cs.LG ورقة بحثية

Generalized Gaussian Temporal Difference Error for Uncertainty-aware Reinforcement Learning

تقترح هذه الورقة إطار عمل للتعلم التعزيزي مدركاً لعدم اليقين يستبدل افتراض التوزيع الغاوسي التقليدي ذي المتوسط الصفري بتوزيع غاوسي معمّم مشروط بالحالة لنمذجة أخطاء فرق زمني ذات ذيول ثقيلة وتباين متباين بشكل أفضل، مما يؤدي إلى تحسين الأداء عبر مختلف معايير التحكم.

Seyeon Kim, Joonhun Lee, Namhoon Cho, Sungjun Han, Wooseop Hwang2026-07-27

🤖 machine learning

Data-Augmented Predictive Deep Neural Network: Enhancing the extrapolation capabilities of non-intrusive surrogate models

تقترح هذه الورقة إطار عمل للتعلم العميق المعزز بالبيانات يجمع بين تفكيك الأنماط الديناميكية النواتي (kernel dynamic mode decomposition) والمشفر التلقائي الالتفافي (convolutional autoencoder) لتعزيز قدرات الاستقراء للنماذج البديلة غير الاقتحامية، مما يتيح تنبؤات دقيقة وسريعة للأنظمة الديناميكية غير الخطية المعقدة ذات المعلمات بما يتجاوز فتراتها الزمنية وعينات معاملاتها التدريبية.

Shuwen Sun, Lihong Feng, Peter Benner2026-07-27

🤖 AI

Carpe Diem: Critical Learning Period-Aware Contract-Based Incentives for Federated Learning

تقترح هذه الورقة إطار عمل R3T، وهو إطار حوافز قائم على نظرية العقود ومدرك للوقت، يعالج عدم تماثل المعلومات وفترات التعلم الحرجة في التعلم الاتحادي من خلال مكافأة مساهمات العملاء عالية الجودة ديناميكيًا خلال مراحل التدريب المبكرة، مما يؤدي إلى تحسين دقة النموذج، وسرعة التدريب، وفائدة السحابة بشكل كبير مقارنة بالطرق التقليدية.

Thanh Linh Nguyen, Dinh Thai Hoang, Diep N. Nguyen, Quoc-Viet Pham2026-07-27

🤖 machine learning

Spatially-Enhanced Temporal Fusion Transformer: Interpretable Multi-Output Prediction for Parametric Dynamical Systems with Time-Varying Inputs

تقدم هذه الورقة البحثية نموذج "محول الاندماج الزمني المعزز مكانياً" (SE-TFT)، وهو نموذج تعلم عميق متعدد المخرجات وقابل للتفسير، يتنبأ بدقة بالديناميكيات غير الخطية المعقدة للأنظمة البارامترية ذات المدخلات المتغيرة زمنياً، وذلك من خلال التقاط الارتباطات الزمنية والتفاعلات المكانية بين استجابات المخرجات المتعددة في آن واحد.

Shuwen Sun, Lihong Feng, Peter Benner2026-07-27

⚡ electrical engineering

Fast State-Augmented Learning for Wireless Resource Allocation with Dual Variable Regression

تقترح هذه الورقة إطار عمل للتعلم السريع المعزز بالحالة لتخصيص الموارد اللاسلكية، والذي يستفيد من انحدار المتغير المزدوج وتعظيم لاغرانج للتغلب على قيود طرق المتدرج المزدوج التقليدية، محققاً أداءً قريباً من الأمثل مع ضمانات تقارب مثبتة.

Yigit Berkay Uslu, Navid NaderiAlizadeh, Mark Eisen, Alejandro Ribeiro2026-07-27

💬 NLP

Self-Guided Process Reward Optimization with Redefined Step-wise Advantage for Process Reinforcement Learning

تقدم هذه الورقة البحثية SPRO، وهو إطار عمل ذاتي التوجيه لتعلم التعزيز العملياتي يلغي الحاجة إلى نماذج مكافآت خارجية من خلال اشتقاق مكافآت عملياتية جوهرية وإعادة تعريف تقدير الميزة خطوة بخطوة، مما يحقق كفاءة ودقة واستقراراً فائقاً في التدريب دون أعباء حسابية إضافية مقارنة بالطرق القياسية الخاضعة للإشراف على النتائج.

Wu Fei, Shuxian Liang, Yibo Yang, Yang Lin, Jing Tang, Lei Chen, Xiansheng Hua, Hao Kong2026-07-27

🤖 AI

A Robust Pipeline for Differentially Private Federated Learning on Imbalanced Clinical Data using SMOTETomek and FedProx

تقدم هذه الورقة إطار عمل قوي للتعلم الاتحادي ذو الخصوصية التفاضلية على البيانات السريرية غير المتوازنة، والذي يجمع بين إعادة أخذ العينات بطريقة SMOTETomek على مستوى العميل وخوارزمية FedProx المحسنة لتحقيق معدل استدعاء عالٍ (أكبر من 77%) مع الحفاظ على ضمانات خصوصية قوية (إبسيلون 9.0) للتنبؤ بمخاطر أمراض القلب والأوعية الدموية.

Rodrigo Tertulino2026-07-27

🤖 machine learning

A Comparative Benchmark of Federated Learning Strategies for Mortality Prediction on Heterogeneous and Imbalanced Clinical Data

تقوم هذه الورقة البحثية بقياس أداء خمس استراتيجيات للتعلم الاتحادي على مجموعة بيانات MIMIC-IV غير المتجانسة وغير المتوازنة للتنبؤ بالوفيات، حيث وجدت أنه في حين يوفر FedProx الأداء الأكثر قوة بين الطرق اللامركزية، إلا أنه لا يزال يقصر عن خط الأساس المركزي ويعاني في خدمة وحدات العملاء الأصغر والمتميزة بشكل متساوٍ.

Rodrigo Tertulino2026-07-27

🤖 AI

SurvDiff: A Diffusion Model for Generating Synthetic Data in Survival Analysis

تقدم هذه الورقة SurvDiff، وهو أول نموذج انتشار (diffusion model) متكامل مصمم خصيصاً لتوليد بيانات بقاء اصطناعية من خلال النمذجة المشتركة للمتغيرات المرافقة مختلطة النوع، وأوقات الحدث، وآليات الرقابة لضمان دقة توزيعية عالية وأداء عالٍ في المهام اللاحقة.

Marie Brockschmidt, Maresa Schröder, Stefan Feuerriegel2026-07-27

🤖 machine learning

Numerical Fragility in Transformers: A Layer-wise Theory for Risk Estimation and Selective Stabilization

تقترح هذه الورقة إطاراً نظرياً قائماً على الطبقات لتفكيك وتقدير الهشاشة العددية في نماذج المحولات (Transformers)، مما أدى إلى تطوير "الاستقرار الانتقائي الموجه بالحدود" (BGSS)، وهو متحكم يعمل بفعالية على تخفيف أخطاء التنفيذ منخفضة الدقة عن طريق تثبيت الطبقات عالية المخاطر بشكل انتقائي.

Jinwoo Baek2026-07-27

→ السابق التالي ←