22512 ورقة بحثية
تقترح هذه الورقة إطار عمل قوي للكشف عن اختراق الشبكات غير الخاضع للإشراف في بيئات إنترنت الأشياء، والذي يستفيد من عدم تمثيل البيانات الأقلية المتأصل في التعلم الاتحادي ومن آلية تجميع انتقائية قائمة على خوارزمية توقع التعظيم لتقليل تأثير تلوث العينات الشاذة أثناء التدريب بشكل فعال.
تُثبت هذه الورقة أن نماذج التسلسل المدربة على بيانات التقلب العشوائي تطور آليات داخلية ذات مرحلتين وقابلة للتفسير لترميز حالات التقلب الكامنة والتنبؤ بالعوائد، مما يكشف أن تدهور الأداء تحت ظروف التدريب المشوب بالضجيج ينبع غالباً من عدم توافق القراءة بدلاً من فشل التمثيل.
تقدم هذه الورقة تحليلاً أكثر إحكاماً واعتماداً على البيانات للندم في التحسين المحدب عبر الإنترنت المقيد، والذي يدمج تراكم التدرج المرصود ومعامل تصحيح بولياك غير السالب، مما يؤدي إلى اقتراح خوارزمية AdaOGD-PFS التكيفية التي تحقق ندمًا محسناً بمقدار مع الحفاظ على الجدوى في كل جولة.
تقدم هذه الورقة مقدرات متوسط كمية جديدة وخوارزميات هبوط التدرج الكمي ( و) تحقق تسارعاً في تعقيد الاستعلام يمكن إثباته مقارنة بالطرق الكلاسيكية لمشكلات الأمثلة العشوائية التي تنطوي على ضجيج ثقيل الذيل، لا سيما في الأنظمة منخفضة الأبعاد.
تقترح هذه الورقة البحثية "اختيار المجموعات الجوهرية لمكافحة الباب الخلفي"، وهو دفاع أثناء وقت التدريب يقوم ببناء مجموعة فرعية حميدة من البيانات عبر الاستفادة من الإنتروبيا التراكمية وإلغاء تعلم العينات لعزل وإزالة عينات الباب الخلفي بفعالية مع الحفاظ على دقة النموذج الطبيعية.
تقدم هذه الورقة تمثيلاً لسمات هيكلية متعددة المقاييس مدمجاً في إطار تعلم تطوري خالٍ من التدرج لتحقيق تعرّف بصري مستمر ومفهوم على مجموعة بيانات MNIST، بما يضاهي أو يتجاوز دقة النماذج المرجعية القائمة على إعادة التشغيل، مع الحفاظ على المعرفة السابقة والبنية القابلة للتفسير البشري دون تخزين أي بيانات سابقة.
تقترح هذه الورقة إطار عمل لتعلم التمثيل التبايني يقوم بنمذجة مسارات الأمراض متعددة المتغيرات كرسوم بيانية زمنية لتوليد تضمينات قوية لتجميع المرضى ذوي أنماط التقدم المتشابهة وكشف الهياكل الكامنة في البيانات السريرية الطولية.
تُثبت هذه الورقة أن الواصفات الطيفية، مثل الإنتروبيا والرتبة الجوهرية وبنية المويجات، يمكن أن تعمل كمعلومات مسبقة مستمدة من البيانات لتوجيه تصميم وتحسين المعلمات الفائقة لبنى الشبكات العصبية التلافيفية أحادية الأبعاد القابلة للتفسير في الكيمياء القياسية للأشعة تحت الحمراء القريبة، مما يحقق أداءً يضاهي البحث البايزي الشامل مع تقليل الحاجة إلى الضبط المكثف الخاص بكل هدف.
تقدم هذه الورقة "إزالة الالتفاف السياقي" (Contextual Deconvolution)، وهو مُقدِّر ذو مرحلتين ومعدَّل بالنوى، يعيد صياغة استشعار الطلب كتحلل محدب لفصل الصدمات الترويجية عن الخطوط الأساسية الهيكلية، مما يقلل بشكل كبير من تشتت خطأ التنبؤ وتقلب المخزون عبر آلاف وحد حفظ المخزون (SKUs) مع تحسين التكلفة الإجمالية فقط عندما تتجاوز تكاليف الحيازة تكاليف نفاد المخزون بشكل جوهري.
تقدم هذه الورقة إطار عمل للمؤثرات العصبية المستنيرة بالفيزياء يقوم بترتيب مواد الجدران المحلية منخفضة التكلفة للمناخات الحارة والجافة بكفاءة، حيث يحدد الطوب اللبني (الصلصال والقش) كخيار أمثل للراحة الحرارية مع الكشف عن انقلاب في الأداء يعتمد على النظام في ظروف ما دون درجة حرارة المحيط.