cs.LG ورقة بحثية

DirMixE: Harnessing Test Agnostic Long-tail Recognition with Hierarchical Label Variations

تقترح الورقة البحثية إطار عمل DirMixE، وهو إطار عمل هرمي لخليط من الخبراء (Mixture-of-Experts) يعالج مشكلة التعرف على التوزيعات طويلة الذيل غير المرتبطة بالاختبار عبر نمذجة تغيرات توزيع الملصقات على المستويين العالمي والمحلي من خلال توزيعات ميتـا ديريشليه (Dirichlet meta-distributions)، والمتكامل مع نهج ضبط دقيق للمهارات الكامنة (Latent Skill Finetuning) لتحسين القدرة على التعميم واستقرار الأداء عبر سيناريوهات الاختبار المتنوعة وغير المتوازنة.

Zhiyong Yang, Qianqian Xu, Sicong Li, Zitai Wang, Xiaochun Cao, Qingming Huang2026-08-18

⚛️ quantum physics

Low-latency machine learning FPGA accelerator for multi-qubit-state discrimination

تقدم هذه الورقة مسرع شبكة عصبية قائم على مصفوفة البوابات المنطقية القابلة للبرمجة ميدانياً (FPGA) يتميز بزمن انتقال منخفض، والذي ينجح في تمييز حالات خمسة كيوبتات فائقة التوصيل في أقل من 50 نانو ثانية من خلال تكميم معاملات الشبكة، مما يتيح دمجاً فعالاً في منصات التحكم الكمي الحالية.

Pradeep Kumar Gautam, Shantharam Kalipatnapu, Shankaranarayanan H, Ujjawal Singhal, Benjamin Lienhard, Vibhor Singh, Che (…)2026-08-18

🤖 machine learning

MoE-Enhanced Explainable Deep Manifold Transformation for Complex Data Embedding and Visualization

تقدم هذه الورقة DMT-ME، وهو إطار عمل جديد لتقليل الأبعاد يدمج بين "خليط من الخبراء" (MoE) ومخطط زائدي مدرك للهندسة لتحقيق دقة فائقة وقابلية للتفسير في آن واحد في عمليات تضمين البيانات وتصورها المعقدة.

Zelin Zang, Yuhao Wang, Jinlin Wu, Hong Liu, Yue Shen, Zhen Lei, Stan Z. Li2026-08-18

🤖 machine learning

Multi-Bin Batching for Increasing LLM Inference Throughput

تقترح هذه الورقة "التجميع متعدد الحاويات" (Multi-Bin Batching)، وهو سياسة تحكم تقوم بتجميع طلبات النماذج اللغوية الكبيرة (LLM) ذات أوقات التنفيذ المتوقعة المتشابهة في حاويات محددة مسبقاً لتعظيم إنتاجية الاستدلال تحت ظروف التجميع الثابت بشكل مثبت، مما يقلل بشكل كبير من عدم استغلال الموارد الناتج عن تباين أطوال التوليد.

Ozgur Guldogan, Jackson Kunde, Kangwook Lee, Ramtin Pedarsani2026-08-18

🔬 applied physics

Experimentally Extending Quantum Kernel Learning to Quantum Data by NMR

تثبت هذه الورقة تجريبياً تفوق تعلم النواة الكمومية على الطرق الكلاسيكية في معالجة البيانات الكمومية من خلال التنفيذ الناجح والمقارنة المرجعية لهذا النهج على منصة رنين مغناطيسي نووي مكونة من 3 كيوبتات لمهام الانحدار، والتصنيف، وتمييز العمليات.

Vivek Sabarad, Vishal Varma, T. S. Mahesh2026-08-18

📊 statistics

Optimal Survey Design for Private Mean Estimation

تقترح هذه الورقة أول مخطط للمعاينة الطبقية الواعية بالخصوصية الذي يقلل من تباين المقدر لتقدير المتوسط الخاص العام تحت آليات تعتمد على توزيع لابلاس، وذلك من خلال صياغة تصميم المسح الأمثل كمسألة تحسين محدبة قوية لتحديد أحجام المعاينة الفرعية المثلى للأعداد الصحيحة.

Yu-Wei Chen, Raghu Pasupathy, Jordan A. Awan2026-08-18

🤖 AI

Synthetic Data Generation for Augmenting Small Samples

تُثبت هذه الورقة أن توليد البيانات الاصطناعية يحسن بشكل كبير من أداء التنبؤ في تعلم الآلة على مجموعات البيانات الصحية الصغيرة، لا سيما تلك التي تتميز بخصائص محددة مثل انخفاض المساحة تحت المنحنى (AUC) الأساسية وتوازن النتائج، وذلك من خلال زيادة تنوع البيانات بشكل أكثر فعالية من إعادة أخذ العينات البسيطة.

Dan Liu, Samer El Kababji, Nicholas Mitsakakis, Lisa Pilgram, Thomas Walters, Mark Clemons, Greg Pond, Alaa El-Hussuna (…)2026-08-18

🤖 machine learning

Towards Unified Approaches in Self-Supervised Event Stream Modeling: Progress and Prospects

تستعرض هذه الدراسة المرجعية بشكل منهجي وتجمع منهجيات التعلم الخاضع للإشراف الذاتي لنمذجة تدفق الأحداث عبر مجالات متنوعة، مقترحةً تصنيفاً موحداً وأجندة بحثية مستقبلية للتغلب على ندرة البيانات والجهود المجزأة من خلال سد الفجوة بين النهج المعزولة الخاصة بكل مجال.

Levente Zólyomi, Tianze Wang, Sofiane Ennadir, Oleg Smirnov, Lele Cao2026-08-18

🤖 machine learning

Helios 2.0: A Robust, Ultra-Low Power Gesture Recognition System Optimised for Event-Sensor based Wearables

يقدم البحث نظام Helios 2.0، وهو نظام كاميرا أحداث فائق انخفاض استهلاك الطاقة (6-8 ميلي واط) للنظارات الذكية يحقق دقة رائدة في التعرف على الإيماءات (درجة F1 تزيد عن 80%) باستخدام البيانات الاصطناعية والإيماءات الدقيقة الطبيعية فقط، مما يمثل انخفاضاً في استهلاك الطاقة بمقدار 25 ضعفاً وتحسناً في الدقة بنسبة 20% مقارنة بالحلول الحالية.

Prarthana Bhattacharyya, Joshua Mitton, Ryan Page, Owen Morgan, Oliver Powell, Benjamin Menzies, Gabriel Homewood, Kemi (…)2026-08-18

⚛️ phenomenology

Diffusion-model approach to flavor models: A case study for $S_4^\prime$ modular flavor model

تقترح هذه الورقة طريقة عددية مبتكرة باستخدام نماذج الانتشار للبحث بكفاءة عن المعلمات القابلة للتطبيق ظاهرياً في نموذج النكهة المودولار $S_4^\prime$ ، حيث نجحت في إعادة إنتاج الملاحظات الكواركية وتأكيد انتهاك التماثل (CP) التلقائي من خلال نهج المسألة العكسية.

Satsuki Nishimura, Hajime Otsuka, Haruki Uchiyama2026-08-18

→ السابق التالي ←

cs.LG

DirMixE: Harnessing Test Agnostic Long-tail Recognition with Hierarchical Label Variations

Low-latency machine learning FPGA accelerator for multi-qubit-state discrimination

MoE-Enhanced Explainable Deep Manifold Transformation for Complex Data Embedding and Visualization

Multi-Bin Batching for Increasing LLM Inference Throughput

Experimentally Extending Quantum Kernel Learning to Quantum Data by NMR

Optimal Survey Design for Private Mean Estimation

Synthetic Data Generation for Augmenting Small Samples

Towards Unified Approaches in Self-Supervised Event Stream Modeling: Progress and Prospects

Helios 2.0: A Robust, Ultra-Low Power Gesture Recognition System Optimised for Event-Sensor based Wearables

Diffusion-model approach to flavor models: A case study for S4′S_4^\primeS4′​ modular flavor model

Diffusion-model approach to flavor models: A case study for $S_4^\prime$ modular flavor model