3279 ورقة بحثية
تقدم هذه الورقة البحثية DMASNet، وهو إطار عمل خفيف الوزن وفعال للكشف عن العيوب في لوحات الدوائر المطبوعة، والذي يستفيد من تحسين الميزات متعددة المقاييس، وأخذ العينات التصاعدي الديناميكي، ودوال الخسارة المتخصصة لتحسين الدقة وسرعة الاستدلال في الوقت الفعلي بشكل كبير على الأجهزة الصناعية.
تقدم هذه الورقة نموذجاً أولياً لكثافة الحالات المحلية (LDOS) الكمومية لمسألة k-SAT العشوائية، يستخدم تقدير السعة لتقدير كسر الإرضاء المتبقي بكفاءة، مما يظهر ميزة كمومية لعروض البنود التي تبلغ أربعة أو أكثر مع توضيح أن كسر الإيجابية هو في الأساس تأثير عدّ بنيوي وليس إشارة إلى انتقال التجمد.
تقترح هذه الورقة إطار عمل لدمج الأدلة التكيفي المعتمد على إعادة البناء، والذي يدمج بين الفروع التمييزية المكانية والوعي بإعادة البناء من خلال التفاعل الموجه بالشذوذ وتوجيه الموثوقية، لتحقيق كشف قوي وقابل للتعميم للصور المولدة عبر نماذج الانتشار عبر المولدات غير المرئية واضطرابات ما بعد المعالجة.
تقترح هذه الورقة إطاراً إحصائياً عميقاً هجيناً يدمج مشفرًا تلقائيًا تلاففيًا زمنياً، ونموذجاً متبقياً احتماليًا، ومعايرة للقيم المتطرفة لتحقيق كشف عن الشذوذ يتسم بالمتانة والقابلية للتفسير والتكيف في تدفقات المستشعرات متعددة المتغيرات، مما يظهر أداءً فائقًا وتقليلاً في تأخير الكشف عبر ستة معايير مرجعية متنوعة مقارنة بالنماذج المرجعية القائمة على المحولات والتباين.
تقترح هذه الورقة TWLASBMSL، وهي طريقة مبتكرة لتوليد عينات تبتية معادية على مستوى الكلمات تدمج الربط الصرفي النحوي لضمان الصحة القواعدية مع خداع النماذج المستهدفة بفعالية في مهام تحليل المشاعر وتصنيف النصوص.
تقدم هذه الورقة إطار عمل DRS-Track، وهو إطار عمل محسّن لتتبع الأجسام المتعددة يدمج أخذ العينات الديناميكي، وانتباه مجال الاستقبال، ورأس كشف مشترك عبر المقاييس للتغلب على تحديات مثل تغيرات المقياس والانسدادات، محققاً أداءً فائقاً في كل من مجموعة البيانات التي تم إنشاؤها ذاتياً ومعيار KITTI.
تقترح هذه الورقة نظاماً للحوسبة العصبية يتميز بكفاءة الطاقة، والمتانة، والقابلية للتفسير، والذي يستخدم الشبكات العصبية النبضية والتدريب المدرك للأجهزة لتحقيق دقة عالية وكشف فوري لأمراض الكبد باستخدام المؤشرات الحيوية السريرية، مما يوفر بديلاً متفوقاً للنماذج التقليدية كثيفة الحوسبة.
تقترح الورقة إطار عمل "الذكاء الحوافي المدمج بمستشعرات هرمية مع تغذية راجعة من التوأم الرقمي" (HSEI-DTF)، وهو نظام صيانة تنبؤية متعدد الطبقات يدمج معالجة الإشارات متعددة الأنماط القائمة على الحافة، ونماذج تعلم آلي هجينة، ومزامنة التوأم الرقمي المستندة إلى الفيزياء لتقليل وقت تعطل المعدات ومعدلات السلبيات الكاذبة بشكل كبير، مع تحقيق دقة عالية وزمن استجابة منخفض في بيئات إنترنت الأشياء الصناعية.
تقترح هذه الورقة إطار عمل للرسم البياني الفائق للتلاعب الديناميكي (dynamic manipulation hypergraph) يعمل على نمذجة التفاعلات المتطورة متعددة الكيانات كوحدات علاقات عليا بدلاً من الحواف الثنائية، محققاً تحسينات كبيرة في الأداء في التعرف الدقيق على الأنشطة البشرية في مجموعات بيانات EPIC-KITCHENS-100/VISOR وAssembly101.
تُثبت هذه الورقة أن نماذج تعلم الآلة المصغرة (TinyML) على أجهزة إنترنت الأشياء ذات الموارد المحدودة عرضة لهجمات حقن الخطأ في الجهد والتردد الكهرومغناطيسي المتخفية التي يمكن أن تؤدي إلى تدهور الدقة أو فرض مخرجات يمكن التنبؤ بها، وتقترح تقنيات "التقليص الذاتي العشوائي" والتصويت بالأغلبية كتدابير مضادة فعالة لتعزيز متانتها.