تقدم ورقة البحث نهجًا جديدًا لتحليل الصور الخفية، وهو أمر حاسم لتعزيز الأمان الرقمي من خلال اكتشاف البيانات المخفية في الصور الرقمية. تتطلب الطرق التقليدية غالبًا مجموعات بيانات موسومة واسعة، والتي يصعب تجميعها. للتخفيف من هذه المشكلة، يقترح المؤلفون طريقة تدمج التعلم النشط مع التعلم العميق المعزز خارج السياسة (DRL) لتحسين اختيار البيانات وتقليل الاعتماد…

تتناول ورقة البحث التحديات المتعلقة بالكشف عن الأجسام تحت الماء، والتي تعيقها عوامل مثل الإضاءة الضعيفة والتشتت المعتمد على الطول الموجي. لتحسين أداء الكشف، يقترح المؤلفون مكونين جديدين: وحدة الترميز الدلالي الجزئي (PSEM) ورأس وزن الأبعاد المنفصل (SDWH). تعزز PSEM دمج الميزات متعددة المقاييس من خلال ترميز المعلومات المحلية للقناة عبر سلسلة من الإضافات البكسلية…

تقدم هذه الدراسة تحليلًا مقارنًا لخوارزميات تحسين المسار للطائرات بدون طيار (UAVs) التي تتنقل في بيئات معقدة، مع التركيز على خوارزمية HAOAROA المعتمدة على FOPID-TID (خوارزمية تحسين أرخميدس الهجينة – خوارزمية تحسين الراكب). تجمع هذه الطريقة الجديدة بين التحكم من الدرجة الكسرية وتقنيات التحسين الهجينة، مما يظهر أداءً متفوقًا على الخوارزميات التقليدية مثل A* وJPS…

تقدم ورقة البحث إطار عمل جديد متعدد الطبقات للتخفي مصمم لتعزيز سلامة البيانات، والأصالة، والسرية في سياق زيادة التهديدات الأمنية. تواجه الطرق التقليدية للتخفي قيودًا مثل سعة الحمولة المحدودة والضعف أمام الكشف. يدمج الإطار المقترح ترميز هوفمان، وإدخال أقل بت أهمية (LSB)، ومشفر-فك تشفير قائم على التعلم العميق، مما يحسن بشكل كبير من عدم الكشف،…