3464 ورقة بحثية
تقترح هذه الورقة IBKA-Transformer، وهي طريقة جديدة لتشخيص الأعطال تدمج خوارزمية "البلاك كايت" المحسنة مع نموذج "ترانسفورمر" لتحسين المعلمات الفائقة واختيار الميزات، محققةً دقة بنسبة 99.86% في تشخيص أعطال محامل الروبوتات الصناعية.
تقترح الورقة البحثية DCUG-PPO، وهو متحكم في التعلم المعزز ثنائي الناقد يرسخ سياسته عبر آلية تراجع قائمة على النموذج من خلال بوابة عدم اليقين، محققاً موثوقية أعلى بكثير وتحكماً أكثر سلاسة من خوارزمية PPO أحادية الناقد والنماذج المرجعية الكلاسيكية في التوجيه البصري القائم على الصور تحت ظروف انقطاع الكاميرا، مع الإقرار بالقصور في التحقق من الأجهزة والمقارنات الخوارزمية الأوسع.
تقدم هذه الورقة البحثية خوارزمية ESSIM، وهي خوارزمية تحسين سرب احتمالية مبتكرة تستفيد من الاستدلال الإحصائي البايزي وعدم اليقين للجزيئات الفردية للحفاظ على تنوع السرب وتجنب النهايات الصغرى المحلية، وبذلك تتفوق على خوارزمية PSO الكلاسيكية في معايير الاختبار متعددة الأنماط ومهام تحسين المعلمات لعملية انحدار العمليات الغاوسية رغم تطلبها أوقات حوسبة أطول.
تقترح هذه الورقة طريقة قوية لإخفاء المعلومات في الفيديو تجمع بين تضمين MEC-AQIM في مجال DWT-SVD مع آلية مزامنة ضوضاء زائفة ثنائية الطبقة لاستعادة البيانات السرية بفعالية من الفيديوهات المعرضة لكل من إعادة الضغط والقص التعسفي.
تقترح هذه الورقة نظام تعلم مستمر هجين مستوحى حيوياً يقوم بالتصميم المشترك لخوارزمية هجينة بين ذبابة الفاكهة والإنسان مع أجهزة ممرستور ذاتية الاختيار للتغلب على النسيان الكارثي وعدم كفاءة الطاقة، محققاً تحسينات كبيرة في السرعة والطاقة مقارنة بمسرعات CMOS التقليدية.
تقدم هذه الورقة إطار عمل للتعلم الآلي قابل للتدقيق ومتحكم في التسرب، يعمل على مواءمة بيانات الانبعاثات الأوروبية غير المتجانسة للتنبؤ بدقة بالتحديثات المكانية قصيرة المدى لمخزونات الكادميوم والزئبق والرصاص، محققاً انخفاضات كبيرة في الأخطاء مقارنة بالنماذج المرجعية مع تحديد حدود تشغيلية صريحة لفحص الشذوذ وتحديد أولويات الخبراء بدلاً من التنبؤ غير المقيد.
تقدم هذه الورقة bio2C، وهو معيار مرجعي متوافق مع مبادئ FAIR يتكون من 2,500 زوج منتقى بين اللغة الطبيعية ولغة Cypher، وإطار عمل معياري للتوليد المعزز بالاسترجاع يحسن بشكل كبير دقة تحويل النص إلى Cypher للرسوم البيانية للمعرفة الطبية الحيوية من خلال الاستفታدة من الأمثلة المسترجعة بدلاً من التلقين القائم على المخطط.
تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة الرائدة تُظهر "تصحيحاً ذاتياً استعراضياً" من خلال توليد خطاب نقدي مستفيض دون إجراء أي مراجعة جوهرية لإجاباتها الأولية عبر 72 جولة مراجعة تكرارية، مما يتحدى فعالية استراتيجيات التصحيح القائمة على التلقين لتحسين موثوقية الذكاء الاصطناعي.
تقدم هذه الورقة إطار عمل شفافًا مدعومًا بالاسترجاع، يقوم بربط الأدلة الرقمية ذات اللغة الطبيعية بمخططات تحسين مهيكلة، مما يثبت أنه بينما يعد استرجاع المخطط فعالًا للغاية، فإن العقبة الرئيسية أمام أتمتة إنشاء مشكلات التحسين تكمن في المهمة اللاحقة المتمثلة في مطابقة الأرقام المستخرجة بدقة مع الفتحات المقابلة لها.
تقدم هذه الدراسة BoneNet، وهو إطار عمل للتعلم العميق متعدد الوسائط يدمج هيكل YOLOv8m مع كتل انتباه متبقية متسعة (dilated residual attention blocks) ودمج البيانات الجدولية لتحقيق كشف آلي عالي الدقة، وتصنيف الشدة، وتقدير عمق قابل للتفسير لفقدان العظم حول الزرعة، مع تحديد حدود الأداء في الحالات الشديدة بشفافية.