cs.LG

Neural ARFIMA model for forecasting BRIC exchange rates with long memory

تقترح هذه الورقة نموذجاً عصبياً لـ ARFIMA (NARFIMA) يدمج بين هياكل الذاكرة الطويلة، والتعلم عبر الشبكات العصبية غير الخطية، والمحركات الاقتصادية الخارجية لتحقيق دقة تنبؤ فائقة لأسعار صرف دول البريك (BRIC) مقارنة بالطرق المرجعية التقليدية.

Probabilistic Modeling of Latent Agentic Substructures in Deep Neural Networks

تؤسس هذه الورقة إطاراً احتمالياً لنمذجة البنى التحتية الوكيلة الكامنة في الشبكات العصبية باستخدام التجميع اللوغاريتمي الموزون لإثبات شروط الإجماع الصارم، وتوضح كيف يفسر هذا النظرية ظهور الشخصيات المتناقضة مثل "والويجي"، مما يقدم استراتيجيات جديدة لتحسين توافق الذكاء الاصطناي.

A Formal Comparison Between Chain of Thought and Latent Thought

تقدم هذه الورقة تحليلاً رسمياً يوضح أنه في حين أن التفكير الكامن (latent thought) يتيح حوسبة متوازية أكثر كفاءة من "سلسلة الأفكار" (Chain of Thought) المتسلسلة بطبيعتها، فإن الأخيرة تدعم بشكل فريد العد التقريبي وأخذ العينات من خلال فك الترميز العشوائي، مما يوفر إرشادات عملية لاختيار نموذج الاستدلال المناسب بناءً على متطلبات المهمة.

Neural Diffusion Processes for Physically Interpretable Survival Prediction

Zero-shot Human Pose Estimation using Diffusion-based Inverse solvers

تقدم هذه الورقة InPose، وهو أسلوب لتقدير وضعية جسم الإنسان بنمط (zero-shot)، يصيغ المهمة كمسألة عكسية عبر الاستفادة من نموذج انتشار مُدرب مسبقاً مشروط بالقياسات الدورانية وموجه بحد احتمالية مستمد من بيانات موقع متفرقة لتحقيق تعميم قوي عبر المستخدمين ذوي أحجام الأجسام المتفاوتة.

PENEX: AdaBoost-Inspired Neural Network Regularization

تقدم هذه الورقة PENEX، وهي صيغة جديدة لخسارة الأسس متعددة الفئات قابلة للتحسين من الدرجة الأولى، تُظهر أنها تعمل بفعالية على تحسين تعميم الشبكات العصبية في أنظمة البيانات المنخفضة عن طريق زيادة هوامش البيانات وتقديم بديل عملي للمنظمات الراسخة.

SurvBench: A Standardised Preprocessing Pipeline for Multi-Modal Electronic Health Record Survival Analysis

يُعدُّ SurvBench مسار معالجة مسبقة مفتوح المصدر ومعياري، يقوم بتحويل بيانات السجلات الصحية الإلكترونية الخام من PhysioNet إلى تنسيقات تينسور (tensors) جاهزة للنماذج عبر أربع قواعد بيانات للعناية المركبة وأربعة أنماط مختلفة، مما يعالج عدم الاتساق في معالجة البيانات في المراحل الأولية الذي يعيق حالياً المقارنة العادلة لنماذج البقاء على قيد الحياة القائمة على التعلم العميق.

FLARE: Adaptive Multi-Dimensional Reputation for Robust Client Reliability in Federated Learning

تقدم هذه الورقة FLARE، وهو إطار عمل سمعة متعدد الأبعاد وتكيفي للتعلم الاتحادي يعزز المتانة ضد الهجمات البيزنطية المتنوعة والمتطورة من خلال استبدال التصفية الثنائية الثابتة بالتقييم المستمر للثقة، والعتبات ذاتية المعايرة، وآليات الاستبعاد المرنة، مع الحفاظ على دقة النموذج العالية وسرعة التقارب.

FlowLPS: Langevin-Proximal Sampling for Flow-based Inverse Problem Solvers

يُعد FlowLPS حلاً عكسياً خالياً من التدريب لنماذج التدفق الكامن، حيث يوازن بين دقة القياس والجودة الإدراكية عبر الجمع بين تحديثات لانجفينه (Langevin) للاستكشاف العشوائي للمتغيرات اللاحقة، والتقريب المباشر (proximal refinement) لتحقيق اتساق سريع مع القياسات.

In-Context Multi-Objective Optimization

تقدم الورقة البحثية TAMO، وهو سياسة قائمة على المحولات (transformer-based) ومستهلكة بالكامل (fully amortized)، تستفيد من التعلم داخل السياق (in-context learning) والتعلم التعزيزي (reinforcement learning) لإجراء تحسين شامل متعدد الأهداف للصندوق الأسود (multi-objective black-box optimization) بكفاءة، دون الحاجة إلى ملاءمة نماذج بديلة لكل مهمة (per-task surrogate fitting) أو هندسة دالة الاستحواذ (acquisition function engineering).