22423 ورقة بحثية
تقدم الورقة البحثية LLM-SPICEMixer، وهو إطار عمل هجين يدمج عامل اقتراح يعتمد على النماذج اللغوية الكبيرة (IGEL) في التوليد الجيني للشبكات لتعزيز تخليق طوبولوجيا الدوائر التناظرية، محققاً دقة ومتانة أعلى بكثير في مهمة تصنيف "Iris" المرجعية مقارنة بالطرق التقليدية.
تقدم هذه الورقة إطار عمل للتعلم الآلي يراعي عدم اليقين، يجمع بين المحولات الزمكانية والتنبؤ المطابق لإنتاج تقديرات للفقر ذات ضمانات إحصائية عبر أفريقيا، مما يثبت أنه في حين لا يمكن لبيانات رصد الأرض وحدها أن توجه السياسات بسبب عدم اليقين المتأصل، إلا أنه يمكنها أن تعزز بشكل موثوق المسوحات التقليدية لتحسين تخصيص المساعدات مع التحكم الصارم في مخاطر الاستبعاد.
تقدم هذه الورقة مجموعة بيانات شاملة ومتعددة الوسائط لتسجيلات حقيقية من غرف العمليات، تدمج تقييمات معيارية للعمل الجماعي، وتوصيفات تفاعلية متعددة المستويات، وأوصافاً واقعية مضادة للنتائج البديلة، لتمكين النمذجة الحاسوبية المتقدمة لديناميكيات الفريق الجراحي وتطوير أنظمة تعاونية مدعومة بالذكاء الاصطناعي.
تُظهر هذه الدراسة أن نماذج تعلم الآلة المدربة على بيانات لون المحيط متعددة الأطياف من الأقمار الصناعية يمكنها تقدير تركيزات صبغات العوالق النباتية التشخيصية بدقة أكبر من النهج التقليدي الذي يعتمد على الكلوروفيل-أ فقط، مما يحسن الرصد واسع النطاق لتكوين مجتمع العوالق النباتية.
تقدم هذه الورقة عائلة جديدة من الحدود الأكثر إحكاماً والواعية للطيف حول قابلية العكس لترميز الحالات المعزز للخصوصية، والتي تتغلب على قيود الأعمال السابقة من خلال التطبيق على كل من المرمّزات الحتمية والعشوائية مع دعم مقاييس التشابه القائمة على المعايير المختلفة بخلاف متوسط مربع الخطأ.
تقدم هذه الورقة البحثية مسار معالجة جديداً للكشف عن العبور المنفرد باستخدام الشبكات العصبية الالتفافية وتشخيصات المركبة الفضائية لتحديد أربعة مرشحين لكواكب ذات دورات طويلة (بفترات تتجاوز 342 يوماً) في أنظمة كبلر، والتي تستضيف جميعها كواكب داخلية تظهر تغيرات في توقيت العبور.
تقدم الورقة البحثية ChebBooster، وهو إطار عمل لا يتطلب تدريباً يستفيد من الاستكمال الرياضي لمتعددات حدود تشيبيشيف المستقرة عددياً عبر صيغة Barycentric لتسريع استنتاج نماذج "Diffusion Transformer" بشكل كبير، محققاً تسريعاً في زمن الاستجابة يصل إلى 3.68 ضعفاً وخفضاً في العمليات الحسابية (FLOPs) بمقدار 5.12 ضعفاً مع الحفاظ على جودة بصرية عالية عبر نماذج متعددة.
تقدم هذه الورقة إطار عمل للتعلم المستمر الخالي من المكافآت يُمكّن الروبوتات الفضائية من التكيف مع التدهور الشديد في الأجهزة عبر الاستفادة من نموذج عالم للحالة الكامنة مُدرب مسبقاً لتحديث ديناميكيات الانتقال عبر عمليات تدحرج غير خاضعة للإشراف وتدريب السياسات على مسارات متخيلة، مما يلغي الحاجة إلى إشارات مكافأة غير قابلة للتنفيذ أثناء النشر.
تقترح هذه الورقة إطار عمل تشغيلي لمهمة "آرييل" (Ariel) التابعة لوكالة الفضاء الأوروبية (ESA) يستخدم دوال تأثير مُعاد صياغتها على آلات التعلم الأقصى (Extreme Learning Machines) لتمكين عزو البيانات بدون تسميات واستخلاص مؤشر خطأ تحفظي للتعلم الآلي العلمي في ظل غياب الحقيقة الأرضية.
تقيم هذه الورقة أداء استراتيجية اختيار التعلم النشط "Greedy K-center"، حيث تُظهر أن تعيين المثيلات إلى فضاء احتمالي مشتق من النموذج وموزون بالاعتلاج (entropy) يحقق نتائج متفوقة مقارنة بفضاءات الميزات الخام أو فضاءات تحليل التمايز الخطي (LDA) عند استخدام مصنفات الغابة العشوائية (Random Forest).