DOI: https://doi.org/10.28991/hij-2025-06-03-011
تاريخ النشر: 2025-11-04
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: إدارة التراث الثقافي والحفاظ عليه
نظرة عامة
تقدم هذه الورقة نهجًا جديدًا لتعزيز دقة وأداء الوقت الحقيقي للخوارزميات المستخدمة في الحماية الرقمية وتقييم الثقافة غير التراثية. الطريقة المقترحة تعمل على تحسين شبكة عصبية من نوع Backpropagation (BP) باستخدام خوارزمية بحث Proportional-Integral-Derivative (PID)، والتي تؤسس خريطة بين متجهات الميزات المستخرجة من عملية الحماية الرقمية وقيم التقييم المقابلة لها. توضح دراسة حالة أجريت في دالي شيجو أن هذه الطريقة تحسن بشكل كبير من دقة التقييم وتقلل من وقت التدريب بنسبة 30% مقارنةً بنماذج BP التقليدية، محققة دقة مثيرة للإعجاب تبلغ 99.59%.
تتناول الدراسة قيود الأبحاث السابقة، التي غالبًا ما اعتمدت على تقنيات التصور دون أطر تقييم كمية منهجية. من خلال دمج ضبط المعلمات التكيفية مع الشبكات العصبية BP، يتغلب نموذج PID-BP بفعالية على مشاكل الحد الأدنى المحلي ويؤسس إطار تقييم قوي يتضمن مؤشرات متنوعة، مثل الدقة ودرجة F1. تشمل اتجاهات البحث المستقبلية استكشاف تقنية البلوكشين لتتبع البيانات وتوسيع النموذج لدمج بيانات متعددة المصادر، مع معالجة التحديات التي تطرحها تنسيقات الوسائط المتطورة وقيود التخزين من خلال توسيع الميزات الديناميكية وآليات التعلم التدريجي. يضع هذا العمل معيارًا جديدًا لتقييم التراث العلمي، مع التأكيد على إمكانيات الخوارزميات الذكية في تحويل ممارسات الحماية الرقمية.
مقدمة
تسلط مقدمة الورقة الضوء على التزام الحكومة الصينية بتحسين نظامها الرقمي، لا سيما في سياق الحفاظ على التراث الثقافي غير المادي (ICH). تؤكد على الدور الحاسم للتكنولوجيا الرقمية في حماية وتحسين ICH، مما يعزز التنوع الثقافي ويسهل البحث عبر الثقافات. تتناول الدراسة بشكل خاص الحفظ الرقمي للثقافة غير التراثية (NRH)، مقترحة طرق مبتكرة لتصميمها الرقمي وتقييمها وتطبيقها.
تشير العديد من الدراسات إلى التقدم في تقنيات الحفظ الرقمي، بما في ذلك دمج النمذجة ثلاثية الأبعاد، والواقع الافتراضي (VR)، والذكاء الاصطناعي (AI) لتعزيز المشاركة العامة وفهم الثقافة. ومع ذلك، تحدد الورقة فجوات كبيرة في ممارسات الحفظ الحالية، التي تعتمد في الغالب على التصوير الرقمي التقليدي وطرق التقييم النوعية. لمعالجة هذه النقائص، يقترح المؤلفون خوارزمية محسنة للتعرف والتقييم لحماية NRH الرقمية، باستخدام شبكة عصبية من نوع BP محسنة بواسطة PID (Proportional-Integral-Derivative). يهدف هذا النموذج إلى توفير إطار منهجي قائم على البيانات للتقييم الكمي، تم التحقق منه من خلال دراسة حالة في دالي، مقاطعة يونان، مما يسد الفجوة بين الطرق التقليدية والتقنيات الناشئة.
طرق
في هذا القسم، يوضح المؤلفون إعداد التجربة المستخدمة للتحقق من نموذج PID-BP لحماية الأصول الرقمية غير التراثية. تم مقارنة أداء أربعة نماذج—BP، HHO-BP، SHO-BP، وPID-BP—باستخدام بيانات من جهود الحماية الرقمية في دالي شيجو. تم هيكلة نموذج BP بثلاث طبقات، مع طبقة مخفية تحتوي على 50 عقدة وتستخدم دالة تنشيط من نوع radial basis. تم اختبار خوارزميات التحسين (HHO، SHO، وPID) مع حجم سكاني قدره 100 وحد أقصى من 1000 تكرار.
توضح الجدول 1 إعدادات المعلمات لكل خوارزمية. يستخدم نموذج BP خوارزمية تحسين Adam، بينما لا يتطلب نموذج HHO-BP معلمات محددة. تم تكوين نموذج SHO-BP مع المعلمات H=[1,5] وM=[0.5,1]. بالنسبة لنموذج PID-BP، تم تعيين المعلمات كالتالي $K_p=1$، $K_i=0.5$، $K_d=1.2$، و$\beta=1.5$. يسمح هذا النهج المنظم بتحليل شامل لفعالية النماذج في حماية الأصول الرقمية غير التراثية.
مناقشة
في قسم المناقشة من الورقة، يستكشف المؤلفون مفهوم البيئة الرقمية وآثاره على الحفظ الرقمي للتراث الثقافي غير المادي (ICH)، لا سيما في دالي شيجو، وهي منطقة غنية بثقافة باي. يؤكدون على أهمية نهج منهجي للت digitization، والذي يتضمن خطوات مثل اكتساب الموارد الرقمية، والنمذجة ثلاثية الأبعاد، وإنشاء منصات رقمية للتوزيع المبتكر. توضح الورقة برنامجًا شاملاً للتعرف والتقييم يهدف إلى تقييم الحماية الرقمية للثقافة غير التراثية، مع تسليط الضوء على تطوير متجهات الميزات وتحسين نماذج التقييم من خلال منهجيات متقدمة مثل الانحدار الجبهي وشبكات PID-BP العصبية.
يقدم المؤلفون نموذج PID-BP جديدًا يعزز بشكل كبير من دقة وكفاءة تقييمات الحفظ الرقمي، محققًا معدل دقة مثير للإعجاب يبلغ 99.59% بينما يقلل من زمن التقييم من 2.3 ثانية إلى 0.7 ثانية لكل عينة. يعالج هذا النموذج قيود التقييمات النوعية التقليدية من خلال دمج تقنيات تحسين ذكية، مما يوفر إطارًا قويًا للتقييم المنهجي القائم على البيانات للتراث. تشير النتائج إلى أن نموذج PID-BP لا يحسن فقط الأداء في الوقت الحقيقي، بل يؤسس أيضًا معايير جديدة للتقييم العلمي في حماية التراث، مما يمهد الطريق للبحوث المستقبلية التي يمكن أن تدمج تقنيات مثل البلوكشين لتتبع البيانات وتتكيف مع تنسيقات الوسائط المتطورة.
DOI: https://doi.org/10.28991/hij-2025-06-03-011
Publication Date: 2025-11-04
Author(s): Zhenyun Du et al.
Primary Topic: Cultural Heritage Management and Preservation
Overview
This paper presents a novel approach to enhance the accuracy and real-time performance of algorithms used for the digital protection and evaluation of non-heritage culture. The proposed method optimizes a Backpropagation (BP) neural network using a Proportional-Integral-Derivative (PID) search algorithm, which establishes a mapping between feature vectors extracted from the digital protection process and their corresponding assessment values. A case study conducted in Dali Xizhou demonstrates that this method significantly improves assessment accuracy and reduces training time by 30% compared to traditional BP models, achieving an impressive 99.59% accuracy.
The study addresses the limitations of previous research, which often relied on visualization technologies without systematic quantitative evaluation frameworks. By integrating adaptive parameter tuning with BP neural networks, the PID-BP model effectively overcomes local minimum issues and establishes a robust evaluation framework that incorporates various indices, such as accuracy and F1-score. Future research directions include exploring blockchain for data traceability and expanding the model for multi-source data fusion, while also addressing challenges posed by evolving media formats and storage constraints through dynamic feature scaling and incremental learning mechanisms. This work sets a new benchmark for scientific heritage assessment, emphasizing the potential of intelligent algorithms in transforming digital protection practices.
Introduction
The introduction of the paper highlights the Chinese government’s commitment to enhancing its digital ecosystem, particularly in the context of preserving intangible cultural heritage (ICH). It emphasizes the crucial role of digital technology in both protecting and optimizing ICH, thereby fostering cultural diversity and facilitating cross-cultural research. The study specifically addresses the digital preservation of non-heritage culture (NRH), proposing innovative methods for its digital design, appraisal, and application.
Various studies are referenced, showcasing advancements in digital preservation techniques, including the integration of 3D modeling, virtual reality (VR), and artificial intelligence (AI) to enhance public engagement and cultural understanding. However, the paper identifies significant gaps in current preservation practices, which predominantly rely on traditional digital photography and qualitative assessment methods. To address these shortcomings, the authors propose an improved identification and assessment algorithm for NRH digital protection, utilizing a PID (Proportional-Integral-Derivative) optimized backpropagation (BP) neural network. This model aims to provide a systematic, data-driven framework for quantitative evaluation, validated through a case study in Dali, Yunnan Province, thereby bridging the gap between conventional methods and emerging technologies.
Methods
In this section, the authors detail the experimental setup used to validate the PID-BP model for the protection of non-heritage digital assets. The performance of four models—BP, HHO-BP, SHO-BP, and PID-BP—was compared using data from the digital protection efforts in Dali Xizhou. The BP model is structured with three layers, featuring a hidden layer with 50 nodes and employing a radial basis activation function. The optimization algorithms (HHO, SHO, and PID) were tested with a population size of 100 and a maximum of 1000 iterations.
Table 1 outlines the parameter settings for each algorithm. The BP model utilizes the Adam optimization algorithm, while the HHO-BP model does not require specific parameters. The SHO-BP model is configured with parameters H=[1,5] and M=[0.5,1]. For the PID-BP model, the parameters are set as $K_p=1$, $K_i=0.5$, $K_d=1.2$, and $\beta=1.5$. This structured approach allows for a comprehensive analysis of the models’ effectiveness in safeguarding non-heritage digital assets.
Discussion
In the discussion section of the paper, the authors explore the concept of digital ecology and its implications for the digital preservation of intangible cultural heritage (ICH), particularly in Dali Xizhou, a region rich in Bai culture. They emphasize the importance of a systematic approach to digitization, which includes steps such as digital resource acquisition, 3D modeling, and the establishment of digital platforms for innovative dissemination. The paper outlines a comprehensive identification and evaluation program aimed at assessing the digital protection of non-heritage culture, highlighting the development of feature vectors and the optimization of assessment models through advanced methodologies like ridge regression and PID-BP neural networks.
The authors present a novel PID-BP model that significantly enhances the accuracy and efficiency of digital preservation assessments, achieving an impressive 99.59% accuracy rate while reducing assessment latency from 2.3 seconds to 0.7 seconds per sample. This model addresses the limitations of traditional qualitative evaluations by integrating intelligent optimization techniques, thereby providing a robust framework for systematic, data-driven heritage evaluation. The findings suggest that the PID-BP model not only improves real-time performance but also establishes new benchmarks for scientific assessment in heritage protection, paving the way for future research that could incorporate technologies such as blockchain for data traceability and adapt to evolving media formats.