2447 ورقة بحثية
تقدم هذه الورقة البحثية "التعلم بالملحق الفعال" (Efficient Plug-in - EP)، وهو إطار عمل مبتكر يجمع بين استقرار "تعلم-T" (T-learning) وكفاءة "تعلم-DR" (DR-learning) المثالية لتوفير طريقة قوية وعالية الأداء لتقدير التباينات السببية غير المتجانسة، متجاوزةً بذلك مشكلات مثل الخسائر غير المحدبة وعدم الاستقرار الموجودة في النهج الحالية.
تقترح هذه الورقة إطاراً جديداً جيد التحديد يعتمد على عمليات "هوكس" الماركة غير الخطية المعتمدة على المسار لنمذجة التطور المستمر للشبكات ذات التحفيز الذاتي، مما يتيح استدلالاً مشتركاً مرناً على توقيت التحديث وبنية الشبكة من خلال تطبيق مُثبت على بيانات الشبكات الاجتماعية.
تقترح هذه الورقة إطار عمل "نقل التجميع والتسعير المشترك" (TJAP)، وهو إطار تعلم نقل مدرك للتحيز للتجميع والتسعير المشترك السياقي تحت نموذج لوجيت متعدد الحدود، والذي يستفيد من عدم التجانس عبر الأسواق المتناثر لتحقيق الندم الأمثل في الحد الأدنى الأقصى (minimax optimal regret) عن طريق موازنة فوائد هياكل التفضيلات المشتركة مقابل تكاليف التحيز المنهجي.
مدفوعاً بتحدي بيانات EVA 2025، تقترح هذه الورقة إطاراً هندسياً غير مستقر لتحليل القيم القصوى للتنبؤ بالمدى المكاني والمدة الزمنية لهطول الأمطار الشديدة في شرق الولايات المتحدة من خلال الاستفادة من مجموعات نماذج المناخ الضخمة ومراعاة التأثيرات التضاريسية والموسمية.
تقترح هذه الورقة إطار عمل "بايز التجريبي متعدد المجالات" (Multi-Domain Causal Empirical Bayes) باستخدام خوارزمية "نمذجة f" (f-modeling) مع مطابقة الدرجة ذات البنية السببية لتحسين تقدير المتغيرات الكامنة السببية من الملاحظات المختلطة خطياً عبر مجالات متعددة خاضعة للتدخل.
تتناول هذه الورقة نقص الاهتمام النظري بالمعاينة العنقودية في تصميمات انقطاع الانحدار من خلال تقديم إطار عام يثبت التوزيع الطبيعي التقاربي للمقدرات القياسية، وينتقد محدودية الأخطاء المعيارية العنقودية الحالية، ويقترح مقدراً جديداً لتباين الجار الأقرب لتحسين دقة الاستدلال.
يقدم التقرير الفني لـ AgentDS معياراً يتألف من ١٧ تحدياً خاصاً بمجالات محددة عبر ستة قطاعات، كاشفاً أنه في حين تعاني الوكلاء الذكيون الحاليون من صعوبات في الاستنتاج المتخصص وغالباً ما يؤدون أداءً أدنى من المشاركين البشر، فإن الحلول الأكثر فعالية تبرز من خلال التعاون بين الإنسان والذكاء الاصطناعي، مما يتحدى السرديات القائلة بالأتمتة الكاملة ويسلط الض الضوء على القيمة المستمرة للخبرة البشرية في علم البيانات.
تقترح هذه الورقة إطار عمل شامل لنسيج كوبولا غاوسي شبه معلمي (semiparametric Gaussian Copula) للانحدار وخفض الأبعاد على البيانات متعددة المتغيرات مختلطة النوع، وتتميز بنتائج نظرية جسرية مبتكرة، وخوارزمية فعالة بتعقيد ، وتطبيق ناجح للتنبؤ بوفيات الـ 5 سنوات باستخدام مقاييس الهشاشة في مسح NHANES.
تقترح هذه الورقة طريقةً للارتباط ذي الأبعاد الكافية (SDA) لاختيار المتغيرات والاستدلال الإحصائي المتزامن في الإعدادات عالية الأبعاد، والتي تتجنب الاعتماد على نماذج انحدار محددة أو افتراضات التشتت من خلال الاستفلاً من خاصية الغطاء الماركوفي للمتنبئات، مع توفير مُقدِّرات وإحصاءات اختبار وصحيحة تقاربيًا، والتحكم في معدل الاكتشاف الخاطئ، وهو ما تم إثباته من خلال عمليات المحاكاة وبيانات التعبير الجيني الحقيقية.
تقترح هذه الورقة إطاراً لتحديد حدود الآثار السببية في ظل وجود خليط مجهول من البيانات المفقودة المعلوماتية وغير المعلوماتية، حيث تطور مُقدِّرات قائمة على دالة التأثير تحقق تقارب الجذر-n والاعتدالية التقاربية مع استيعاب معاملات الحساسية التي يحددها المستخدم والنتائج المتنافسة مثل الوفاة.