التقط نموذج ConvLSTM المدرب على بيانات الأقمار الصناعية في سيارا بين 2000 و2023 اتجاهات تدهور الأراضي الإقليمية أفضل من تغيرات خلايا منفردة مساحتها نحو 2.2 كيلومتر. وقال الباحثون إن التغيرات على مستوى الخلية ظلت صعبة التوقع.
المصدر: arXiv, Desertification Forecasting in Semi-Arid Regions: Using Deep Learning to Probe the Observability Limits of Land Degradation Dynamics (arXiv:2610.13406)
تستخدم طريقة Chronos Policy، التي طورها باحثون في ستانفورد، الطوابع الزمنية لمواءمة ملاحظات الروبوت وأفعاله بدلاً من الخطوات الثابتة. وتفيد المسودة بأن الأداء ظل أفضل في بعض اختبارات تغير التوقيت.
المصدر: arXiv, Chronos Policy: Learning Robot Policies on Physical Time (arXiv:2610.13929)
أفاد باحثون مرتبطون بمركز CNRS IRISA في رين بأن تجارب شبكات اصطناعية أظهرت استعادة رسم التدريب المشوش عبر الانتشار العكسي، وهو سلوك قد تفوته مقاييس العينات التقليدية.
قدم باحثون في جامعتي أوسلو وشيآن شبكة عصبية رسومية لتقدير تدفق الطاقة الاحتمالي عند تغير بنية الشبكة بعد انقطاع الخطوط. وتفوق النموذج على طرق المقارنة في خطأ زاوية الطور ضمن شبكتي اختبار.
المصدر: arXiv, Hierarchical Graph Neural Network for Probabilistic Power Flow with Grid Topology Contingencies (arXiv:2610.13495)
وجدت دراسة من ميشيغان تك أن دقة كشف المركبات بليدار ارتفعت مع شدة تساقط الثلوج في مجموعتين لطرق ثلجية. ويربط الباحثون العلاقة غير المتوقعة بتداخل تغيرات كثافة نقاط الأجسام وهندستها.
المصدر: arXiv, Beyond the Snowflakes: Disentangling Weather Effects from Confounding Meta-Factors in LiDAR Object Detection (arXiv:2610.13891)
قدم باحثون من جامعتي أوهايو ستيت وويسكونسن-ماديسون طريقة استدلال تغايري مدمجة لبيانات مكانية ونماذج غاوسية. وفي مثال لبيانات جليد القطب الشمالي من NOAA استخدم النموذج 1,398 معلمة لـ21,855 مشاهدة.
يستخدم نظام Splat2Act من باحثي جورجيا تك مسحاً هاتفياً للمكان لإنشاء توأم رقمي وتكييف سياسة التقاط الأجسام لدى الروبوت بعروض محاكاة. واختبرت الورقة نجاح المهام باستخدام ذراع روبوتية.
المصدر: arXiv, Splat2Act: From Captured Scenes to Personalized VLA Manipulation (arXiv:2610.13945)
قدم باحثون في الولايات المتحدة وكندا طريقة SecFD-FL لتوقع أحمال شحن السيارات الكهربائية دون جمع البيانات الموزعة مركزياً. واختبرت الدراسة التوقع وهجمات استعادة التدرجات على سجلات محطات بالو ألتو وبيانات EV WATTS.
المصدر: arXiv, SecFD-FL: Frequency-Decoupled Federated Learning with Secure Aggregation for Charging Load Forecasting in Internet of Electric Vehicles (arXiv:2610.12909)
عرض باحثون مرتبطون بجامعة نيويورك أبوظبي إطاراً لاختبار قدرة الاختبارات التي تكتبها النماذج على التمييز بين الحلول الصحيحة والمعيبة في البرمجيات الكمومية.
قدم باحثون مرتبطون بمؤسسات فرنسية وسيلة لرصد إخفاقات الروبوت تتابع مواضع الأجسام وعلاقاتها أثناء المهمة. واختبروا النظام على معيار قائم ومجموعة بيانات جديدة تضم مهمتين.
المصدر: arXiv, Robot-WATCHDOG: failure detection through object-centric graph representation (arXiv:2610.13403)
يمكن لـ Google Analytics قياس الزيارات والتفاعل مع الموقع باستخدام ملفات تعريف الارتباط إذا وافقت. يمكنك تغيير اختيارك لاحقاً.
تفاصيل القياس والخصوصية
لا تبدأ قياسات Google Analytics إلا بعد موافقتك. بعد الموافقة، قد تشمل القياسات التلقائية التمرير والنقر على الروابط الخارجية والتنزيلات ومشاهدة الفيديو وعمليات البحث والتفاعلات الأساسية مع النماذج؛ وقد تُستخرج عبارات البحث من معاملات الرابط. لا يرسل كود هذا الموقع قيم حقول النماذج؛ أما تنقيح البريد الإلكتروني في القياس التلقائي فهو أفضل جهد وليس ضماناً. يستخدم حدث مشاهدة الصفحة اليدوي رابطاً منقحاً. يمكنك تغيير اختيارك لاحقاً. قد تُرسل الزيارات التي تبدأ بموافقة سابقة أيضاً قياسات أداء رقمية لـ LCP وINP وCLS بعد تحميل Analytics. عند منح الموافقة لأول مرة أو لاحقاً، تبدأ هذه القياسات مع تحميل الصفحة التالية؛ وسحب الموافقة يوقف تقارير الأداء لهذه الصفحة. تُحفظ ملفات تفضيلك ستة أشهر؛ وتظل قياسات الإعلانات والتخصيص متوقفة.
يرسل متصفحك إشارة التحكم العالمي بالخصوصية. التحليلات متوقفة افتراضياً؛ ويمكنك تغيير هذا الاختيار صراحةً هنا.