الأبحاث المرتبطة بالكلمة المفتاحية: استنتاج
-
تقدير التأثير السببي الدقيق لموارد التعلم عبر الشبكات العصبية الرسومية الديناميكية غير المتجانسة
2026 | المؤلف: Yuan Ren وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم البحث الشبكة العصبية الرسومية غير المتجانسة الديناميكية (DCHGNN)، وهي إطار مبتكر مصمم لتقييم التأثيرات السببية لموارد التعلم في التعليم عبر الإنترنت. تتناول DCHGNN تعقيدات تفاعلات الطلاب مع الموارد من خلال نمذجة هذه العلاقات عبر الرسوم البيانية غير المتجانسة الديناميكية. تستخدم التعلم المتقدم لتمثيل الرسوم البيانية مع تقدير مزدوج قوي لتقدير تأثير العلاج المتوسط (ATE)…
-
التعليم البايزي يمكّن التفكير الاحتمالي في نماذج اللغة الكبيرة
2026 | المؤلف: Linlu Qiu وآخرون | المجلة: Nature Communications | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا القسم، يناقش المؤلفون دور نماذج اللغة الكبيرة (LLMs) كعملاء تفاعليين يجب عليهم تطوير تمثيلات للعالم ومعتقدات احتمالية لتعمل بشكل فعال. يؤكدون على أهمية الاستدلال بايزي في تمكين العملاء من تحديث معتقداتهم بشكل مثالي بناءً على معلومات جديدة، خاصة في سياقات مثل التوصيات الشخصية حيث يجب استنتاج تفضيلات المستخدم من السلوك على مر الزمن.…
-
خوارزمية كشف الكائنات خفيفة الوزن للكشف عن أضرار الثوم
2026 | المؤلف: Yun Gao وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)تقدم هذه البحث Garlic-YOLO-DD، وهو خوارزمية خفيفة الوزن للكشف عن الأجسام ذات المرحلة الواحدة مصممة لاكتشاف أضرار الثوم في البيئات ذات الموارد المحدودة. بناءً على إطار عمل YOLOv11n، تعالج النموذج التعقيد الحسابي العالي والبارامترات المفرطة من خلال دمج وحدة ADown لخفض العينة، والتي تقلل بشكل كبير من عدد البارامترات والحمل الحسابي. بالإضافة إلى ذلك، يعزز…
-
تشخيص الأمراض في النباتات في الوقت الحقيقي باستخدام الذكاء الاصطناعي المعتمد على الشبكات العصبية العميقة
2026 | المؤلف: D. Devarajan وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم البحث إطار عمل تشخيص أمراض النباتات باستخدام التعلم العميق (PDD-DL)، الذي يستفيد من الشبكات العصبية التلافيفية (CNNs) لتسهيل التشخيص الفوري لأمراض النباتات. الطرق التقليدية للتشخيص، المعتمدة على الفحص البشري والتقنيات المخبرية، بطيئة، عرضة للأخطاء، وغير مناسبة للتطبيقات الزراعية على نطاق واسع. بالمقابل، يظهر إطار عمل PDD-DL تحسنًا كبيرًا في دقة التشخيص، حيث يحقق دقة…
-
MMSpa هي أداة تعتمد على التعلم العميق تعزز تحديد المجالات المكانية في دراسات النسخ الجيني المكاني
2026 | المؤلف: Yi Liu وآخرون | المجلة: PLoS Biology | المجال: علم الأحياء الجزيئي (Molecular Biology)يقدم هذا القسم نظرة عامة على MMSpa، وهو إطار عمل جديد لتشفير الانتباه الرسومي المقنع مصمم لتعزيز تحديد المجال المكاني في النسخ الجيني المكاني (ST). من خلال معالجة تحديات التداخل بين المجالات والحاجة إلى حدود واضحة للمجالات، يستخدم MMSpa استراتيجية إزالة الحواف لبناء رسم بياني مكاني محسّن. تسهل هذه الطريقة استخراج المعلومات المتعلقة بالمجالات من…
-
إطار عمل التعلم العميق القائم على YOLO لمراقبة صحة النباتات متعددة الفئات في الوقت الحقيقي في الزراعة الدقيقة
2026 | المؤلف: Anurag Rana وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم البحث نهجًا قويًا للكشف عن صحة أوراق النباتات باستخدام أطر كشف الكائنات YOLOv8 و YOLOv11. من خلال استخدام نماذج مسبقة التدريب تم تعزيزها من خلال التعلم الانتقالي والتخصيص الدقيق الخاص بالمجال، حققت الدراسة متوسط دقة (mAP) يتجاوز 92% على مجموعة بيانات التحقق. أدى تنفيذ تقنيات تعزيز البيانات المتقدمة إلى تعزيز مرونة النماذج بشكل كبير…
-
استدلال كامل الحجم بكفاءة في الذاكرة للتنبؤ الكثيف ثلاثي الأبعاد على نطاق واسع دون تدهور في الأداء
2026 | المؤلف: Jintao Li وآخرون | المجلة: Communications Engineering | المجال: الجيوفيزياء (Geophysics)تقدم البحث إطار عمل جديد لتحسين الاستدلال لتنبؤات ثلاثية الأبعاد الكثيفة ذات الحجم الكبير، حيث يتناول التحديات التي تواجه نماذج التعلم العميق الحالية في معالجة المدخلات الحجمية الكاملة بسبب قيود الذاكرة وعدم الكفاءة. غالبًا ما تؤدي الطرق التقليدية، مثل تقسيم الصورة أو الضغط، إلى ظهور عيوب وتتطلب إعادة تدريب، وهو ما يتجنبه هذا الإطار. من…
-
RetroInfer: محرك تخزين متجهات لاستنتاج LLM طويل السياق القابل للتوسع
2026 | المؤلف: Yaoqi Chen وآخرون | المجلة: Proceedings of the VLDB Endowment | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا القسم، يتناول المؤلفون التحديات التي تواجه نماذج اللغة الكبيرة (LLMs) مع توسيع نوافذ السياق الخاصة بها، وخاصة القيود في سرعة الاستدلال بسبب زيادة متطلبات ذاكرة GPU وعرض النطاق الترددي. ينمو ذاكرة المفتاح والقيمة (KV) التي تخزن تمثيلات الرموز بشكل خطي مع طول السياق وتتطلب مسحًا خطيًا تكراريًا لحساب الانتباه. لتعزيز استدلال السياق الطويل،…
-
تقدير وضع الإنسان ثلاثي الأبعاد القائم على الانتشار بكفاءة مع تقليم زمني هرمي
2026 | المؤلف: Yuquan Bi وآخرون | المجلة: IEEE Transactions on Circuits and Systems for Video Technology | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)في هذا البحث، يقدم المؤلفون إطار عمل جديد قائم على الانتشار لتقدير وضع الإنسان ثلاثي الأبعاد الذي يعالج التكاليف الحسابية العالية المرتبطة بالطرق التقليدية. الاستراتيجية المقترحة للتقليم الزمني الهرمي (HTP) تقلل بشكل فعال من التكرار من خلال تقليم رموز الوضع ديناميكيًا على كل من مستوى الإطار والمستوى الدلالي، مما يحافظ على ديناميات الحركة الأساسية. يعمل…
-
مبدأ التمثيلية وتداعياته على الإحصاء وعلوم البيانات
2026 | المؤلف: Yiran Jiang وآخرون | المجلة: Journal of Data Science | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم الورقة مبدأً جديدًا للتماثل في علم البيانات، مع التركيز على تحويل الأدلة التجريبية إلى معرفة من خلال إجراءات استنتاجية واضحة وتقدير عدم اليقين. يفترض هذا المبدأ أنه إذا كانت البيانات الملاحظة غير نمطية بشكل كبير بالنسبة لنظرية مقترحة، فإن النظرية تعتبر غير مبررة. يقترح المؤلفون استراتيجية تنظيمية قائمة على التماثل لتقدير المعلمات التي تعطي…