1741 ورقة بحثية
تحدد هذه المراجعة النطاقية الأساليب القائمة المعتمدة على البيانات الوصفية لتوليد بيانات صحية اصطناعية، وتسلط الضوء على الفجوات الحرجة في تقييمها المعياري، وتوجيهاتها الأخلاقية، ومدى قابليتها للتطبيق النوعي في تطوير الأكواد ضمن سياقات التحليل الاتحادي.
تقيم هذه الورقة تجريبياً نهج تجميع تدريجي مدرك للانحراف (drift-aware incremental clustering) مُكيف من كشف البرمجيات الخبيثة لتحديد عمليات سحب البساط (rug pulls) في العملات المشفرة على شبكة إيثيريوم، حيث وجدت أنه بينما يوفر معدل إنذار كاذب أقل في بعض الحالات، فإن نموذجاً مرجعياً خاضعاً للإشراف يتم إعادة تدريبه دورياً يحقق في النهاية أداءً أعلى وأكثر استقراراً بشكل عام.
تعمل هذه الورقة على تنظيم مجال النمذجة العصبية الهجينة الناشئ من خلال إرساء إطار رياضي موحد يربط الشبكات العصبية بالمعادلات الميكانيكية، مما يوضح أدوارها في الاستدلال والتنبؤ مع تقديم منظور تعلم المتشعبات لتقدير عدم اليقين.
تقترح هذه الدراسة نموذج الاندماج التكيفي الديناميكي (DAFM)، وهو نظام تنبؤ ذكي في الوقت الفعلي يدمج ديناميكياً بين أشجار القرار، والغابات العشوائية، وXGBoost، وشبكات BiLSTM عبر آليات بوابات تكيفية للتغلب على قيود النماذج الثابتة، محققاً دقة فائقة (R² = 0.97) واستدلالاً سريعاً للتنبؤ بإنتاج النفط.
تقدم الورقة البحثية ModernBERT-TR، وهو مشفر لغة تركي بـ 150 مليون معلمة تم تدريبه مسبقاً من الصفر على 144.4 مليار رمز باستخدام بنية ModernBERT ومحلل رموز مخصص، والذي يتفوق بشكل كبير على النماذج المرجعية التركية الحالية ويضاهي النماذج الأكبر المتزامنة معه رغم تدريبه باستخدام موارد أقل بكثير.
يُعد DriftSense++ إطار عمل ديناميكي يعزز تخصيص مهام التعهيد الجماعي المكاني من خلال توظيف نهج مغلق الحلقة ومعتمد على المنطقة للكشف عن انحراف البيانات وانحراف المفاهيم وإدارتهما تكيفياً، مما يتفوق بشكل كبير على الأساليب الحالية في الدقة، وتقليل الإنذارات الكاذبة، وسرعة التعافي عبر مجموعات بيانات متنوعة من العالم الحقيقي.
تركز هذه الورقة على تقييم تقنيات تعلم آلي متنوعة للكشف عن هجمات حقن لغة الاستعلامات الهيكلية (SQL injection) والتنبؤ بها بفعالية، والتي تسمح للمهاجمين بالتلاعب باستعلامات قواعد البيانات واختراق أمن الخادم.
تقيم هذه الدراسة نماذج تعلم الآلة للتنبؤ بالوفيات ومدة الإقامة في وحدات العناية المركزة في المستشفيات الإثيوبية باستخدام بيانات حقيقية واصطناعية، حيث وجدت أن التدريب الهجين باستخدام بيانات مُولدة بواسطة (CTGAN) يتفوق بشكل كبير على الطرق الأخرى رغم تكلفته الحسابية العالية، مع تسليط الضوء على الحاجة إلى الأكسجين ونسبة تشبع الأكسجين (SpO2) كأقوى المتنبئات بالوفاة.
تقترح هذه الورقة طريقة لتعلم الشبكات الموجهة (orientation-aware mesh learning) تستخدم كمية قياسية نصف ثنائية الوجوه ذات إشارة (signed half-dihedral scalar) مبتكرة لتشفير اتجاه الوجه المحلي، مما يحسن بشكل كبير من المتانة ودقة التصنيف للأشكال ثلاثية الأبعاد تحت تأثير الاضطرابات الهيكلية مثل القطع والحدود المفتوحة مقارنة بالنهج التقليدية التي تركز على الحواف.
طورت هذه الدراسة الاستعادية ونقّبت نظام دعم قرار سريري قائم على الذكاء الاصطناعي متعدد الوسائط يدمج البيانات الديموغرافية والسريرية والجينية والتصويرية لتعزيز التنبؤ بعلاج سرطان البروستاتا الشخصي في بروناي، مما أثبت أن بنية هجينة من نوع (LSTM–Random Forest) مع دمج في المرحلة المتأخرة حققت أداءً قويًا (AUC 0.964) رغم القيود المتعلقة بصغر حجم العينة.