1707 ورقة بحثية
تقترح هذه الورقة إطار عمل هجين (Transformer-CNN) فعال وموجه بالانتباه، يدمج مشفر (Mix Transformer) هرمي مع (ASPP) وبوابة انتباه متعددة الوسائط عبر المقاييس مخصصة، لتحقيق أداء رائد في تقسيم أمراض النباتات على مجموعة بيانات (PlantSeg) الصعبة، مع الحفاظ على حجم نموذج مدمج مناسب للأجهزة الطرفية محدودة الموارد.
تقترح هذه الورقة استراتيجية قائمة على قائمة خبراء محلية لكل تسلسل تقوم بتثبيت مجموعة صغيرة من الخبراء لكل تسلسل لتقليل بصمة الذاكرة ونقل الخبراء بشكل جذري أثناء خدمة نماذج "خليط الخبراء" (MoE)، مما يحقق إنتاجية تقارب الإنتاجية الكاملة مع عدد أقل بكثير من الأوزان المقيمة عبر تطبيق هذا القيد باستمرار أثناء كل من التدريب والاستدلال.
تقدم هذه الورقة مقياس تجانس مبتكر لتقييم فعالية وكفاءة خوارزميات تقسيم السلاسل الزمنية متعددة المتغيرات غير الخاضعة للإشراف، مما يثبت نجاح تطبيقها على كل من البيانات الاصطناعية وبيانات الأنظمة المدمجة في السيارات من العالم الحقيقي.
تقترح هذه الورقة طريقة موحدة لتعلم الفضاءات الجزئية متعددة الرؤى تحت الإشراف، تدمج بين الهياكل الهندسية لكل فئة والوزن التكيفي للرؤى لبناء فضاء كامن مشترك تمييزي بكفاءة، متفوقة بذلك على الأساليب الحديثة في كل من الدقة والسرعة الحسابية.
تقترح هذه الورقة إطار عمل هجينًا يجمع بين التعلم العميق والكم، يدمج شبكة عصبية تلافيفية أحادية الأبعاد (1D-CNN) لاستخراج الميزات مع مصنف متجه الدعم الكمي (QSVC) لتحقيق دقة فائقة في اكتشاف التوتر (81.00%) في إشارات تخطيط كهربائية الدماغ (EEG) مقارنة بالنماذج الكلاسيكية المرجعية، مع توضيح اعتماد النموذج على قياس الميزات والأبعاد ضمن عصر الأجهزة الكمية ذات الضجيج متوسط الحجم (NISQ).
تقترح هذه الورقة البحثية إطار عمل WTFFN-YOLO، وهو إطار محسّن وخفيف الوزن للكشف عن عيوب أسطح شفرات توربينات الرياح، يدمج آلية الانتباه C3K2-SACA، ووحدة دمج الميزات المدركة للتردد، وشبكة عنق WTFFN لتحقيق زيادة بنسبة 6.9% في متوسط الدقة (mAP) وانخفاض بنسبة 8% في معاملات النموذج.
تُظهر هذه الدراسة أن بنية (CNN–BiLSTM) الهجينة تتفوق على التحليل التقليدي للميزات الصوتية والنماذج العميقة الأبسط في قياس الإيقاع اللغوي، وذلك من خلال تحقيق دقة تتجاوز 95% في التمييز بين ترتيل السنسكريتية والهندية وبين الكلام الطبيعي، مع الكشف عن انتظام إيقاعي أكبر في السنسكريتية نظرًا لبنيتها القائمة على المقطع اللفظي.
تكشف هذه الورقة أن الشبكات العصبية المستوحاة من الفيزياء (PINNs) المطبقة على نماذج SIR تعاني من "دين كامن" خلال مراحل النمو الأسي المبكرة، حيث تسمح تضاريس خسارة مسطحة ومنخفضة الرتبة لعملية التحسين بتقليل البواقي عن طريق تشويه الحالات الكامنة غير المرصودة ونشر الأخطاء، مما يؤدي في النهاية إلى حلول دقيقة عددياً بتقديرات معلمات خاطئة جوهرياً.
تُظهر هذه الدراسة المزايا الكبيرة في الأداء لوحدات معالجة الرسومات NVIDIA RTX 3050 مقارنة بوحدات المعالجة المركزية من Intel في تدريب التعلم العميق، حيث كشفت عن تسريع بمقدار 40.6 ضعفاً لنماذج ResNet50 واسعة النطاق على مجموعة بيانات CIFAR-10.
يُعد Xender+ إطار عمل مبتكر يعزز كفاءة نقل البيانات السلاسل الزمنية من خلال استبدال إعادة التدريب المتكرر للنماذج عبر الإنترنت بمكتبة في جانب السحابة من النماذج سابقة التدريب والمصنفة حسب الأنماط لإعادة الاستخدام المباشر، مما يحقق زمن انتقال أقل من طرف إلى طرف ودقة إعادة بناء عالية مقارنة بالنماذج المرجعية الرائدة.