3301 ورقة بحثية
تثبت هذه الورقة تجريبياً أن تقليم القنوات يعزز كشف المشاة المقاوم للضجيج فقط في أنظمة البيانات الصغيرة والوفرة العالية من خلال عمله كمنظم، بينما يفشل في التعميم عبر مجموعات البيانات المتنوعة ولا يقدم سوى توفير متواضع في الحوسبة.
تقترح هذه الورقة إطار عمل للتعلم العميق هجين يجمع بين الشبكات العصبية الالتفافية (CNN) والوحدات المتكررة ذات البوابات الطويلة (GRU)، معززاً باختيار الميزات باستخدام تقنية الحد من التكرار الأقصى (mRMR) للكشف بفعالية عن اضطراب الاكتئاب الجسيم من إشارات تخطيط كهربية الدماغ (EEG)، محققاً متوسط دقة بنسبة 96.74% على مجموعة بيانات MODMA، مع تسليط الضوء على الحاجة إلى مزيد من التحقق باستخدام بيانات سريرية متنوعة.
تقدم هذه الورقة البحثية "تتبع الدوائر الآلية" (Mechanistic Circuit Tracking)، وهو إطار عمل معياري يجمع بين الإسناد المباشر للـ "لوجيت" (logit attribution)، وترقيع التنشيط السببي (causal activation patching)، وتقنيات الاستئصال (ablation techniques) لتتبع ظهور دوائر الانتباه أثناء مرحلة ما قبل التدريب وقياس متانتها السببية عبر "مؤشر استقرار الدائرة" (Circuit Stability Index) الجديد لتعزيز سلامة الذكاء الاصطدي وتوافقه.
تقيم هذه الدراسة 14 نموذجاً من النماذج اللغوية الكبيرة في مجال اكتشاف ثغرات العقود الذكية، كاشفةً أن اختيار النموذج أكثر أهمية من استراتيجيات صياغة الأوامر أو زيادة الحوسبة أثناء وقت الاستدلال، حيث تُظهر النماذج الرائدة الأكبر حجماً موثوقية فائقة بينما يمكن للنماذج الأصغر وتقنيات الاستدلال الممتدة أن تؤدي إلى تدهور الأداء.
تقدم هذه الورقة البحثية "Perceive AI"، وهو إطار عمل متكامل (end-to-end) جديد للتقييم الآلي للإجابات القصيرة، يستفيد من بنية نماذج أولية معلمية ثنائية الرأس (dual-head parametric prototype architecture) وحواجز حماية قائمة على الاتساق الخصمي (adversarial consistency guardrails) لتحقيق تقييم قوي ومدرك للمطالبات (prompt-aware) مع تصفية الإجابات الخارجة عن الموضوع بفعالية.
تقدم هذه الورقة وحدة الأساس الطيفي القابلة للتفسير (SBIU)، وهي وحدة عصبية مستوحاة من الميكانيكا الكلاسيكية والكمية تستخدم إسقاطات متعامدة متعلمة لتحقيق التقريب الشامل للدوال واكتشاف النظم غير الخاضعة للإشراف مع قابلية تفسير عالية وأداء تنافسي في كل من مجموعات البيانات الاصطناعية والسريرية الواقعية.
تقدم هذه الورقة البحثية "قاموس-كان" (Dictionary-KAN)، وهي بنية معالجة آلياً تعالج مفارقة التحسين لشبكات كولموغوروف-أرنولد عبر توظيف قواميس دالة الأساس الشعاعي (RBF) ذات معاملات معقدة وصقل هرمي منفصل لتحقيق تفوق في الانحدار متعدد المتغيرات، واستعادة معاملات المعادلات التفاضلية الجزئية، وقابلية تفسير فعالة من حيث الأجهزة، مع تجنب مشكلات الذاكرة والتقارب التي تعاني منها شبكات "كان" القائمة على الشرائح المستمرة.
يُعد CONCORDAT إطار عمل للتعلم الاتحادي عابر الصوامع، يُمكّن من إجراء أبحاث موثوقة ومحافظة على الخصوصية حول التوحد متعدد الوسائط عبر دمج بيانات صحية متباينة وغير مكتملة من مواقع متعددة، مع معالجة تحديات البيانات المفقودة، والخصوصية التفاضلية، وعدالة المجموعات الفرعية في آن واحد.
تُطوّر هذه الورقة نماذج التوازن العميق (Deep Equilibrium Models) من خلال إرساء نظرية النقطة الثابتة التي تُخفف من شرط الانكماش الصارم المقيد، حيث تُثبت الوجود والوحدانية في ظل انكماشات واردوفسكي (Wardowski -contractions)، وتُبرهن على تقارب تكرار كراسنوسيلسكي-مان (Krasnoselskii–Mann iteration) للمؤثرات غير المتمددة، وتستنتج حدود الاستقرار لـ ليبشيتز (Lipschitz stability bounds) من أجل التدريب المتين.
تقترح هذه الورقة إطار عمل دفاعي يجمع بين التدريب الخصومي وإخفاء التدرج لتعزيز متانة أنظمة كشف التسلل القائمة على التعلم العميق بشكل كبير ضد الهجمات الخصومية مع الحفاظ على دقة عالية في حركة المرور الحميدة.