الأبحاث ضمن الموضوع : تكييف المجال والتعلم من عدد قليل من الأمثلة
-
المعايرة التباينية على التوافق والتمثيلات متعددة المناظر التكميلية
Contrastive calibration on consensus and complementary multi-view representations2026 | المؤلف: Negin Jabari وآخرون | المجلة: Pattern Recognition | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث C4MV، وهو إطار عمل جديد لتعلم التمثيل متعدد المناظر (MRL) الذي يعالج القيود الرئيسية في الأساليب الحالية. غالبًا ما تركز الأساليب التقليدية على تعلم الإجماع مع إغفال المعلومات التكميلية الكامنة في التمثيلات الخاصة بالمناظر. يدمج C4MV بشكل مبتكر تعلم التمثيل بالإجماع والتكميلية من خلال مزيج من تحليل التمثيل الذاتي المشترك وغير المشترك،…
-
TabNSA: انتباه متفرق أصلي لتعلم البيانات الجدولية بكفاءة
TabNSA: Native sparse attention for efficient tabular data learning2026 | المؤلف: Ali Eslamian وآخرون | المجلة: Neurocomputing | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم البحث TabNSA، وهو إطار عمل جديد للتعلم العميق مصمم لمعالجة التحديات الفريدة التي تطرحها البيانات الجدولية، مثل أنواع الميزات المتنوعة والبنية المكانية المحدودة. يدمج TabNSA الانتباه المتناثر الأصلي (NSA) مع هيكل TabMixer لتعزيز الكفاءة الحسابية وقدرات التمثيل. يستخدم نموذج NSA آلية انتباه متناثر هرمي تتضمن ضغط الرموز، والحفاظ الانتقائي، والنوافذ المنزلقة المحلية، مما يقلل…
-
الالتفاف العشوائي المدرك دلاليًا ومطابقة المصدر لتعميم المجال في تقسيم الصور الطبية
Semantic-Aware Random Convolution and Source Matching for Domain Generalization in Medical Image Segmentation2026 | المؤلف: Franz Thaler وآخرون | المجلة: IEEE Access | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا البحث، يتناول المؤلفون مشكلة التعميم عبر المجالات من مصدر واحد (DG) في تقسيم الصور الطبية، وتحديداً تدريب نموذج على نمط تصوير واحد (مثل، الأشعة المقطعية) وتطبيقه على آخر (مثل، التصوير بالرنين المغناطيسي) دون الحاجة إلى بيانات أو تعليقات إضافية من مجال الهدف. يقدمون طريقة تسمى الالتفاف العشوائي المدرك دلالياً ورسم الخرائط الدلالية (SRCSM)،…