3295 ورقة بحثية
تقدم الورقة البحثية نموذج HAG-EUNet، وهو نموذج تعلم عميق هجين يجمع بين مشفر EfficientNet-B3 وفك تشفير U-Net معزز بآلية المحولات (transformer) لتحقيق تقسيم آلي عالي الدقة للمشيمية في صور التصوير المقطعي للاتساق البصري (OCT) واستخراج 32 مؤشرًا حيويًا ذا صلة سريريًا، متفوقًا بشكل كبير على نماذج U-Net القياسية من حيث الدقة والكفاءة.
تُعد KORAL-Net بنيةً للتقسيم ثلاثي الأبعاد مرتبةً تفصل بين التمثيل الحجمي وإعادة بناء الميزات متعددة المقاييس للحفاظ على أدلة الحدود في تصوير الرنين المغناطيسي الديناميكي المحسن بالتباين (DCE-MRI) ثلاثي المراحل، مما يحقق درجات "Dice" متفوقة وانخفاضاً في الإيجابيات الكاذبة مقارنة بـ nnU-Net v2 في كل من مجموعات بيانات I-SPY الداخلية وعبر المجموعات.
تقترح هذه الورقة نظام قيادة ذاتية شاملًا (UADS) يدمج كاشف YOLO متطور وعالي الدقة مع نظام خبير عصبي اصطناعي (ANES) ونماذج لغوية كبيرة (LLM) لتحقيق أحدث مستويات اكتشاف الأشياء واتخاذ القرار الذاتي مع معالجة التحديات المستعصية (NP-hard) في القيادة الذاتية.
تقدم هذه الورقة البحثية PASER-NLL، وهي طريقة لاختيار البيانات لا تعتمد على المعلم، تستبدل إشارة تباعد كولباك - ليبلر (KL-divergence) المتلاشية للنماذج المقلصة بسالب لوغاريتم الاحتمالية (negative log-likelihood) الخاص بالطالب لتحقيق أداء استرداد فائق وتوفير كبير في الموارد في ظل التقليم الهيكلي الشديد.
تقدم هذه الورقة بنية تحكم مدعومة بالذكاء الاصطناعي لمسرع الجسيمات "إليترا 2.0" (Elettra 2.0)، تدمج النماذج اللغوية الكبيرة وبروتوكول سياق النموذج ضمن إطار عمل هرمي لتمكين التحكم الإشرافي عبر اللغة الطبيعية بشكل آمن من خلال توأم رقمي، محققةً معدلات نجاح في تنفيذ الأوامر تتجاوز 95% دون أي إجراءات غير آمنة.
تقترح هذه الدراسة نموذج ذاكرة طويلة قصيرة المدى ثنائية الاتجاه (BiLSTM) معززاً بآلية الانتباه متعدد الرؤوس (MHA) لمعالجة أوجه القصور في الترجمة الآلية العصبية، مما يظهر أداءً فائقاً في دقة المحاذاة، ودرجات BLEU، وMETEOR مقارنة بالطرق الحالية.
تقدم هذه الدراسة MAL-BAYES-III، وهو إطار عمل بايزي جزئي يطبق خوارزمية مونت كارلو الهاميلتونية حصرياً على رأس تصنيف متراص لتوليد احتمالات معايرة وواعية بعدم اليقين للكشف عن البرمجيات الخبيثة المموهة في التحليل الجنائي للذاكرة، مما يوفر قيمة تشخيصية وقدرات مراجعة انتقائية رغم عدم تفوقه على تعزيز التدرج التقليدي في الدقة الخام.
تقدم هذه الدراسة إطار عمل "مشفر تلقائي لشبكة الانتباه الرسومي" (GAT-AE) غير خاضع للإشراف، يقوم بدمج البيانات الجيومكانية متعددة المصادر مع طوبولوجيا شبكة الشوارع لنمذجة المركزية الحضرية الوظيفية الديناميكية، مما يظهر تماسكاً مكانياً فائقاً والقدرة على تحديد الظواهر الحضرية غير الخطية المعقدة مقارنة بالطرق الخطية التقليدية.
تُثبت هذه الورقة أنه في حين أن تخصيص الاستدلال المدرك للنتائج ذو قيمة نظرية، إلا أن تنفيذه العملي في الأنظمة متعددة الروبوتات محدود بشدة بسبب الندرة الجوهرية للفرص ذات القيمة العالية، مما يؤدي إلى انهيار المصنف في الموجهات المتعلمة، ويخفق في إنتاج إدراك جماعي ناشئ حقيقي من خلال التفويض أو التخصص.
تقترح هذه الورقة خوارزمية تنافس إمبريالية هجينة ثنائية الطبقة مدمجة مع البحث المحلي لتحسين تخصيصات العملاء للمستودعات ومسارات المركبات في آن واحد لمسألة توجيه المركبات متعددة المستودعات، محققةً نتائج تنافسية بفجوات تبلغ حوالي 2% في المعايير القياسية.