22512 ورقة بحثية
تقترح هذه الورقة منهجية تستخدم الشبكات العصبية العميقة القياسية ذات وحدة الخطية (ReLU) لتوليد فترات تنبؤ للسلاسل الزمنية تكمّم كلاً من التباين المستقبلي وعدم اليقين في التقدير، مدعومة ببراهين نظرية للاتساق وخصائص الخلط بيتا (beta-mixing) في ظل ظروف البيانات المعتمدة.
تُظهر هذه الورقة أن خوارزمية تقليل الندم 1/2-Tsallis-INF يمكنها أيضًا تحديد الذراع الأفضل في النطاقات العشوائية (stochastic bandits) بشكل موثوق دون استكشاف إضافي، محققةً معدل اضمحلال حدودي في احتمال الفشل أُثبت أنه وثيق جوهرياً.
تقدم هذه الورقة إطار عمل للتشخيص ما بعد التدريب ثنائي المحور يميز بين قيود دقة العينات المحدودة وانحيازات المعلمات الموقعة في الشبكات العصبية المقلدة للفيزياء (Inverse-PINNs)، مما يتيح تحديد ما إذا كانت أخطاء إعادة البناء ناتجة عن بروتوكولات الملاحظة، أو ملفات المتبقيات، أو عدم اتساق نقاط نهاية التدريب.
يُعد ExactMoE إطار عمل استنتاجي فعال من حيث استهلاك الذاكرة لنماذج خليط الخبراء (Mixture-of-Experts) بتنسيق W4A16، حيث يقوم بتكميم الخبراء الموجهين فقط ويستخدم ذاكرة تخزين مؤقت للمنافذ (slot cache) مستقرة في وحدة معالجة الرسومات لتحقيق تقليل في ذاكرة وحدة معالجة الرسومات يصل إلى 87% مع الحفاظ على أكثر من 99% من دقة النموذج الأساسي وتحسين الإنتاجية بشكل كبير مقارنة بالتنفيذ المتسلسل.
تؤسس هذه الورقة إطار تعلم PAC للمحاذاة عند وقت الاستدلال تحت مكافآت غير معروفة من خلال تعريف "بُعد محاذاة" جديد يصف قابلية التعلم بشكل كامل، واقتراح خوارزمية قائمة على البطولة باستخدام الرسم البياني أحادي الاحتواء لتحويل سياسة مرجعية ضعيفة إلى متعلم قوي.
تقدم هذه الورقة البحثية التدريب المسبق الثابت (InvPT)، وهو طريقة تدريب مسبق مستمر تعتمد على الكود فقط، تجمع بين نمذجة اللغة المقنعة والتعلم التبايني الخاضع للإشراف متعدد الإيجابيات على كود تم تحويله دلالياً، وذلك لتحسين متانة النماذج القائمة على الترميز بشكل كبير ضد التباينات النحوية مع الحفاظ على الدقة القياسية.
تقدم هذه الورقة إطار عمل للتعلم الآلي مراعياً للحوكمة ومصمماً خصيصاً لمنظومة الأموال عبر الهاتف المحمول في رواندا، والذي يعالج الاختلال الشديد في فئات البيانات والقيود التشغيلية من خلال هندسة السمات السلوكية والمقارنة المرجعية لمصنفات متنوعة لتحسين الكشف عن المعاملات المشبوهة لصالح مركز الاستخبارات المالية.
تحدد هذه الورقة البحثية وتحلل نظرياً "لعنة الغموض" في النماذج اللغوية الكبيرة، مبرهنةً على أن توزيعات التوكن التالي الغامضة هي بطبيعتها أصعب في التعلم بدقة بسبب زيادة المتطلبات من حيث السعة، وأحجام التضمين، وخطوات التدريب، وتضخم ضجيج أخذ العينات، وهو استنتاج تم التحقق من صحته من خلال تجارب اصطناعية وواقعية.
تحل هذه الورقة مشكلة مركزية مفتوحة في تجميع المعلومات عبر الشبكات من خلال إثبات حد أدنى وثيق قدره لمتوسط مربع الخطأ للمتعلمين على رسم بياني موجه غير حلقي بعمق ، مما يطابق الحدود العليا الحالية ويمد النتيجة لتشمل فئة واسعة من دالات الخسارة المحدبة بما في ذلك الخسارة اللوجستية.
تقدم الورقة البحثية QSMP، وهي طريقة مبتكرة تجمع بين Quick Shift وMatrix Profile لتحديد المتتابعات الفرعية للسلاسل الزمنية التمثيلية بكفاءة لأغراض التلخيص والتصور، مع تعقيد مكاني متفوق مقارنة بالنهج الرائدة الحالية.