cs.LG ورقة بحثية

Is Monotonic Sampling Necessary in Diffusion Models?

تستقصي هذه الورقة بشكل منهجي ما إذا كانت جداول الضجيج غير الرتيبة يمكن أن تحسن توليد نماذج الانتشار، لتجد أنه بينما تفشل مثل هذه الجداول عالميًا في التفوق على النماذج المرجعية الرتيبة، فإن شدة العقوبة الناتجة في الأداء تتباين بشكل كبير عبر البنيات المختلفة (DDPM، وFlow Matching، وEDM) بسبب الاختلافات الهيكلية في تقارب المزالة للضجيج، وهي ظاهرة تم قياسها كميًا بواسطة معامل حساسية الجدول المقترح حديثًا.

Muhammad Haris Khan2026-05-13

🤖 machine learning

Stop Marginalizing My Dreams: Model Inversion via Laplace Kernel for Continual Learning

تقدم هذه الورقة البحثية إطار REMIX، وهو إطار عمل للتعلم المستمر القائم على البيانات الخالية (data-free)، والذي يتغلب على قيود افتراضات التباين القطري الموجودة من خلال توظيف بارامتريّة نواة لابلاس قابلة للتوسع لنمذجة تبعيات الميزات الكاملة، مما يؤدي إلى توليد عينات اصطناعية ذات دقة أعلى وتحسين الأداء بشكل كبير عبر المعايير القياسية.

Patryk Krukowski, Jacek Tabor, Przemysław Spurek, Marek Śmieja, Łukasz Struski2026-05-13

🤖 machine learning

Fed-BAC: Federated Bandit-Guided Additive Clustering in Hierarchical Federated Learning

تقترح هذه الورقة Fed-BAC، وهو إطار عمل للتعلم الاتحادي الهرمي يدمج التخصيص العنقودي الجمعي مع آلية "بانديت" (bandit) ثنائية المستوى لتحسين تخصيص الخادم إلى العناقيد واختيار العملاء بشكل مشترك، مما يحقق مكاسب كبيرة في الدقة، وتسارعاً في التقارب، وتحسناً في العدالة في ظل عدم تجانس البيانات الشديد.

Satwat Bashir, Tasos Dagiuklas, Muddesar Iqbal2026-05-13

🔬 optics

Bin Latent Transformer (BiLT): A shift-invariant autoencoder for calibration-free spectral unmixing of turbid media

تقدم هذه الورقة البحثية "المشفّر التلقائي للمحول الكامن الثنائي" (BiLT)، وهو نموذج تعلم عميق ثابت الإزاحة يستبدل المشفرات الكثيفة التقليدية بآلية انتباه تقاطعي لتحقيق تفكيك طيفي قوي وخالٍ من المعايرة للأوساط العكرة، مع الحفاظ على دقة عالية في استعادة معاملات الامتصاص والتشتت المكونة رغم انحراف معايرة المطياف والتباينات في الأجهزة.

Martin Hohmann2026-05-13

💬 NLP

More Edits, More Stable: Understanding the Lifelong Normalization in Sequential Model Editing

تقدم هذه الورقة أول تفسير نظري لاستقرار "التطبيع مدى الحياة" (Lifelong Normalization) في تحرير النماذج المتسلسل، حيث تثبت دوره في منع النسيان الكارثي وتقدم StableEdit، وهو أسلوب يعزز الاستقرار طويل الأمد من خلال مرحلة إحماء صريحة وتبييض كامل.

Xin Ma, Wei Chen, Qi Liu, Derong Xu, Zhi Zheng, Tong Xu, Enhong Chen2026-05-13

🤖 machine learning

Gradient Clipping Beyond Vector Norms: A Spectral Approach for Matrix-Valued Parameters

تقترح هذه الورقة البحثية طريقة "القص الطيفي" (spectral clipping)، وهي طريقة مبتكرة لتثبيت التدرج تعمل على كبح القيم المفردة الرائدة للمعلمات ذات المصفوفات بشكل انتقائي لمعالجة الضوضاء ذات الذيول الثقيلة في تدريب الشبكات العصبية، مما يوفر ضمانات تقارب نظرية وتنفيذًا فعالًا دون الحاجة إلى عمليات تفكيك كاملة للقيم المفردة.

Alexander Yukhimchuk, Mladen Kolar, Martin Takáč, Sayantan Choudhury2026-05-13

📊 statistics

Minimax Rates and Spectral Distillation for Tree Ensembles

تحدد هذه الورقة معدلات التقارب المثلى من نوع (minimax) لنموذج الغابة العشوائية في الانحدار عبر ربطها باضمحلال القيم الذاتية لمؤثرات النواة المستحثة، وتستفيد من هذا المنظور الطيفي لتطوير مخططات ضغط عالية الكفاءة تعمل على تقطير مجموعات الأشجار إلى نماذج مدمجة وعالية الأداء.

Binh Duc Vu, David S. Watson2026-05-13

🤖 machine learning

Martingale-Consistent Self-Supervised Learning

تقدم هذه الورقة إطاراً للتعلم الذاتي الإشراف المتمسك بخصائص المارتينجال (martingale-consistent)، والذي يفرض التماسك بين التنبؤات الخشنة والمُحسّنة في ظل الملاحظة الجزئية، مما يؤدي إلى تحسين متانة النموذج ومعايرته مقارنة بأهداف الثبات القياسية.

Moritz Gögl, Hanwen Xing, Christopher Yau2026-05-13

🤖 machine learning

Information theoretic underpinning of self-supervised learning by clustering

تؤسس هذه الورقة البحثية لأساس معلوماتي للتعلم الخاضع للإشراف الذاتي من خلال صياغته كعملية تحسين لتباعد كولباك - ليبلر، مما يثبت أن القيود على توزيع المعلم تبرر نظرياً الاستدلالات الشائعة مثل تمركز الدفعة وتطبيع المسبق العكسي للمجموعات لمنع انهيار النمط.

Josef Kittler, Sara Atito, Muhammad Awais2026-05-13

🤖 machine learning

Sobolev Regularized MMD Gradient Flow

تقدم هذه الورقة تدفق التدرج لمتوسط المسافة المتوسطة المنظم بـ "سوبوليف" (SrMMD)، وهو طريقة مبتكرة تخفف من عدم تقعر MMD لتوفير تقارب عالمي قابل للإثبات دون افتراضات متساوية القياس، مع توحيد تطبيقات أخذ العينات والنمذجة التوليدية.

Chenyang Tian, Bharath K. Sriperumbudur, Arthur Gretton, Zonghao Chen2026-05-13

→ السابق التالي ←