الأبحاث في مجلة: EDRAAK

تطبيق تقنيات التعلم العميق والتعلم الانتقالي في تصنيف الصور الطبية
Application of Deep Learning and Transfer Learning Techniques for Medical Image Classification

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
Deep Learning-Based Time Series Forecasting: A Convolutional Neural Network Approach for Predicting Inflation Trends

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…

الأبحاث في مجلة: EDRAAK

تطبيق تقنيات التعلم العميق والتعلم الانتقالي في تصنيف الصور الطبية Application of Deep Learning and Transfer Learning Techniques for Medical Image Classification

التنبؤ بسلاسل الزمن باستخدام التعلم العميق: نهج الشبكات العصبية التلافيفية للتنبؤ باتجاهات التضخم Deep Learning-Based Time Series Forecasting: A Convolutional Neural Network Approach for Predicting Inflation Trends

تطبيق تقنيات التعلم العميق والتعلم الانتقالي في تصنيف الصور الطبية
Application of Deep Learning and Transfer Learning Techniques for Medical Image Classification

التنبؤ بسلاسل الزمن باستخدام التعلم العميق: نهج الشبكات العصبية التلافيفية للتنبؤ باتجاهات التضخم
Deep Learning-Based Time Series Forecasting: A Convolutional Neural Network Approach for Predicting Inflation Trends