22437 ورقة بحثية
تقدم هذه الدراسة "Thyroidiomics"، وهو مسار معالجة مؤتمت يستخدم شبكة ResUNet لتجزئة تصوير الغدة الدرقية بالمسح الذري، واختيار السمات الراديومية القائم على خوارزمية XGBoost لتحقيق أداء في التصنيف يضاهي تجزئة الأطباء الخبراء، مما يقلل وقت التقييم مع الحفاظ على دقة تشخيصية عالية.
تقترح هذه الورقة صياغة مرفوعة لمسائل الأمثلة ثنائية المستوى المتفائلة التي تتضمن قيوداً صحيحة وتفكيكية، تضمن الاستقرار في ظل افتراضات هدوء محلي طفيفة دون اشتراط التحدب أو النعومة، مع تمكين خوارزمية التقريب الخارجي أيضاً.
تقترح هذه الورقة دمج نماذج الانتشار مع التعلم التعزيزي والتوائم الرقمية للتغلب على ندرة البيانات ومحدودية النمذجة في شبكات المركبات الجوية غير المأهولة (UAV)، مما يثبت من خلال عمليات المحاكاة أن هذا النهج يعزز بفعالية اتخاذ القرار وتوليد السيناريوهات لتنسيق أسراب المركبات الجوية غير المأهولة.
تكشف هذه الورقة أن عدم تجانس التدرج، الذي يتفاقم بسبب بنيات Post-LN، يؤدي إلى تدهور تقارب خوارزمية SGD في نماذج Transformer، ولكن يتم التخفيف من ذلك بفعالية عبر الطرق التكيفية المنسقة مثل Adam وSignSGD، والتي تكون أقل حساسية لتباينات مقياس التدرج.
تقترح هذه الورقة إطار عمل مبتكر لعكس البيانات المغناطيسية يدمج القواميس المتعلمة مع نهج فضاء المقياس (scale-space) للتغلب على قيود التنظيم التقليدي، مما يحقق دقة إعادة بناء فائقة، ومتانة، وقدرة على التكيف مع السيناريوهات الجيولوجية المعقدة مقارنة بالطرق التقليدية.
تقدم هذه الورقة عقوبة LZ، وهي عقوبة تكرار قائمة على نظرية المعلومات تعتمد على أطوال ترميز LZ77، والتي تقضي بفعالية على التكرارات الانهزامية في النماذج اللغوية ذات الترتيب الذاتي أثناء فك التشفين الجشع دون المساس بقدراتها الاستنتاجية، متفوقة بذلك على العقوبات القياسية الموجودة في الصناعة.
تقدم هذه الورقة دروعاً ديناميكية للمواصفات الأمنية البارامترية تُمكّن الأنظمة ذاتية القيادة التي يتم التحكم فيها بالذكاء الاصطناًعي من التكيف بكفاءة مع المتطلبات الأمنية المتطورة في وقت التشغيل دون التأخيرات المكلفة المرتبطة بإعادة الحساب الاستاتيكية التقليدية.
تقدم هذه الورقة إطار عمل لإعادة الصياغة والتحسين المقيد الدقيق (ERO) يتيح التحسين المباشر والفعال لمقاييس الدقة (precision)، والاستدعاء (recall)، ودرجة F1 (F1-score) في التصنيف الثنائي غير المتوازن دون الاعتماد على التقريبات السلسة، مما يظهر أداءً فائقاً على أحدث الأساليب المتبعة عبر مجموعات بيانات معيارية متعددة.
تقترح هذه الورقة إطار عمل فعالاً ومستقلاً عن النموذج يخفف من حدة مشكلة "الضغط الزائد" (oversquashing) في الشبكات العصبية الرسومية عبر استبدال تمرير الرسائل المتزامن بآلية تحديث غير متزامنة موجهة بالمركزية، مما يتيح انتشاراً أكثر فعالية للمعلومات بعيدة المدى ويحقق مكاسب أداء كبيرة في معايير تصنيف الرسوم البيانية.
تقدم هذه الورقة مسار تدريب مسبق موحد يقوم بتوليد متخصصين في تعويض البيانات يعتمدون على بنية "ترانسفورمر" (transformer) لكل نمط محدد، مما يثبت أن نموذجاً واحداً تم تدريبه حصرياً على بيانات تفتقر للقيم بشكل عشوائي تماماً (MCAR) (وهو TabImpute) يحقق أداءً قوياً عبر أنماط فقدان متنوعة مع تفوقه على 14 نموذجاً مرجعياً قائماً في سيناريوهاتهم المستهدفة.