cs.LG ورقة بحثية

An Open-Source Training Dataset for Foundation Models for Black-box Optimization

تقدم هذه الورقة البحثية BBO-Pile، وهي أول مجموعة بيانات مفتوحة المصدر واسعة النطاق تحتوي على أكثر من 500,000 مسار تحسين عبر 3,095 دالة صندوق أسود، وتثبت أن النماذج التأسيسية المدربة على هذه البيانات يمكنها تعلم ومحاكاة استراتيجيات تحسين الصندوق الأسود بفعالية من خلال التدريب المسبق القابل للتوسع.

Aaron Klein, Herilalaina Rakotoarison, Luca Thale-Bombien, David Salinas2026-05-25✓ Author reviewed ⓘ

🔢 mathematics

Sparse In-Network Learning via Shortest-Path Backpropagation and Finite-Rate Gating

تقدم هذه الورقة البحثية طريقة التعلم داخل الشبكة المقتطعة بخوارزمية ديكسترا (D-INL)، وهي طريقة تعزز التدريب الموزع المتناثر عبر بناء أشجار المسار الأقصر المدركة للسعة واستخدام البوابات العشوائية ذات المعدل المحدود لتقليل عبء الاتصالات بشكل كبير مع الحفاظ على دقة التنبؤ.

Mohammad Reza Deylam Salehi2026-05-25

🤖 machine learning

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

→ السابق التالي ←

cs.LG

An Open-Source Training Dataset for Foundation Models for Black-box Optimization

Sparse In-Network Learning via Shortest-Path Backpropagation and Finite-Rate Gating

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

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