الأبحاث في مجلة: Machine Learning and Knowledge Extraction
-
إزالة الضوضاء القائمة على الانتشار واستخدام NNMF لتصنيف أورام الدماغ بشكل قوي Diffusion-Based Feature Denoising and Using NNMF for Robust Brain Tumor Classification
2026 | المؤلف: Hiba Adil Al-kharsan وآخرون | المجلة: Machine Learning and Knowledge Extraction | المجال: طب الأعصاب (Neurology)تقدم البحث إطار عمل قوي لتصنيف أورام الدماغ باستخدام التصوير بالرنين المغناطيسي (MRI)، مع معالجة القضية الحرجة للت perturbations العدائية في نماذج التعلم العميق. يدمج الأسلوب المقترح تحليل المصفوفات غير السلبية (NNMF) لاستخراج الميزات، والشبكات العصبية التلافيفية الخفيفة (CNNs) للتصنيف، وتقنية تنقية الميزات المعتمدة على الانتشار لتعزيز القوة. في البداية، يتم معالجة صور MRI إلى…
-
حدود التعميم للتنبؤ الاقتصادي بدون عينة باستخدام نماذج أساسية لسلاسل الزمن Generalisation Bounds of Zero-Shot Economic Forecasting Using Time Series Foundation Models
2026 | المؤلف: Jittarin Jetwiriyanon وآخرون | المجلة: Machine Learning and Knowledge Extraction | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تستكشف هذه الدراسة قدرات التنبؤ بدون تدريب لنماذج أساسيات السلاسل الزمنية (TSFMs) لمؤشرات الاقتصاد الكلي، مع التركيز بشكل خاص على أدائها في التنبؤ بالمؤشرات الاقتصادية دون الحاجة إلى مجموعات بيانات تدريب واسعة أو نماذج اقتصادية مصممة خصيصًا. شملت الأبحاث مجموعة بيانات دراسة حالة وتم اختبار ثلاثة نماذج متقدمة من TSFMs – Chronos وTimeGPT وMoirai -…
-
عرض خطوط أنابيب البيانات إلى المعرفة لربط مواقع الإنتاج في المختبر العالمي
2026 | المؤلف: Leon Gorißen وآخرون | المجلة: Machine Learning and Knowledge Extraction | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم الورقة إطارًا للتحول الرقمي للإنتاج من خلال تنفيذ خطوط أنابيب البيانات إلى المعرفة (D2K) والمعرفة إلى البيانات (K2D)، مستفيدة من مفهوم الظلال الرقمية لتعزيز التوائم الرقمية. يسهل هذا النهج دمج وتوضيح البيانات المسارية من روبوتات مختلفة عبر منظمات مختلفة في بحيرة بيانات. كما يمكّن الاستعلام الديناميكي عن هذه البيانات لتدريب نموذج أساس الديناميات العكسية…
-
تصور التحقق المتقاطع: دليل سردي للطرق المتقدمة
2024 | المؤلف: Johannes Allgaier وآخرون | المجلة: Machine Learning and Knowledge Extraction | المجال: الذكاء الاصطناعي (Artificial Intelligence)تستكشف هذه الدراسة المشهد المعقد لتقنيات التحقق المتبادل (CV) المستخدمة في تعلم الآلة لتقييم واختيار النماذج. تسلط الضوء على الصعوبات التي يواجهها الممارسون في اختيار الطريقة الأكثر ملاءمة من مجموعة واسعة من الخيارات. لمعالجة ذلك، تهدف الورقة إلى توحيد المصطلحات الرئيسية المتعلقة بالتحقق المتبادل، مثل المجموعات، والمجموعات الفرعية، والطيات، والعينات، مع تقديم نظرة شاملة على…