22423 ورقة بحثية
تقدم هذه الورقة مرشحاً مسبقاً يعتمد على تحويل فوريه السريع (FFT) رباعي الأدوار وفعالاً حاسبياً، يعمل على إزالة التلوث الدوري في بقايا الابتكار لاستعادة مثالية مرشح كالمان وتعزيز اتخاذ القرار في الخطوات اللاحقة ضمن إطار عمل "المتعددات المكونة المنفصلة ذات البوابات" (Gated Decoupled Compositional Bandits)، مع التحقق التجريبي عبر ستة مجالات عالية المخاطر.
تقدم الورقة البحثية ARCHER، وهو مصنف تبايني مستهلك (amortized) يعمل بنظام التعلم الصفري (zero-shot)، يقوم بتعميم تقدير الوضعية في المجهر الإلكتروني برد التجميد (cryo-EM) عبر هياكل بروتينية متنوعة من خلال التكيّف مع أحجام مرجعية في فضاء فوريه، محققاً دقة عالية ومحافظاً على إشارات الهيئة البنيوية دون الحاجة إلى إعادة التدريب لكل هيكل على حدة.
تقدم هذه الورقة ReMAP، وهو إطار عمل للتعلم الخاضع للإشراف الذاتي يحلل المسار الهندسي لتخطيط كهربية الدماغ (EEG) الأمامي الخام أثناء التخدير العام للتنبؤ بدقة بعمق التخدير، وكشف التدرجات المرتبطة بالعمر، وتحديد نقاط الضعف الدماغية الكامنة التي تتنبأ بالنتائج المعرفية والوفيات على المدى الطويل.
تقدم الورقة البحثية ADMIL، وهو إطار عمل للحوسبة الانتقائية يقوم بتقطير انتباه نموذج معلم يعتمد على التعلم متعدد الأمثلة القائم على الانتباه إلى نموذج PriorNet خفيف الوزن لاختيار البلاطات الأكثر إفادة فقط لاستنتاج النموذج التأسيسي المكلف، مما يحقق أداء المعلم الكامل مع تقليل التكاليف الحسابية بنسبة تزيد عن 98% في تحليل شرائح علم الأمراض.
تقترح هذه الورقة طريقة لبناء بنك ذاكرة مدرك للتلوث للكشف عن عيوب الصلب في حالات التعلم بلقطات قليلة، والتي تعمل على تصفية الصور الصناعية غير المتحقق منها لإزالة الرقع الشاذة، مما يحسن أداء الكشف بشكل كبير مقارنة باستراتيجيات التوسع المرجعي أو الإزالة العشوائية.
من خلال دراسة قياس صارمة لموضع النموذج اللغوي وسرعة فك التشفير على محرك أبل العصبي (Apple Neural Engine)، يوضح المؤلف أن التعبير الحسابي وتشفير الأوزان، وليس بنية النموذج وحدها، هما ما يحددان الإقامة في المسرع والأداء، مما يؤدي إلى إجراء تصميم يعطي الأولوية لكفاءة التشفير لتحقيق نماذج ثلاثية (ternary models) أصغر وأسرع بشكل ملحوظ.
تقدم هذه الورقة البحثية TANGO، وهي بنية نموذج لغوي مبتكرة تستبدل الطبقات الفرعية القياسية لنموذج Transformer بتحديث متبقٍ بوابي عبر الرموز (cross-token gated residual update) لتحقيق أداء فائق في مجموعات البيانات الرياضية والتعليمية، إلى جانب متغيرها ذي التعقيد الخطي WANGO الذي يتفوق على النماذج الحالية ذات الوقت الخطي.
تقدم هذه الورقة CoTeach، وهو إطار تعلم ثنائي المعلمين يعتمد على الوعي بالثقة، يقوم ديناميكياً بالاختيار بين الشبكات العصبية الرسومية والنماذج اللغوية الكبيرة باعتبارهما مصدر الإشراف الأكثر موثوقية لكل عقدة، مما يعزز أداء تصنيف العقد في حالات التعلم من عينات قليلة على الرسوم البيانية ذات السمات النصية مع تقليل تكاليف النماذج اللغوية الكبيرة غير الضرورية.
تُظهر هذه الورقة أن الاضطرابات المعجمية تضعف بشدة قدرة النماذج اللغوية الكبيرة على الاستنتاج من خلال تفتيت عملية التقطيع (tokenization) وتحويل الانتباه في طبقات المحولات (transformer layers)، وهو تأثير مزدوج يجعل استراتيجيات الإصلاح أثناء الاستنتاج غير فعالة لأنها تفشل في استعادة كل من المحتوى الفاسد وتخصيص الانتباه في آن واحد.
تقترح هذه الورقة إطار عمل المعادلات التفاضلية العادية العصبية المعززة بالكمون (LA-NODEs) لمعالجة مشكلات المسارات ذاتية التقاطع في النمذجة الصناعية منخفضة الرتبة، وذلك عبر تعزيز المعادلات التفاضلية العادية العصبية لتمثيل المجالات المتجهة المتعارضة، مما يحقق دقة وموثوقية فائقتين في التنبؤ بالأنظمة المعقدة مثل محركات المحركات المغناطيسية الدائمة ذات الأقطاب المغمورة (IPMSM) وأنظمة الطاقة الموزعة.