22512 ورقة بحثية
تُظهر هذه الدراسة أن نماذج التعلم العميق المُحسّنة، ولا سيما GoogLeNet وAlexNet، يمكنها أتمتة تحليل تكوين الجسم المستمد من التصوير المقطعي المحوسب لمرضى سرطان القولون والمستقيم بدقة وسرعة، مما يقدم حلاً مجدياً لتقليل الوقت والخبرة المطلوبة للتقطيع اليدوي في سير العمل السريري.
تُعد TinyCast نموذجاً للتنبؤ فائق الخفة، وخالياً من آلية الانتباه، ويعمل بتقنية "التعلم من دون بيانات مسبقة" (zero-shot) بـ 146,505 معلماً فقط، حيث يحقق دقة احتمالية رائدة عبر حساب الدورية صراحةً بواسطة كاشف طيفي ذي صفر من المعالم، مما يتيح نشراً فعالاً وشاملاً في الأجهزة المدمجة دون الحاجة لملاءمة لكل إشارة على حدة.
تقدم هذه الورقة البحثية ProtoCP، وهو إطار عمل للتنبؤ المطابق للكشف عن الاحتيال على مستوى الحواف في الرسوم البيانية الزمنية، والذي يستفيد من النماذج الأولية المتعلمة وانتشار الدرجات الزمنية للتغلب على عدم كفاءة المعايرة الناتجة عن هيمنة الجيران الحميدين وعدم توازن الفئات، مما يحقق التغطية المستهدفة بمجموعات تنبؤ أصغر بكثير من الأساليب المرجعية المتطورة.
تقدم هذه الورقة البحثية إطار عمل BRaG، وهو إطار للتعلم العكسي التعزيزي التنافسي القائم على المركز الثقلي (barycenter)، والذي يجمع استراتيجيات الخبراء غير المتجانسة عبر مراكز "واسرستين" الثقلية (Wasserstein barycenters) ويدمج دوال الحاجز للتحكم (control barrier functions) لتعلم سياسات تداول أسهم مستقرة ومدركة للمخاطر تتفوق على القواعد الكلاسيكية وطرق التعلم التعزيزي العميق عبر أسواق الأسهم العالمية.
تقدم الورقة البحثية CrevasseSeg، وهو إطار عمل فعال في استهلاك الملصقات لتقسيم الشقوق القائم على الطائرات بدون طيار، والذي يوضح كيف يحقق الجمع بين ميزات DINOv3 المدربة مسبقاً عبر الأقمار الصناعية مع مخرجات XGBoost غير الخطية أداءً فائقاً (75.33 mDSC) على البيانات الموسومة المحدودة مقارنة بالتحقيق الخطي والأساليب المرجعية القياسية.
تقدم الورقة البحثية طريقة "الرفض المحلي للشهود الثنائي" (PWLR)، وهي طريقة تستفيد من نموذج لغوي بصري كبير (MLLM) لتوليد وفحص أدلة بصرية محلية موثوقة كأدلة حدودية صريحة بين الفئات المتنافسة داخل التوزيع، مما يحسن بشكل كبير من أداء الكشف عن البيانات خارج التوزيع القريبة (near-OOD) عبر الجمع بين التحقق المحلي الثنائي ودرجات الفئات العالمية.
يُعد KOALA إطار عمل مبتكر يتيح التنبؤ القوي بحركة الإنسان عبر آفاق زمنية متعددة مباشرة من بيانات مؤشر حالة حالة الربط (CSI) الخاصة بشبكات WiFi المشوبة بالضجيج، وذلك عن طريق رفع تسلسلات الوضعيات إلى فضاء "كوبمان" كامن متعلم حيث يتم خطية الديناميكيات غير الخطية، مما يتجنب تراكم الأخطاء المعتاد في الطرق ذات التكرار الذاتي مع تقديم مكونات هيكلية محددة لمعالجة العقبات الديناميكية الشائعة.
تقدم هذه الورقة QuantumPhaseNet، وهو إطار عمل هندسي وطيفي كمي متماثل مع التغاير (gauge-covariant) لنمذجة التسلسلات الهرمية الدلالية، والذي يُظهر أداءً قويًا في التحقق الاصطناعي من دقة الاتجاه، والمحاذاة الخطابية، وكشف الأخطاء، مع الإقرار صراحةً بغياب الصلاحية الخارجية والتسريع الكمي غير المشروط مقارنة بالتقريبات الكلاسيكية.
تقترح هذه الورقة إطار عمل للتعلم الذاتي يكتشف تلقائياً مهاماً مساعدة قائمة على دالة القيمة العامة عبر آلية التدرج الفائق (meta-gradient) لتعزيز تعلم التمثيلات واستقرار سياسات التعلم التعزيزي للتداول في الأسهم عبر مختلف أنظمة السوق.
تقدم هذه الورقة البحثية "تدفق التمثيل" (representation flux) كقياس هندسي يربط بين إزاحة التمثيل الكامن والنسيان الكارثي، وتقترح FlowLess-R، وهي طريقة تنظيم لا تعتمد على بنية معينة تعمل على تخفيف النسيان من خلال تقييد تغيرات التمثيل أثناء التعلم المستمر.