1707 ورقة بحثية
تُثبت هذه الورقة أن المعادلات التفاضلية الشاملة، التي تدمج هياكل نموذج (SIR) الميكانيكية المعروفة مع الشبكات العصبية لديناميكيات انتقال غير مؤكدة، تتفوق على المعادلات التفاضلية العصبية القائمة كلياً على البيانات من حيث دقة التنبؤ، والمتانة، وكفاءة البيانات، لا سيما في ظل ظروف البيانات المحدودة والضجيج العالي.
يحدد هذا التوليف المنهجي للأدلة المراجعية من عام 2015 إلى عام 2025 المحددات والعوائق الرئيسية أمام اعتماد الواقع الافتراضي عبر مجالات متنوعة، مما يسلط الضوء على الحاجة إلى إطار عمل متكامل يعالج الفجوات المنهجية ويجمع بين العوامل المعرفية والتجريبية والفسيولوجية والتنظيمية لضمان مشاركة المستخدم على المدى الطويل.
تقدم هذه الورقة نموذجاً لتقييم التغذية الراجعة متعدد الوسائط بمساعدة الحاسوب لتعليم الفنون في المرحلة الإعدادية، يدمج بين التحليل البصري والنصي مع تتبع الأدلة ومراجعة المعلم لتحسين موثوقية التقييم وتقليل معدلات الخطأ بشكل كبير.
تقدم هذه الورقة إطار عمل يعمل على تشغيل تتبع تسلسل البيانات كبنية تحتية لخطوط أنابيب البيانات المالية الموثوقة، مما يثبت من خلال النشر أنه يقلل بشكل كبير من أوقات الاستجابة للتدقيق ويمكّن التتبع القابل للتحقق آلياً لمصادر البيانات والتحويلات.
تُدقق هذه الورقة أنظمة الذكاء الاصطناعي التعليمية باستخدام نماذج لغوية على مستوى الحروف، وتجد أنه بينما يمكن لهذه النماذج التنبؤ بنجاح بانتقالات المناهج المحجوبة في مجموعات البيانات الاصطناعية والواقعية، فإن هذه القدرة تنبع من استغلال التفكيك الصريح للبيانات الوصفية بدلاً من الفهم الدلالي لمحتوى الدروس.
تقترح هذه الورقة نظاماً غير جراحي لتصنيف شدة مرض باركنسون باستخدام بيانات مستشعر وحدة القياس العطالية (IMU) ثلاثية المحاور والتعلم التجميعي، حيث أظهرت أن نموذج LightGBM يتفوق على خوارزميات التعلم الآلي الأخرى بدقة تبلغ حوالي 97%.
تقيم هذه الدراسة خمسة نماذج من نماذج التعلم الآلي الخاضعة للإشراف للكشف عن هجمات اليوم صفر (zero-day attacks) في البيانات غير المتوازنة، لتختار في النهاية نموذج XGBoost كالحل الأمثل نظراً لتوازنه الفائق بين الدقة العالية وسرعة المعالجة مقارنة بنموذج الغابة العشوائية (Random Forest) الأكثر دقة ولكن الأبطأ.
تقدم هذه الدراسة مساراً لتعلم الآلة يتكون من ثلاث مراحل، تم التحقق من صحته على أكثر من 670,000 قضية من قضايد محاكم الصلح الكينية، والذي يستخدم نموذجي LightGBM وCatBoost للتنبؤ بمدد معالجة القضايا وتصنيف حالات الفصل في نفس اليوم، مما يتيح إدارة استباقية لتراكم القضايا من خلال مخطط مخاطر مستمد تجريبياً وتطبيق ويب تم نشره.
تُظهر هذه الدراسة أن نموذج EfficientNet-B0 المُدرب مسبقاً على مجموعة بيانات ImageNet يتفوق بشكل ملحوظ على التهيئة العشوائية في تصنيف صور رنين مغناطيسي لأورام الدماغ ذات الفئات الأربع فقط في حالات الندرة الشديدة للبيانات (5% من 5,600 صورة)، بينما تسلط الضوء على قيود حرجة مثل احتمال حدوث تسرب للبيانات على مستوى المريض وعدم وجود دلالة إحصائية لفوائد التعلم بنقل الخبرة عند حصص أكبر من البيانات، مما يدفع في النهاية إلى الحجج ضد النشر الذاتي دون مزيد من التحقق الصارم.
تُظهر هذه الدراسة أن نموذج الغابة العشوائية (Random Forest) الذي يستخدم مزيجاً من ميزات قياس التذبذب في حجم الدم (PPG) وفترات ما بين النبضات، يمكنه تحقيق تصنيف دقيق، وقابل للتفسير، وفعال حوسبياً لخمس فئات من مراحل النوم من إشارات الـ PPG القابلة للارتداء، مما يقدم بديلاً قابلاً للتطبيق لنهج التعلم العميق كثيف الاستهلاك للموارد.