1707 ورقة بحثية
تقدم هذه الورقة مساراً للمعالجة المسبقة تحت إشراف ضعيف يستخدم مطابقة القوالب ومعايرة حجم البكسل القائمة على المعالم لتوليد أزواج صور محاذية من أنماط متباينة من المجهر الإلكتروني والضوئي، مما يسهل التسجيل متعدد الأنماط الدقيق والتحليل اللاحق.
تقترح هذه الورقة إطار عمل هجين جديد للتعلم التعزيزي العميق يدمج بين الشبكات التلافيفية الزمنية، ومشفرات المحولات (Transformer encoders)، وخوارزمية "Soft Actor-Critic" لتحقيق كشف عن السقوط عبر الأجهزة القابلة للارتداء يحافظ على الخصوصية ويصل إلى أحدث المستويات التقنية بدقة تبلغ 99.0% وقابلية عالية للنشر على الأجهزة الطرفية محدودة الموارد.
تجادل هذه الورقة بأن القيود المستمرة للذكاء الاصطناعي الحالي في الاستدلال السببي، والإدراك الاجتماعي، والتركيب الرمزي تنبع من نقص بيئات البيانات المتنوعة بدلاً من عدم كفاية النطاق، مبرهنةً من خلال مسح لثمانين نظاماً أن دمج إشارات الفضاء الفيزيائي والاجتماعي والفكري أمر ضروري للارتقاء من التعرف الضيق على الأنماط إلى الذكاء العام.
تقدم هذه الورقة البحثية CAMNet، وهو إطار عمل للتعلم العميق يتسم بالمتانة ويعتمد على بنية متعددة المسارات ذات انتباه تقاطعي لدمج تقنيات تحليل صوتي وبصري متقدمة، مما يحقق دقة فائقة في كشف التزييف العميق من خلال تحديد الميزات الخاصة بكل نمط والتناقضات بين الأنماط عبر مجموعات البيانات المرجعية.
تقدم هذه الورقة البحثية إطار عمل "عدم اليقين في التصنيف عبر مستويات الحبيبية" (CRU)، وهو إطار عمل خفيف الوزن يقدر مباشرة عدم اليقين في الاسترجاع من خلال التباينات في فضاء التصنيف بين توزيعات المطابقة العالمية والمحلية لتحسين كشف الأخطاء، والمعايرة، والتنبؤ الانتقائي في استرجاع الصور والنصوص دون الحاجة إلى عمليات تمرير متعددة.
تقدم هذه الورقة LarvaFormer، وهو إطار عمل هجين جديد للتعلم العميق يجمع بين الشبكات العصبية الالتفافية (CNNs) ومحولات الرؤية (Vision Transformers) مع آليات انتباه متخصصة، والذي يحقق دقة هي الأفضل في مجالها في التصنيف الآلي ليرقات البعوض لتمكين مكافحة الأمراض بشكل سريع ومستدام بيئياً.
تقترح هذه الورقة نموذجاً خفيف الوزن وعالي الدقة للكشف عن عيوب الأسطح في الشرائط المعدنية، يُسمى YOLOv5s-SC2، والذي يدمج تحسينات هيكلية مثل SAC وRepGFPN لتحقيق دقة (mAP) بنسبة 84.3% على مجموعة بيانات NEU-DET، ويستخدم تقنية التقليم LAMP لتقليل حجم النموذج والتكلفة الحسابية بشكل كبير من أجل النشر الفعال على الحافة مع أدنى قدر من فقدان الدقة.
تُعد PolicyFaultBench معياراً اختبارياً قائماً على الطفرات يعمل على التحقق من صحة وكلاء الذكاء الاصطناعي المستخدمين للأدوات عبر اختبار وساطة سياسة وقت التشغيل ومطابقة واجهة الاقتراح بصرامة، مما يكشف أنه بينما يمكن للوكلاء تحقيق نجاح عالٍ في التنفيذ، إلا أنهم قد يظلون عاجزين عن استيفاء معايير القبول الصارمة بسبب انحرافات طفيفة في الواجهة تتطلب مجسات مستهدفة للكشف عنها.
تقدم هذه الورقة YOLO11m-opt، وهو نموذج محسّن للكشف عن الأجسام يحقق تحديداً عالي الدقة لـ 36 نوعاً من الدبابير الطفيلية من صور مجهرية منخفضة التكلفة عبر دمج تحسينات هيكلية متخصصة ومجموعة بيانات مخصصة، مما يتيح تحليلاً تصنيفياً مؤتمتاً ومستقلاً عن الخبراء للتطبيقات الزراعية والبيئية.
تقترح هذه الورقة طريقة HRL-TSCH-ERC، وهي طريقة جدولة قائمة على التعلم التعزيزي الهرمي تعمل على تخصيص الموارد وجدولة الروابط ديناميكيًا في الشبكات اللاسلكية المتداخلة داخل الكهوف الكارستية لتحسين تسليم الحزم والموثوقية وكفاءة الطاقة لخدمات الإنقاذ الطارئة غير المتجانسة بشكل كبير مقارنة بالخوارزميات الحالية.