24650 ورقة بحثية
تقترح الورقة البحثية "K-Score"، وهي طريقة تستبدل تطبيع المكافأة التقليدي في تعلم التعزيز بتدرج السياسة بمرشح كالمان أحادي البعد لتقدير متوسطات المكافأة بشكل تكراري، مما يقلل التباين ويسرع التقارب في البيئات غير المستقرة.
تقدم هذه الورقة أول تقييم معياري منهجي لطرق تكييف القنوات لنماذج التأسيس الخاصة بتخطيط كهربائية الدماغ (EEG)، كاشفةً أن النهج الأمثل يعتمد على بنية النموذج والمهمة المحددة، ومثبتةً أن النماذج المدمجة والمخصصة لتخطيط كهربائية الدماغ يمكن أن تتفوق على نظيراتها الأكبر حجماً بشكل ملحوظ.
يُعد ProEval إطار تقييم استباقي يستخدم عمليات غاوس مسبقة التدريب والتربيع البايزي لتقدير أداء الذكاء الاصطناعي التوليدي بكفاءة واكتشاف حالات الفشل المتنوعة بعدد عينات أقل بكثير من الطرق التقليدية.
تُثبت هذه الورقة أن التقييمات القياسية لطرق التعلم العميق البايزي تنتج تصنيفات غير موثوقة وتعتمد على مجموعة البيانات في ظل ندرة البيانات، وتقترح إطاراً بايزياً هرمياً باستخدام منحنيات الحد الأدنى من الفرق القابل للكشف لتوفير تقييم أكثر منهجية ووعياً بالارتياب لمدى تفوق الطريقة.
تُثبت هذه الورقة أن الإبلاغ عن مقاييس تقييم البذرة الواحدة في التعلم العميق البايزي غير موثوق بسبب تقلبات التباين الكبيرة وغير الرتيبة أثناء التدريب، لا سيما في الأساليب ذات الرؤوس المتباينة غير المتجانسة المتعلمة، وتقترح على الممارسين ضرورة الإبلاغ عن مسارات التباين بدلاً من مجرد المتوسطات النهائية.
لمواجهة التحدي المزدوج المتمثل في التوزيعات ذات الذيول الطويلة والضجيج العالي في الملصقات، يقترح هذا البحث **الإشراف بالمعلم الضعيف (WTS)**، وهي طريقة تستفيد من المحاذاة عبر الوسائط للنماذج اللغوية البصرية المدربة مسبقًا لتصحيح عدم الاتساق بين الملصق والصورة باستخدام معلومات نصية مساعدة.
تُطوّر هذه الدراسة إطار عمل للتعلم الآلي باستخدام خوارزميتي XGBoost وGAM لرسم خرائط ومراقبة التوسع المكاني السريع لملوحة التربة في ساتخيرا ببنجلاديش، مما يوفر أداة قابلة للتوسع للتخطيط الزراعي المرن مناخيًا.
تقدم الورقة البحثية h-MINT، وهي شبكة تفاعل جزيئي هرمية تستخدم طريقة ترميز مبتكرة تُسمى "OverlapBPE" لالتقاط السياقات الكيميائية المعقدة والمتداخلة على مستويي الذرة والجزئ، مما يحسن بشكل كبير من دقة التنبؤ بآلفة الارتباط بين الجيب والليجند والمسح الافتراضي.
تقدم هذه الورقة توصيفًا تقاربيًا دقيقًا لمنحنيات التعلم للخوارزميات الطيفية في الإعدادات عالية الأبعاد، كاشفةً أن المخاطر الزائدة تمر عبر ثلاثة أنظمة متميزة — التنظيم المفرط، والتنظيم الناقص، والاستيفاء — ومثبتةً أن فرط الملاءمة الحميد يحدث باستمرار عندما تقع نعومة دالة الانحدار ضمن عتبة محددة.
تُبين هذه الورقة أنه في الانحدار الرمزي القائم على التدرج، يُعد الخيار المعماري لكيفية دخول المتغيرات إلى شجرة التعبير أكثر أهمية من القدرة التعبيرية النظرية، حيث تحدد تضاريس التحسين الناتجة ما إذا كان يمكن استعادة الصيغة المستهدفة بالفعل.