22512 ورقة بحثية
تقدم الورقة البحثية EvoCL، وهي طريقة للتعلم المستمر خالية من التدرج تستخدم الخوارزميات التطورية ووحدة مهايئ خفيفة الوزن لمنع النسيان الكارثي بفعالية دون الحاجة إلى بيانات ماضية مخزنة أو حسابات تدرج.
تقترح هذه الدراسة إطار عمل هجينًا يجمع بين النمذجة الفيزيائية البارامترية والتعلم الآلي لتصحيح انحياز الاختراق المنهجي بفعالية في نماذج الارتفاع الرقمية المستمدة من رادار الفتحة الاصطناعية بنطاق X-band فوق جرينلاند، مما يظهر دقة وقدرة على التعميم تتفوق على النهج القائمة حصريًا على النماذج الفيزيائية أو نماذج التعلم الآلي.
تقدم هذه الورقة إطار عمل لتقييم معياري اصطناعي يستخدم وظائف ذاكرة قابلة للتحكم لتقييم ومقارنة أداء مختلف بنيات نمذجة التسلسل بشكل منهجي عبر متصل من الهياكل الزمنية، مما يكشف عن رؤى جديدة حول قدراتها التقريبية، وديناميكيات التحسين، والمقايضات البنيوية.
تقدم هذه الورقة البحثية "Trident-Bench"، وهو معيار مرجعي جديد يستند إلى مواثيق الأخلاقيات المهنية في مجالات الطب والقانون والتمويل، لتقييم وكشف الفجوات الأمنية الحرجة في كل من النماذج اللغوية الكبيرة العامة والمتخصصة في مجالات محددة بشكل منهجي.
تقدم هذه الورقة البحثية "آلة دعم المتجهات لتحديد السحب" (CISVM)، وهي إطار عمل للتعلم الخاضع للإشراف يحقق نسبة توافق تبلغ 88.52% مع المراجع السحابية التشغيلية من خلال تصنيف إشعاعات الأشعة تحت الحمراء لـ IASI العالمية، مما يثبت أن البيانات فائقة الطيف للأشعة تحت الحمراء وحدها يمكنها اكتشاف السحب بفعالية مع تقديم رؤى فيزيائية حول تأثيرات خصائص السطح، والموسمية، والجغرافيا.
تقدم هذه الورقة البحثية Seesaw، وهو إطار عمل مبني على أسس منهجية يعمل على تسريع التدريب المسبق للنماذج اللغوية الكبيرة من خلال زيادة حجم الدفعة (batch size) وتعديل معدل التعلم في آن واحد للحفاظ على ديناميكيات الخسارة، مما يقلل وقت التدريب الفعلي بنسبة 36% تقريبًا مقارنة بجداول اضمحلال جيب التمام القياسية مع مطابقة الأداء عند تساوي العمليات الحسابية العائمة (FLOPs).
تقدم هذه الورقة "التشكيلات" (configurations)، وهو إطار عمل للتجميع غير الخاضع للإشراف مستوحى من الدماغ، يستخدم ديناميكيات التجاذب والتنافر وأداة تقييم مبتكرة تسمى mheatmap لنمذجة العمليات المعرفية المبكرة بفعالية، مثل اكتشاف الفئات، وكشف الحداثة، والاستقرار التكيفي.
تقترح هذه الورقة نظريةً غير مرتبطة بخوارزمية أو مهمة محددة تُعرف النسيان بأنه نقص في الاتساق الذاتي في التوزيعات التنبؤية، مُثبتةً من خلال تجارب شاملة عبر إعدادات تعلم متنوعة أن هذه الظاهرة عالمية في التعلم العميق ويمكن قياسها وتحليلها بدقة لتحسين الاحتفاظ بالمعلومات.
تُظهر هذه الدراسة المنهجية أنه في حين أن الدمج القائم على دالة الكوبولا (copula) لدرجات المخاطر السريرية والجينومية يوفر وصفاً قابلاً للتفسير لاعتمادهما ويحدد مجموعات المرضى المعرضين لمخاطر عالية وذوي النتائج السيئة، إلا أنه لا يحسن التمييز التنبؤي مقارنة بالنماذج السريرية وحدها لتصنيف وفيات سرطان الثدي.
تقترح هذه الورقة إطار عمل لتعلم العمليات قابل للتوسع يستبدل الحلول العكسية المكلفة حاسوبياً بالمؤثرات العصبية المدربة على ديناميكيات الغشاء الدمعي المحاكية لتمكين التقدير السريع القائم على البيانات لسمك الغشاء الدمعي والأسمولية من خلال التصوير الفلوري.