الأبحاث في مجلة: Frontiers in Big Data
-
نماذج التعلم العميق الهجينة لاكتشاف الأخبار المزيفة: دراسة حالة على اللغتين العربية والإنجليزية
2026 | المؤلف: Baqer M. Merzah وآخرون | المجلة: Frontiers in Big Data | المجال: علم الاجتماع والعلوم السياسية (Sociology and Political Science)تتناول ورقة البحث القضية الملحة لاكتشاف الأخبار المزيفة (FND) باللغتين العربية والإنجليزية، مع تسليط الضوء على التحديات التي تطرحها الانتشار السريع للمعلومات المضللة في البيئات عبر الإنترنت. يقترح المؤلفون نموذج تعلم عميق جديد يجمع بين شبكة عصبية تلافيفية متعددة القنوات (CNN) مع شبكتين ثنائيتين من الذاكرة طويلة وقصيرة المدى (BiLSTM). تلتقط هذه البنية بفعالية كل…
-
تطبيق الذكاء الاصطناعي في علم الخلايا العنقية: مراجعة منهجية لنماذج التعلم العميق، ومجموعات البيانات، والمقاييس المبلغ عنها
2026 | المؤلف: Miguel Angel Valles-Coral وآخرون | المجلة: Frontiers in Big Data | المجال: الذكاء الاصطناعي (Artificial Intelligence)تستكشف هذه المراجعة المنهجية تطبيق الذكاء الاصطناعي (AI)، وبالتحديد نماذج التعلم العميق، في علم الخلايا العنقية للكشف المبكر عن الآفات السابقة للسرطان. من خلال تحليل 77 مقالة تمت مراجعتها من قبل الأقران نُشرت بين عامي 2022 و2025، تحدد المراجعة هيمنة الهياكل الهجينة، وخاصة تلك التي تدمج الشبكات العصبية التلافيفية (CNNs) مع آليات الانتباه أو نماذج…
-
التنبؤ وتصنيف مخاطر السمنة بناءً على نهج تعلم آلي هجين ميتاheuristic
2024 | المؤلف: Zarindokht Helforoush وآخرون | المجلة: Frontiers in Big Data | المجال: إدارة المعلومات الصحية (Health Information Management)تبحث ورقة البحث في تطبيق تقنيات التعلم الآلي لتعزيز توقع مخاطر السمنة، مع معالجة قيود نماذج الانحدار التقليدية التي تكافح لمراعاة التفاعلات المعقدة بين العوامل الوراثية والبيئية والسلوكية. تقدم الدراسة نموذجًا هجينًا جديدًا يجمع بين الشبكات العصبية الاصطناعية (ANN) وتحسين سرب الجسيمات (PSO)، والذي، بعد معالجة البيانات بشكل شامل، حقق معدل دقة مثير للإعجاب يبلغ…
-
نهج جديد لتصنيف الأخبار المزيفة باستخدام نماذج التعلم العميق المعتمدة على LSTM
2024 | المؤلف: Halyna Padalko وآخرون | المجلة: Frontiers in Big Data | المجال: علم الاجتماع والعلوم السياسية (Sociology and Political Science)تتناول الدراسة التحدي الحاسم في كشف الأخبار المزيفة في العصر الرقمي، حيث تعقد الانتشار السريع للمعلومات التمييز بين السرديات الأصلية والمزيفة. تركز على تطوير نماذج تعلم عميق متقدمة، وبالتحديد هياكل Bi-LSTM وهياكل Bi-LSTM المعتمدة على الانتباه، لتعزيز دقة تصنيف الأخبار المزيفة. تم تقييم النماذج بدقة باستخدام مقاييس مثل الاسترجاع، الدقة، F1-Score، الدقة، والخسارة، مما يظهر…