالج المخاوف السابقة المتعلقة بعدم قابليتها للاشتقاق.

Wee Chaimanowong, Ying Zhu2026-08-25

🤖 machine learning

Learning in PINNs: Phase transition, diffusion equilibrium, and generalization

تتقصى هذه الورقة ديناميكيات التعلم للشبكات العصبية من خلال تحديد مرحلة "توازن الانتشار" التي تتميز بتوافق التدرجات على مستوى العينات وتجانس البواقي، مما يدفع نحو تقارب أسرع وتعميم أفضل، مما يؤدي إلى مقترح لمخطط إعادة ترجيح يعزز الأداء في الشبكات العصبية المستوحاة من الفيزياء (PINNs).

Sokratis J. Anagnostopoulos, Juan Diego Toscano, Nikolaos Stergiopulos, George Em Karniadakis2026-08-25

🤖 machine learning

SIG: A Synthetic Identity Generation Pipeline for Generating Evaluation Datasets for Face Recognition

تقدم هذه الورقة مسار توليد الهوية الاصطناعية (SIG)، وهو وسيلة لإنشاء مجموعات بيانات وجوه اصطناعية مستمدة من مصادر أخلاقية، ومتوازنة، وقابلة للتحكم للتغلب على التحديات اللوجستية وتحديات الخصوصية لجمع البيانات التقليدي، وتثبت فعاليتها من خلال إصدار مجموعة بيانات ControlFace10k مفتوحة المصدر لتقييم خوارزميات التعرف على الوجوه والتحيز.

Kassi Nzalasse, Rishav Raj, Eli Laird, Corey Clark2026-08-25

🤖 machine learning

DuoGNN: Topology-aware Graph Neural Network with Homophily and Heterophily Interaction-Decoupling

تقدم الورقة البحثية DuoGNN، وهي بنية للشبكات العصبية الرسومية قابلة للتوسع والتعميم، تعمل على فصل التفاعلات المتجانسة (homophilic) والمتباينة (heterophilic) من خلال تصفية الحواف الطوبولوجية وتكثيف الرسم البياني لمعالجة قيود التنعيم المفرط (over-smoothing) والضغط المفرط (over-squashing) بفعالية في كل من مهام تصنيف العقد الطبية وغير الطبية.

K. Mancini, I. Rekik2026-08-25

📊 statistics

Statistical Taylor Expansion: A New and Path-Independent Method for Uncertainty Analysis

تقدم هذه الورقة "توسع تايلور الإحصائي"، وهي طريقة صارمة مستقلة عن المسار تسمى الحساب التبايني، تستبدل المدخلات الدقيقة بمتغيرات عشوائية لتتبع انتشار عدم اليقين عبر جميع الخطوات الحسابية، مما يتيح التحديد الدقيق لموثوقية النتائج وكشف الأخطاء الجسيمة في النهج العددية التقليدية، وتوزين الانحدار، وتحويلات فوريه المتقطعة.

Chengpu Wang2026-08-25

📊 statistics

Cross-validating causal discovery via Leave-One-Variable-Out

تقدم هذه الورقة إطار تنبؤ "ترك متغير واحد" (LOVO) الذي يفند خوارزميات الاكتشاف السببي دون الحاجة إلى حقيقة أرضية، وذلك عبر تدريب النماذج على مجموعات بيانات تستثني أزواج متغيرات محددة وتقييم قدرتها على التنبؤ بدقة بالعلاقات المحذوفة، مستخدمةً بذلك خطأ التنبؤ كبديل للدقة السببية.

Daniela Schkoda, Philipp Faller, Patrick Blöbaum, Dominik Janzing2026-08-25

🤖 machine learning

NeST: Neighborhood-aware semantic alignment and temporal modulation for LLM based time series forecasting

تقترح الورقة البحثية NeST، وهو إطار عمل مبتكر يعزز التنبؤ بالسلاسل الزمنية القائم على النماذج اللغوية الكبيرة من خلال توليد نماذج نصية أولية مدركة للجوار، ومحاذاتها مع التمثيلات الزمنية عبر التعلم التبايني، وتطبيق تعديل زمني مشروط بالنماذج الأولية لتحقيق أداء فائق وقدرة على التعميم عبر مختلف المعايير والمهام الواقعية.

Jayanie Bogahawatte, Sachith Seneviratne, Maneesha Perera, Saman Halgamuge2026-08-25

→ السابق التالي ←

cs.LG

LAION-BVD: A 10-Million-Hour Open Video Dataset for Multimodal Pre-training

Parameterized Complexity of LpL_pLp​-Lipschitz Constants for Input Convex Neural Networks and LpL_pLp​-Norm Maximization over Zonotopes

Residual-based attention in physics-informed neural networks

Approximating invariant functions with the sorting trick is theoretically justified

Learning in PINNs: Phase transition, diffusion equilibrium, and generalization

SIG: A Synthetic Identity Generation Pipeline for Generating Evaluation Datasets for Face Recognition

DuoGNN: Topology-aware Graph Neural Network with Homophily and Heterophily Interaction-Decoupling

Statistical Taylor Expansion: A New and Path-Independent Method for Uncertainty Analysis

Cross-validating causal discovery via Leave-One-Variable-Out

NeST: Neighborhood-aware semantic alignment and temporal modulation for LLM based time series forecasting

Parameterized Complexity of $L_p$ -Lipschitz Constants for Input Convex Neural Networks and $L_p$ -Norm Maximization over Zonotopes