تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. علوم الحاسوب (Computer Science)
  3. مجالات الأبحاث
  4. علوم الحاسوب (Computer Science)
  5. معالجة الإشارات (Signal Processing)

الأبحاث في مجال: معالجة الإشارات (Signal Processing)



  • التعلم العميق لتوقعات السلاسل الزمنية: استعراض

    2025 | المؤلف: Xiangjie Kong وآخرون | المجلة: International Journal of Machine Learning and Cybernetics | المجال: معالجة الإشارات (Signal Processing)

    تقدم هذه القسم نظرة عامة على أهمية وتطور التنبؤ بالسلاسل الزمنية (TSF)، مع تسليط الضوء على دوره الحاسم عبر مختلف الصناعات مثل الطاقة والرعاية الصحية وحركة المرور والأرصاد الجوية والاقتصاد. يشير إلى أن النماذج الإحصائية التقليدية غالبًا ما تفشل في تقديم الدقة العالية المطلوبة في التطبيقات العملية. أدى ظهور التعلم العميق إلى تطوير العديد من…


  • نموذج توقع السلاسل الزمنية بناءً على شبكة الأعصاب المحولة المعدلة واستخراج الميزات المعتمدة على تحويل فورييه السريع

    2025 | المؤلف: Kyrylo Yemets وآخرون | المجلة: Sensors | المجال: معالجة الإشارات (Signal Processing)

    تسلط الأبحاث الضوء على التوسع السريع في جمع البيانات من خلال الشبكات الحسية الحديثة وأنظمة إنترنت الأشياء (IoT)، مع التأكيد على الدور الحاسم للتنبؤ بالسلاسل الزمنية الفعالة في اتخاذ القرارات عبر مختلف الصناعات. بينما أظهرت هياكل الشبكات العصبية المتقدمة، مثل شبكات الذاكرة طويلة وقصيرة الأجل (LSTM) والمحولات، إمكانيات كبيرة، إلا أنها تواجه تحديات كبيرة، بما…


  • تعزيز اكتشاف البرمجيات الضارة من خلال اختيار الميزات الذاتية باستخدام مُحسِّن الذئب الرمادي

    2024 | المؤلف: Mosleh M. Abualhaj وآخرون | المجلة: Indonesian Journal of Electrical Engineering and Computer Science | المجال: معالجة الإشارات (Signal Processing)

    تقدم هذه البحث نظام RFGWO-Mal، وهو نهج مبتكر للكشف عن البرمجيات الضارة وتصنيفها باستخدام مزيج من مصنف الغابة العشوائية (RF) ومحسن الذئب الرمادي (GWO). يستخدم النظام طريقة جديدة لاختيار الميزات ذات الاتحاد الذاتي، والتي تدمج الميزات من مجموعات فرعية مختلفة تم تحديدها بواسطة GWO لمهام التصنيف الثنائي والمتعدد الفئات. تم تقييم فعالية نظام RFGWO-Mal باستخدام…


  • العلامات المائية القابلة للتوسع لتحديد مخرجات نماذج اللغة الكبيرة

    2024 | المؤلف: Sumanth Dathathri وآخرون | المجلة: Nature | المجال: معالجة الإشارات (Signal Processing)

    يتناول هذا القسم تطوير وتنفيذ SynthID-Text، وهو نظام جديد لتضمين العلامات المائية مصمم لنماذج اللغة الكبيرة (LLMs) التي تولد نصوصًا اصطناعية عالية الجودة مع ضمان الكشف الفعال عن مثل هذا النص. على عكس طرق التضمين السابقة، يقوم SynthID-Text بتعديل إجراء العينة فقط أثناء توليد النص، مما يحافظ على سلامة تدريب LLM ويحقق كفاءة حسابية في…


  • الخداع الرقمي: الذكاء الاصطناعي التوليدي في الهندسة الاجتماعية والتصيد

    2024 | المؤلف: Marc Schmitt وآخرون | المجلة: Artificial Intelligence Review | المجال: معالجة الإشارات (Signal Processing)

    تتناول ورقة البحث التأثير الكبير للذكاء الاصطناعي التوليدي (AI) على هجمات الهندسة الاجتماعية (SE)، مشددة على كيفية تعزيز التقدم في الذكاء الاصطناعي وتعلم الآلة (ML) لكل من فعالية وتحديات الأمان في التفاعلات الرقمية. من خلال مراجعة منهجية، يحدد المؤلفون ثلاثة أعمدة رئيسية—إنشاء محتوى واقعي، استهداف متقدم وتخصيص، وبنية تحتية للهجوم الآلي—حيث يعزز الذكاء الاصطناعي التوليدي…


  • تشكيل حزم قوي للاتصالات المدعومة من RIS: تعلم الميتا القائم على التدرج

    2024 | المؤلف: Fenghao Zhu وآخرون | المجلة: IEEE Transactions on Wireless Communications | المجال: معالجة الإشارات (Signal Processing)

    تناقش هذه الفقرة التحديات والتقدم في أنظمة الاتصالات المدعومة بأسطح ذكية قابلة لإعادة التكوين (RIS)، مع التركيز بشكل خاص على تحسين مصفوفة الترميز المسبق في محطة القاعدة (BS) ومصفوفة تغيير الطور لعناصر RIS في الوقت نفسه. تنشأ الصعوبة الرئيسية من الطبيعة غير المحدبة لمشكلة التحسين وتغير بيئات الاتصال، والتي تكافح الطرق التقليدية للتحسين للتعامل معها…


  • التعلم العميق لتحليل سلسلة زمنية لصور الأقمار الصناعية: مراجعة

    2024 | المؤلف: Lynn Miller وآخرون | المجلة: IEEE Geoscience and Remote Sensing Magazine | المجال: معالجة الإشارات (Signal Processing)

    تقدم هذه القسم نظرة عامة على فعالية تقنيات التعلم العميق المطبقة على سلسلة زمنية من صور الأقمار الصناعية (SITS) لنمذجة متغيرات مراقبة الأرض (EO). يبرز أن طرق التعلم العميق يمكن أن تلتقط بفعالية العلاقات المعقدة بين المتغيرات، متجاوزة تقنيات التعلم الآلي التقليدية والإحصائية. تم استخدام هياكل مختلفة من التعلم العميق، بما في ذلك الشبكات العصبية…


  • TFB: نحو تقييم شامل وعادل لطرق التنبؤ بالسلاسل الزمنية

    2024 | المؤلف: Xiangfei Qiu وآخرون | المجلة: Proceedings of the VLDB Endowment | المجال: معالجة الإشارات (Signal Processing)

    تقدم البحث TFB، وهو معيار آلي لأساليب التنبؤ بالسلاسل الزمنية (TSF)، مصمم لتعزيز المقارنة التجريبية وتقييم تقنيات التنبؤ عبر مجالات متنوعة مثل المرور والطاقة والصحة والاقتصاد. يعالج TFB العيوب الحرجة في المعايير الحالية، بما في ذلك تغطية نطاق البيانات المحدودة، والتحيز ضد أساليب التنبؤ التقليدية، وعدم الاتساق في خطوط تقييم الأداء. من خلال دمج مجموعات…


  • استبيان حول اكتشاف البرمجيات الخبيثة باستخدام التعلم العميق

    2024 | المؤلف: Ahmed Bensaoud وآخرون | المجلة: Machine Learning with Applications | المجال: معالجة الإشارات (Signal Processing)

    تقدم هذه القسم نظرة عامة على التحديات والتقدم في اكتشاف وتصنيف البرمجيات الضارة باستخدام التعلم العميق (DL) عبر أنظمة التشغيل المختلفة، بما في ذلك MacOS وWindows وiOS وAndroid وLinux. يسلط الضوء على تعقيد المهمة، ونقص المعايير القياسية، وضرورة المزيد من البحث لتعزيز دقة الاكتشاف. يؤكد البحث على أهمية الذكاء الاصطناعي القابل للتفسير (XAI) والتعلم الآلي…


  • تحليل مقارن لتصنيف الصوت باستخدام ميزات MFCC وSTFT باستخدام تقنيات التعلم الآلي

    2024 | المؤلف: Mahendra Kumar Gourisaria وآخرون | المجلة: Discover Internet of Things | المجال: معالجة الإشارات (Signal Processing)

    في سياق معالجة المعلومات الصوتية الآلية، تركز هذه الدراسة على تطوير نماذج تصنيف صوتية فعالة باستخدام خوارزميات متقدمة، وبشكل خاص معاملات التردد الميل (MFCCs) وتحويل فورييه قصير الأمد (STFT). تؤكد الدراسة على أهمية هذه النماذج في قطاعات متنوعة، بما في ذلك الأمن، والروبوتات، والتطبيقات التجارية، وخاصة في مهام مثل الكشف عن أصوات الصفارات. الهدف الرئيسي…


←السابق
1 … 3 4 5

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.