22512 ورقة بحثية
يُعد LACE إطار عمل جديدًا للتعلم الآلي المؤتمت (AutoML) يستخدم حلقة تطورية موجهة بواسطة نموذج لغوي كبير لتوليد وتطوير برامج خطوط معالجة بلغة بايثون قابلة للتنفيذ، محققًا دقة تنافسية في 68 مهمة من مهام OpenML مع توفير شفافية وقابلية للتعديل ومرونة في فضاء البحث تتفوق على الأنظمة التقليدية.
تقدم هذه الورقة البحثية نموذج Localized TabICLv2، وهو أسلوب يقلل بشكل كبير من تكلفة الاستدلال ويحسن قابلية التوسع لنموذج TabICLv2 الرائد للبيانات الجدولية من خلال استرجاع أقرب من الجيران التدريبيين فقط لكل استعلام، محققاً بذلك تسارعاً كبيراً مع الاحتفاظ بأكثر من 98% من دقة النموذج الأصلي.
تُثبت هذه الورقة أن خوارزميات تحسين "بانديت" لعمليات غاوس (Gaussian Process) المتوازية، وتحديداً خوارزمية GP-BTS، يمكنها تحقيق حدود ندم (regret bounds) محسنة دون العامل الضربي لحجم الدفعة Q ودون الحاجة إلى مرحلة أخذ عينات أولية غير فعالة لعدم اليقين، مع إثبات أداء ندم أفضل بكثير في الإعدادات الخالية من الضجيج مقارنة بتلك التي تحتوي على ضجيج.
تستعرض هذه الورقة ما يقرب من 800 دراسة عند تقاطع تعلم الآلة الرسومي وأنظمة الطاقة، مع تسليط الضوء على إمكانات تعلم الآلة الرسومي في معالجة التعقيدات التشغيلية، مع تحديد الفجوات الحرجة في النشر الواقعي، وقابلية التفسير، والمعايير المرجعية الموحدة لتوجيه الأبحاث المستقبلية وقابلية إعادة الإنتاج.
تحدد هذه الورقة البحثية "انهيار نمط المصدر" (source-style collapse)، وهو نمط فشل تتعثر فيه أدوات الاسترجاع المدعومة بالأدوات في التعميم عبر مصادر بيانات مختلفة رغم وجود تداخل لفظي عالٍ، وتقترح ToolScout، وهي طريقة توجيه تعتمد على تقنية TF-IDF تعمل على تحسين تغطية الاسترجاع بشكل كبير من خلال اكتشاف هذه التباينات في الأنماط والوقاية منها.
تقترح هذه الورقة إطار عمل مكون من مرحلتين يعتمد على النماذج اللغوية الكبيرة، والذي يستفيد من التوليد المعزز بالاسترجاع لإنشاء مؤشرات مخاطر مهيكلة وقابلة للتفسير من الجداول الزمنية لأنشطة المستخدم، محققاً أداءً هو الأفضل في فئته في الكشف الصفري عن التهديدات الداخلية والتهديدات المستمرة المتقدمة (APTs) عبر إثبات أن جودة هذه المؤشرات هي المحرك الأساسي للأداء.
يُعد GalerkinFlow إطار عمل غير مقيد بمعادلة معينة يعمل على تعزيز الدقة الفائقة لكل من المجالات العلمية والصور عبر الإشراف على مسار إعادة البناء بأكمله من خلال تنبؤات السرعة المتوسطة والنقاط النهائية الزائفة، مما يحقق أداءً هو الأفضل في فئته في اختبارات ديناميكا السوائل مع بقائه منافساً في الصور الطبيعية.
تُدافع هذه الجزئية الأولى من أطروحة التأهيل التراكمي عن الدوائر الاحتمالية كإطار عمل قابل للمعالجة للاستدلال والتعلم في الذكاء الاصطناعي تحت ظروف عدم اليقين، حيث تجمع بين عقد من الأبحاث حول نظرياتها التأسيسية، وخوارزميات التعلم الخاصة بها، وتطبيقاتها القابلة للتوسع، وتكاملها مع نماذج التعلم العميق والرمزي.
تقترح هذه الورقة إطار عمل تبايني لانحدار العمليات الغاوسية المتينة تجاه القيم المتطرفة، والذي يوظف النمذجة التوليدية للتخفيف من تأثير القيم المتطرفة بشكل تكيفي مع الحفاظ على مقياس حوسبة تكعيبي وتحقيق دقة تنبؤ تنافسية أو متفوقة مقارنة بالنماذج المرجعية المتينة الحالية.
تقترح هذه الورقة إطار عمل للتعلم ذاتي الإشراف متوافق مع التدهور باستخدام نموذج CNN-GRU ومهمة تمهيدية لترتيب الدورة، وذلك لتمكين التقدير الدقيق والقوي لحالة صحة بطارية ليثيوم أيون حتى عند التدريب على بيانات مصنفة شحيحة للغاية وغير موزعة بانتظام.