2022 ورقة بحثية
تحلل هذه الورقة التقارب النقطي لخرائط النقل الأمثل ودوال الجهد عند تقريب مقياس مستهدف ذي دعم غير محدود عبر نصف قطر قطع، مستنتجةً معدلات كمية غير تقاربية لكل من الحالات المتماثلة شعاعياً وغير المتماثلة شعاعياً لتبرير الحلول العددية لمعادلات مونج-أمبر.
تقترح هذه الورقة إطار عمل للنمذجة العكسية متعدد المرضى يجمع بين ديناميكيات السوائل المقترنة والتحسين الخالي من المشتقات لتقدير معاملات انتشار الكالسيوم والسترات الفعالة في أغشية غسيل الكلى بمتانة، مما يثبت أن تجميع البيانات عبر المرضى يحسن بشكل كبير من قابلية تحديد المعلمات والاستقرار مقارنة بنهج المريض الواحد.
تضع هذه الورقة حدوداً دنيا ذات عمق وعدد محددات، وخالية من الأبعاد، على احتمالية نجاح أخذ عينات للحلول المثلى لخوارزمية التقريب الكمي للتحسين المعززة بالقيود (CE-QAOA)، وذلك عبر إثبات أن تقييد زوايا التكلفة بشبكة توافقية يؤدي إلى تأثير مرشح فييجر (Fejér filter) إيجابي.
تقدم هذه الورقة طريقة لتقليل الأبعاد تحت الإشراف للبيانات الفئوية، تقوم بإنشاء مؤثر مصفوفة كثافة من الترددات الشرطية للفئات لتوليد تضمينات طيفية منخفضة الأبعاد، والتي تُستخدم بعد ذلك للتصنيف عبر تقدير كثافة النواة مع إثبات الثبات الهيكلي والمتانة تجاه تعدد القيم، والندرة، والضجيج، وعدم توازن الفئات.
تُطوّر هذه الورقة إطار عمل لتقليل المخاطر التجريبية القائم على طريقة مونت كارلو مع ضمانات نظرية لحل مشكلات التحكم الأمثل المركب المحايد للمخاطر التي تتضمن أهدافاً غير سلسة، وتُبرهن على فعاليتها في معالجة مشكلات التحكم "بانج-بانج" (bang-bang control) باستخدام طريقة التدرج الشرطي.
تضع هذه الورقة أول تعريف دقيق للمناطق المزدوجة الوسيطة (median-dual regions) على التثليثات في أبعاد تعسفية، وتقدم طرقاً جديدة لحساب أحجامها الفائقة ومتجهات مساحاتها الفائقة الموجهة، مما يتيح عمليات تمثيل منفصلة قائمة على الحواف تتسم بالمتانة والكفاءة للمسائل المعتمدة على الزمن في نطاقات الزمكان وصولاً إلى أربعة أبعاد.
توضح هذه الورقة نظرياً العلاقة بين طريقتي "ستينجر" و"راشدينيا-زبرنيا" للتقريب بـ (Sinc-collocation) لمعادلات فولتير التكاملية من النوع الثاني، وتبرر قابلية تطبيق طريقة "ستينجر" على النوى العامة ذات المتغيرين، وتثبت أن كلتا الطريقتين تحققان تقارباً جذرياً أسياً، وتقترح نسخة محسنة من طريقة "ستينجر" تحقق تقارباً شبه أسي.
تقترح هذه الورقة حلاً هجيناً يوظف مُعاملًا عصبيًا لتعلم الفضاءات الطيفية الموضعية عبر فقدٍ مستنير بالفضاءات الجزئية، مما يجمع بفعالية بين متانة طريقة العناصر المحدودة متعددة المقاييس المعممة وسرعة المعاملات العصبية لتحقيق تقليل كبير في الأخطاء والتكاليف الحسابية للمعادلات التفاضلية الجزئية متعددة المقاييس ذات التباين العالي.
تقترح هذه الورقة إطار عمل للتعلم العميق للارتباط الفرعي (subspace regression) يعالج تحديات فضاءات المعلمات عالية الأبعاد في النمذجة منخفضة الرتبة، وذلك عبر تحويل الاستيفاء إلى ارتباط، وإدخال دوال خسارة متخصصة، والاستفادة من تنبؤات الفضاء الفرعي الزائدة لتحسين الدقة والنعومة عبر مختلف المشكلات البارامترية.
تُظهر هذه الدراسة أنه بينما تحقق الشبكات العصبية دقة تنبؤية عالية في تصنيف تكوينات جذور كثيرات الحدود من الدرجة الخامسة من المعاملات الخام، فإنها تفشل في استعادة القواعد الرياضية القابلة للتفسير بشرياً بشكل ذاتي، مما يكشف أن التفسير الحقيقي في مثل هذه المجالات المهيكلة يتطلب انحيازاً استقرائياً بنيوياً صريحاً بدلاً من التقريب الهندسي القائم بحتًا على البيانات.