22506 ورقة بحثية
تقترح هذه الورقة شبكة عصبية تكرارية كمومية هجينة (HQRNN) تتضمن طبقات كمومية غنية بالعمق (QLSTM) للتنبؤ بالعمر النافع المتبقي لمحركات التوربين المروحي، مما يظهر تحسناً بنسبة 5% في مقاييس الخطأ مقارنة بالنماذج الكلاسيكية متطابقة المعلمات، مع الإشارة إلى أن مثل هذه الوحدات المعززة كمومياً تكون أكثر فعالية عندما تُدمج في مسارات تنبؤية مركبة بدلاً من استخدامها كمتنبئات مستقلة.
تقدم هذه الورقة نهجاً للتعلم العميق موجهاً بالمعرفة يدمج مبادئ نموذج سحابة الماء في شبكة LSTM لتحسين تقدير رطوبة التربة على نطاق الحقل من بيانات رادار الفتحة الاصطناعية (SAR) لـ Sentinel-1، محققةً تقليلاً في حالات عدم اليقين ومعاملات ارتباط أعلى عبر المناظر الطبيعية الزراعية المتنوعة مقارنة بالطرق شبه الفيزيائية التقليدية.
تقدم هذه الورقة البحثية FDA-Opt، وهي عائلة موحدة من خوارزميات التعلم الاتحادي التي تقوم بجدولة تحديثات النموذج ديناميكيًا للتغلب على القيود الصارمة للاتصالات في الأساليب الحالية مثل FedOpt وFDA، مما يثبت أداءً فائقًا في الضبط الدقيق للنماذج اللغوية الكبيرة كبديل عملي جاهز للاستخدام لا يتطلب أي إعدادات إضافية.
يقدم FuseLIP بنية تضمين متعددة الوسائط مبتكرة تستفيد من أجهزة ترميز الصور المنفصلة لتوحيد معالجة النصوص والصور ضمن نموذج محول واحد عبر الاندماج المبكر، مما يتيح تفاعلات أكثر ثراءً بين الوسائط ويتفوق على نهج الاندماج المتأخر التقليدي عبر مختلف مهام التضمين.
تقدم هذه الورقة نموذج CultureMERT-95M، وهو نموذج موسيقي تأسيسي متكيف متعدد الثقافات تم تدريبه عبر استراتيجية تدريب مسبق مستمر مبتكرة من مرحلتين على تقاليد متنوعة غير غربية، مما يحسن بشكل كبير أداء الوسم التلقائي عبر الثقافات مع الحفاظ على الكفاءة في المعايير الغربية وتقديم بديل قابل للتطبيق من خلال الحسابات المهام (task arithmetic).
تقدم الورقة البحثية ProteoKnight، وهي طريقة ترميز قائمة على الصور مبتكرة تعمل على تكييف خوارزمية DNA-Walk لمتواليات البروتين لتحقيق دقة تنافسية في تصنيف بروتينات الفيروسات الآكلة للبكتيريا (Phage Virion Proteins) باستخدام شبكات عصبية تلافيفية سابقة التدريب، مع تقييم عدم اليقين في التنبؤ عبر تقنية إسقاط مونت كارلو (Monte Carlo Dropout).
تضع هذه الورقة حدوداً لتعقيد العينات قريبة من المثالية لتعلم السياسات المثلى بمقدار في عمليات ماركوف لاتخاذ القرار ذات المكافأة المتوسطة والمقيدة تحت نموذج توليدي، وذلك عبر اقتراح خوارزمية قائمة على النموذج تحقق معدلات مثالية دنيا (minimax-optimal) لكل من إعدادات الجدوى المرتخية والجدوى الصارمة، مما يسد فجوة نظرية كبيرة في هذا المجال.
تقترح الورقة البحثية GraphIDS، وهو إطار عمل للتعلم الذاتي الموجه يوحد بين تعلم التمثيل وكشف الشذوذ باستخدام مشفر تلقائي مقنع لإعادة بناء تمثيلات الرسوم البيانية المحلية لحركة مرور الشبكة الطبيعية، مما يحدد الاختراقات بفعالية من خلال أخطاء إعادة البناء العالية على معايير NetFlow المتنوعة.
تُظهر هذه الدراسة أن التعلم بنقل المعرفة، والتعلم الآلي من الصفر، والتكامل التجميعي، تُحسن بشكل كبير من معايرة ومتانة نماذج التنبؤ بالبقاء على قيد الحياة لمدة خمس سنوات لسرطان الثدي المبكر مقارنة بأداة PREDICT v3 القياسية، لا سيما في السيناريوهات التي تتضمن بيانات سريرية مفقودة أو تحولات في مجموعات البيانات.
تقترح الورقة البحثية إطار عمل FedSSL-AMC، وهو إطار عمل اتحادي للتعلم الذاتي الموجه يستفيد من التدريب المسبق باستخدام فقد الثلاثي (triplet-loss) على بيانات I/Q غير المصنفة وآلات ناقلات دعم (SVMs) محلية خفيفة الوزن لتحقيق تصنيف آلي قوي وفعال في الاتصالات لتصنيف التعديل تحت ظروف البيانات غير المتماثلة (non-IID) وغير المتوازنة.