الأبحاث في مجلة: EDRAAK
-
تعزيز سلسلة زمنية للنمو الاقتصادي لتوقعات الإمارات باستخدام التعلم العميق: نهج Seq2Seq وLSTM المدفوع بالانتباه
2025 | المؤلف: Ioannis Adamopoulos وآخرون | المجلة: EDRAAK | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تعمل هذه الدراسة على تعزيز توقعات النمو الاقتصادي في دولة الإمارات العربية المتحدة (الإمارات) من خلال استخدام نموذج Seq2Seq للتعلم العميق مع شبكة الذاكرة طويلة وقصيرة المدى (LSTM) المدفوعة بالاهتمام. غالبًا ما تفشل النماذج الإحصائية التقليدية في التقاط الاعتماديات الزمنية المعقدة والاتجاهات غير الخطية الموجودة في بيانات السلاسل الزمنية الاقتصادية. تستخدم الدراسة منهجية منظمة، تبدأ…
-
تطبيق تقنيات التعلم العميق والتعلم الانتقالي في تصنيف الصور الطبية
2025 | المؤلف: Tam Sakirin وآخرون | المجلة: EDRAAK | المجال: طب الأعصاب (Neurology)تستكشف هذه الورقة البحثية تأثير التعلم العميق (DL) والتعلم الانتقالي (TL) على الذكاء الاصطناعي، مع التركيز بشكل خاص على تصنيف الصور الطبية. تؤكد الدراسة على قدرة نماذج DL، وخاصة الشبكات العصبية التلافيفية (CNNs) مثل ResNet50 و VGG16، على تحقيق دقة أعلى في التمييز بين COVID-19، والالتهاب الرئوي الفيروسي، وحالات الرئة الطبيعية مقارنةً بأساليب التعلم الآلي…
-
التنبؤ بسلاسل الزمن باستخدام التعلم العميق: نهج الشبكات العصبية التلافيفية للتنبؤ باتجاهات التضخم
2025 | المؤلف: Mostafa Abotaleb وآخرون | المجلة: EDRAAK | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تستكشف هذه الدراسة استخدام الشبكات العصبية التلافيفية (CNNs) للتنبؤ باتجاهات التضخم في مصر، مع معالجة قيود النماذج الاقتصادية التقليدية مثل ARIMA و VAR في التقاط الاعتماديات الزمنية المعقدة وغير الخطية في بيانات السلاسل الزمنية الاقتصادية. باستخدام بيانات التضخم التاريخية من 1960 إلى 2023، تم تطوير نموذج CNN من خلال منهجية تضمنت معالجة البيانات، واستخراج الميزات…