1712 ورقة بحثية
تقترح هذه الورقة إطار عمل للتعلم التعزيزي القائم على السلوك (BRL) يعزز التوجيه الآمن في شبكات إنترنت الأشياء متعددة القفزات من خلال دمج سلوك التوجيه المحلي في عملية اتخاذ القرار المستقل، مما يحقق تسليماً فائقاً للحزم، وانخفاضاً في العبء الإضافي، وتحسيناً في كفاءة الطاقة مقارنة بالبروتوكولات الحالية دون الاعتماد على التحكم المركزي أو الأعباء التشفيرية.
تقدم هذه الورقة تقنيماً آلياً (روبوتاً) جراحياً تفاعلياً بالصوت، يتمتع بذكاء اصطناعي متجسد، نجح في استعراض عمليات تسليم واستلام الأدوات الجراحية ذاتياً بنسبة نجاح إجمالية بلغت 81%، مما يسلط الضوء على إمكانات دمجه في غرف العمليات مع تحديد عملية اكتساب القبضة كمنطقة رئيسية للتحسين المستقبلي.
تقترح هذه الورقة إطار عمل CICS-TCMN، الذي يدمج تعلم البنية السببية، ومُنتقي اتساق التدخل السياقي، وشبكة الذاكرة السببية الزمنية لتقديم تنبؤات شخصية دقيقة، وواعية زمنياً، وقابلة للتفسير سريرياً لمخاطر القلب والأوع "الدموية.
تُظهر هذه الدراسة أن النماذج اللغوية الكبيرة التي تم ضبطها بدقة، ولا سيما LLaMA-3.2-1B ونموذج DistilBERT الموفر للمعلمات، يمكن أن تحقق دقة تقارب الكمال في اكتشاف هجمات حقن النصوص البرمجية عبر المواقع (XSS)، وحقن SQL، وحقن الأوامر، مما يقدم حلاً فعالاً للغاية للتخفيف من حدة تهديدات أمن الويب الحرجة هذه.
تقدم هذه الورقة نظاماً للكشف عن خطاب الكراهية يعتمد على التعلم العميق للغة الأفان أورومو ذات الموارد المحدودة باستخدام نموذجي XLM-RoBERTa وAfro-XLMR، مما يثبت أن نموذج XLM-RoBERTa الذي تم ضبطه بدقة يحقق أداءً فائقاً بنتيجة 95.3% لمقياس F1 ودقة بلغت 95.8% على مجموعة بيانات مكونة من 22,000 عينة من وسائل التواصل الاجتماعي لتعزيز السلامة عبر الإنترنت والتماسك الاجتماعي في إثيوبيا.
يُقيّم مشروع "سيثريان-شيفت" (Cethraian-Shift) موثوقية البيانات المتقاطعة، والمعايرة، وحساسية سياسة التسمية، واستقرار خوارزمية (Grad-CAM++) لمصنفات صور الأشعة السينية للصدر متعددة الملصقات المدربة على مجموعة بيانات (NIH ChestX-ray14 والمختبرة على مجموعة بيانات VinDr-CXR)، كاشفاً أن التمييز والمعايرة واستقرار التفسير تعمل كأبعاد تقنية متميزة، مع التأكيد على أن هذه النتائج الاسترجاعية لا تثبت الجدوى السريرية أو الجاهزية للنشر.
تقارن هذه الدراسة بين ستة نماذج من تعلم الآلة على مجموعة بيانات مستشفيات UCI Diabetes 130-US وتجد أن تجميعات الأشجار، ولا سيما XGBoost، تتفوق على كل من الشبكات العصبية المدربة من الصفر وتلك التي تستخدم التعلم المسبق ذاتي الإشراف، محققةً سقف تمييز عملي يبلغ حوالي 0.675 في المساحة تحت منحنى خصائص تشغيل المستقبِل (AUROC) للتنبؤ بإعادة التنويم خلال 30 يومًا لدى مرضى السكري.
تقترح هذه الورقة إطار عمل هجين (CNN–SPN) يدمج شبكة بيتري العشوائية متعددة الكثافة مع شبكة عصبية تلافيفية لتحسين دقة وقابلية تفسير اكتشاف عدم استقرار العقد في مجموعات هادوب، محققةً أداءً فائقاً على النماذج المرجعية باستخدام مجموعة بيانات اصطناعية.
تُظهر هذه الدراسة أن تزويد محلل نموذج لغوي بحالات متتالية متعددة لدائرة محول مُنشأة، بدلاً من حالتها النهائية فقط، يحسن بشكل كبير من دقة استعادة الحواف السببية وتنبؤات ما بعد التدخل، حتى عندما تظل جميع الظروف التجريبية الأخرى متطابقة.
تقترح هذه الورقة بروتوكولاً سببيًا متوافق القدرة لاختبار ما إذا كانت بوادر الباب الخلفي الداخلية تسبق السلوك الخبيث الملحوظ بصرامة، وذلك عبر مقارنة نموذج مسموم بحالة صفرية متوافقة باستخدام كواشف مصححة إحصائيًا ومتوافقة زمنيًا لتجنب النتائج الإيجابية الكاذبة الناتجة عن تعدد الاختبارات والعوامل المربكة.