cs.LG ورقة بحثية

Onsager-Machlup Posterior Transport for Deep Gaussian Processes

تقدم هذه الورقة **OM-Path**، وهو إطار عمل جديد لنقل اللاحق (posterior transport) للعمليات الغاوسية العميقة، والذي يتعلم عيّناً حتمياً عبر انتشار "دووب" (Doob-bridged diffusion) مُنظّم بـ "أونساجر-ماكلوب" (Onsager-Machlup)، محققاً تحسينات ذات دلالة إحصائية في الأداء مقارنة بطريقة DBVI التي تمثل أحدث ما توصل إليه العلم في مهام الانحدار واسعة النطاق، وذلك عبر تحسين هدف فضاء المسار المرتبط بمسارات التقدير الأقصى اللاحق (MAP) ذات الضجيج الصغير.

Jian Xu, Delu Zeng, John Paisley, Qibin Zhao2026-05-25

🤖 machine learning

Weisfeiler-Leman Is Incomplete on Simple Spectrum Graphs, so Canonicalize Them

تُثبت هذه الورقة أن تسلسل "وايسفيلر-ليمان" والشبكات العصبية الرسومية المرتبطة به غير مكتملة بطبيعتها للتمييز بين الرسوم البيانية غير المتماثلة ذات الطيف البسيط، وتُقدم "PRiSM"، وهي طريقة تطبيع كاملة مثبتة تعالج هذا القصور وتتيح التقريب الشامل على مثل هذه الرسوم البيانية.

Snir Hordan, Nadav Dym, Tim Seppelt2026-05-25

🤖 machine learning

Class-Dependent Hybrid Data Augmentation for Multiclass Migraine Classification under Severe Class Imbalance

تقدم هذه الورقة إعادة تقييم لـتصنيف الصداع النصفي موجهة نحو قابلية التكرار، والتي تصحح العيوب المنهجية وتستحدث تجميعاً للفئات مدفوعاً بالدوافع السريرية مقترناً باستراتيجية تعزيز بيانات هجينة تعتمد على الفئة، مما يحقق تحسينات قوية في الأداء عبر مصنفات متعددة في ظل عدم توازن حاد في الفئات.

Elvin Somón, Miguel A. Gutiérrez-Naranjo2026-05-25

🤖 machine learning

Unextractable Protocol Models: Collaborative Training and Inference without Weight Materialization

تقدم هذه الورقة نماذج البروتوكول غير القابلة للاستخراج (UPMs)، وهو إطار عمل لامركزي يتيح التدريب والاستدلال التعاوني للشبكات العصبية الكبيرة من خلال تطبيق تحويلات قابلة للعكس ومتغيرة زمنياً بشكل دوري على أجزاء النموذج، مما يمنع استخراج الأوزان مع الحفاظ على عبء أداء ضئيل ويجعل الأجزاء المجمعة غير متسقة.

Alexander Long, Chamin Hewa Koneputugodage, Thalaiyasingam Ajanthan, Yan Zuo, Gil Avraham, Violetta Shevchenko, Hadi Moh (…)2026-05-25

🤖 machine learning

S $^3$ GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning

تقترح الورقة البحثية S $^3$ GNN، وهي شبكة عصبية رسومية خفيفة الوزن تخفف من ظاهرة السحق المفرط (oversquashing) وتحقق تعلماً فائقاً بعيد المدى بعدد أقل بكثير من المعلمات عبر إعادة إدخال المكونات المحذوفة دون الاعتماد على افتراضات نظرية تقييدية.

Dai Shi, Luke Thompson, Linhan Luo, Lequan Lin, Andi Han, Junbin Gao, José Miguel Hernández Lobato2026-05-25

🤖 machine learning

Learning Individual Dynamics from Sparse Cross-Sectional Snapshots

تقدم هذه الورقة إطار عمل احتمالي يُدعى CADENCE، والذي يستعيد بشكل فريد المسارات الفردية المستمرة من لقطات مقطعية متفرقة عبر ربط الديناميكيات الكامنة بسياقات ثابتة، مما يحقق قابلية التحديد وأداءً يضاهي النماذج الطولية الكثيفة دون الحاجة إلى بيانات تسلسلية.

Christian Lagemann, Kai Lagemann, Steven L. Brunton, Sach Mukherjee2026-05-25

🔬 materials science

Non-normal spectral signatures of instability in neural network training dynamics

تثبت هذه الورقة أن عدم طبيعية مشغلات التحديث الخطية في تدريب الشبكات العصبية، والتي تُقاس عبر رقم الحالة الشرطية $\kappa(V)$ ، يعمل كمؤشر إنذار مبكر قوي لعدم الاستقرار العابر وطفرات الخسارة التي يفشل تحليل نصف القطر الطيفي التقليدي في اكتشافها.

Souvik Ghosh2026-05-25

🤖 machine learning

Learning partially observed systems with neural Hamiltonian ordinary differential equations

تقدم هذه الورقة البحثية المعادلات التفاضلية الهاميلتونية العصبية (NHODE)، وهو إطار عمل يجمع بين الشبكات العصبية الهاميلتونية والمعادلات التفاضلية العادية العصبية لتعلم الأنظمة الديناميكية الملحوظة جزئياً من خلال فرض حفظ الطاقة والقيود الفيزيائية، مما يحقق دقة فائقة واستقراراً طويل الأمد مقارنة بالنماذج المرجعية القائمة على البيانات فقط.

Sunniva Meltzer, Sølve Eidnes, Alexander Johannes Stasik2026-05-25

🤖 machine learning

When One Point Is Not Enough: Addressing Ambiguous Instances in Dimensionality Reduction by Splitting

تقدم هذه الورقة نهجاً لتقليل الأبعاد قائماً على الرسوم البيانية يعالج العيوب البصرية الناتجة عن الحالات الغامضة — وهي نقاط البيانات المتشابهة مع جيران متعددين غير متشابهين — من خلال تقسيمها إلى نسخ متعددة في عملية الإسقاط لتمثيل هياكل جيرانها الكاملة بأمانة.

Diede P. M. van der Hoorn, Alessio Arleo, Fernando V. Paulovich2026-05-25

🤖 machine learning

Goal-Conditioned Agents that Learn Everything All at Once

تقدم هذه الورقة البحثية طريقة "التعلم الشامل دفعة واحدة" (LEO)، وهي طريقة تتيح تحديثات متوازية وفعالة لجميع الأهداف خارج السياسة في التعلم المعزز المشروط بالهدف، وذلك من خلال الإخراج المشترك للقيم والأفعال لكل هدف، مما يحقق مكاسب كبيرة في الأداء وتسارعاً هائلاً مقارنة بتقنيات إعادة التسمية التقليدية.

Michael Matthews, Matthew Jackson, Michael Beukman, Thomas Foster, Alistair Letcher, Scott Fujimoto, Cédric Colas, Jakob (…)2026-05-25

→ السابق التالي ←

cs.LG

Onsager-Machlup Posterior Transport for Deep Gaussian Processes

Weisfeiler-Leman Is Incomplete on Simple Spectrum Graphs, so Canonicalize Them

Class-Dependent Hybrid Data Augmentation for Multiclass Migraine Classification under Severe Class Imbalance

Unextractable Protocol Models: Collaborative Training and Inference without Weight Materialization

S3^33GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning

Learning Individual Dynamics from Sparse Cross-Sectional Snapshots

Non-normal spectral signatures of instability in neural network training dynamics

Learning partially observed systems with neural Hamiltonian ordinary differential equations

When One Point Is Not Enough: Addressing Ambiguous Instances in Dimensionality Reduction by Splitting

Goal-Conditioned Agents that Learn Everything All at Once

S $^3$ GNN: Efficient Global Mixing and Local Message Passing for Long-Range Graph Learning