cs.LG ورقة بحثية

Higher-Order Kuramoto Oscillator Network for Dense Associative Memory

تقدم هذه الورقة نموذج هيب (Hebbian) كوماتو (Kuramoto) معمماً يتضمن تفاعلات طورية رباعية حقيقية لإنشاء ذاكرة ترابطية كثيفة، مظهرةً أن مثل هذا الاقتران من الرتب العليا يستحث انتقالات غير مستمرة وذات تخلف مغناطيسي (hysteretic) وأزمنة استبقاء للذاكرة طويلة أسياً مقارنة بالنماذج الكلاسيكية ثنائية الأطراف.

Jona Nagerl, Natalia G. Berloff2026-08-25

🔬 optics

Programmable k-local Ising interactions and shallow optical Kolmogorov--Arnold networks through repeated data encounters

تقترح هذه الورقة بنية فوتونية ذات مواجهة متكررة تستخدم الانتشار الخطي والكشف ذو التربيع المربع لتقييم تفاعلات إيزيننج (Ising) المتفرقة ذات الموقع المحلي $k$ وشبكات كولموغوروف-أرنولد البصرية الضحلة بشكل برمجي دون الحاجة إلى وسائط غير خطية أو كيوبتات مساعدة، محققةً كفاءة مثلى بـ $\lceil k/2\rceil$ من مواجهات البيانات.

Nikita Stroev, Natalia G. Berloff2026-08-25

🤖 machine learning

Optimal Transport for Handwritten Text Recognition in a Low-Resource Regime

تقترح هذه الورقة إطار عمل يعتمد على التمهيد المتكرر (iterative bootstrapping) يستفيد من النقل الأمثل (Optimal Transport) لمحاذاة الميزات المرئية مع التمثيلات الدلالية للكلمات، مما يتيح التعرف الفعال على النصوص المكتوبة بخط اليد في سيناريوهات الموارد المنخفضة من خلال توليد تسميات مستعارة من البيانات غير المصنفة والحد الأدنى من الأمثلة المصنفة.

Petros Georgoulas Wraight, Giorgos Sfikas, Ioannis Kordonis, Petros Maragos, George Retsinas2026-08-25

⚛️ quantum physics

Minimum Bisection Problem: Machine Learning-Based Penalty Parameter Tuning for Optimization on Quantum Annealers

تقترح هذه الورقة إطار عمل يعتمد على تعلم الآلة يقوم بضبط معيار الجزاء تلقائياً لمسألة التقسيم الثنائي الأدنى (Minimum Bisection Problem) على أجهزة التلدين الكمي، وذلك باستخدام نماذج تراجع تعزيز التدرج (Gradient Boosting Regressors) للتنبؤ بفترات الجزاء الفعالة، وتُظهر أداءً متفوقاً على الاستدلالات الكلاسيكية مثل "ميتيس" (Metis) في توليد تقسيمات متوازنة بقيم قطع أقل.

Renáta Rusnáková, Martin Chovanec, Juraj Gazda2026-08-25

🤖 machine learning

Closing the Curvature Gap: Full Transformer Hessians

تسد هذه الورقة فجوة نظرية في فهم تحسين نماذج "ترانسفورمر" (Transformer) عبر اشتقاق مصفوفة "هسيان" (Hessian) دقيقة وصيغية كاملة لكتلة "ترانسفورمر" الكاملة، مع مراعاة التفاعلات بين طبقات التقييس (Layer Normalization)، والشبكات المغذية للأمام (Feed-Forward Networks)، والوصلات المتبقية (residual connections) بشكل صريح، مع التحقق من صحة هذه الصيغ من خلال تسريع الأداء التجريبي وحدود المعيار الطيفي (spectral norm bounds).

Egor Petrov, Nikita Kiselev, Vladislav Meshkov, Andrey Grabovoy2026-08-25

⚡ electrical engineering

Mitigating Sample-Level Imbalance via Probabilistic Separation for Adaptive Multimodal Fusion

تقترح هذه الورقة إطار عمل مبتكر يخفف من عدم التوازن في الأنماط على مستوى العينات في التعلم متعدد الوسائط من خلال استخدام مقياس فجوة النمط ونموذج الخليط الغاوسي لفصل العينات احتماليًا إلى مجموعات فرعية متوازنة وغير متوازنة، مما يتيح عملية تدريب ديناميكية من مرحلتين تعيد تخصيص أولويات التحسين بشكل تكيفي وتعمل على تنقية البيانات لتحقيق أداء فائق.

Zhiwen Yu, Zhaocheng Liu, Xiaoqing Liu, Huanqiang Zeng, C. L. Philip Chen2026-08-25

🤖 machine learning

Decomposable Neural Symbolic Regression

تقدم هذه الورقة طريقةً للتحليل الرمزي العصبي القابل للتفكيك تستفيد من محولات المجموعات المتعددة (Multi-Set Transformers)، والخوارزميات الجينية، والبرمجة الجينية لاستخلاص نماذج الانحدار الغامضة إلى تعبيرات متعددة المتغيرات دقيقة وقابلة للتفسير تستعيد باستمرار البنية الرياضية الأصلية مع الحفاظ على أداء تنبؤي تنافسي.

Giorgio Morales, John W. Sheppard2026-08-25

📊 statistics

DIGing--SGLD: Decentralized and Scalable Langevin Sampling over Time--Varying Networks

تقدم هذه الورقة خوارزمية DIGing-SGLD، وهي خوارزمية أخذ عينات لامركزية تدمج تتبع التدرج مع ديناميكيات ليفينوف التدرجية العشوائية لتحقيق تقارب هندسي خالٍ من الانحياز عبر الشبكات متغيرة الزمن، مما يوفر أول ضمانات تقارب غير تقاربية ذات زمن محدد لمثل هذه الإعدادات.

Waheed U. Bajwa, Mert Gurbuzbalaban, Mustafa Ali Kutbay, Lingjiong Zhu, Muhammad Zulqarnain2026-08-25

🤖 machine learning

Finite-Nudge Equilibrium Propagation in Thermal Ensembles

تؤسس هذه الورقة أساساً قائماً على "الدفعة المحدودة" (finite-nudge) لآلية "الانتشار بالتوازن" (Equilibrium Propagation) عبر نمذجة حالات الشبكة كتوزيعات "غيبس-بولتزمان"، حيث تثبت أن تحديث "تعلم هيب التبايني" (Contrastive Hebbian Learning) الكلاسيكي يعمل كمقدر دقيق للميل (gradient estimator) لأي دفعة محدودة تعسفية دون الحاجة إلى تقريبات متناهية الصغر أو فرضيات التقعر، مع إثبات مزايا تدريب عملية من خلال تحسين نسب الإشارة إلى الضجيج.

Elon Litman2026-08-25

🤖 machine learning

Hierarchical Book Organization for Learning-Resource Discovery using Dual-Path Graph Convolutions

تقترح هذه الورقة HiGeMine، وهو إطار عمل هرمي لتصنيف الكتب يستفيد من التلافيف الرسومية ثنائية المسار لنمذجة الملخصات الموثوقة والمراجعات الذاتية بشكل منفصل من أجل الاستدلال الدلالي من الكلي إلى الجزئي، مما يؤدي إلى تحسين تنظيم واكتشاف موارد التعلم الرقمية.

Suraj Kumar, Utsav Kumar Nareti, Soumi Chattopadhyay, Chandranath Adak, Prolay Mallick2026-08-25

→ السابق التالي ←