تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الكلمات المفتاحية
  3. استنتاج

الأبحاث المرتبطة بالكلمة المفتاحية: استنتاج




  • 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…


  • 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…


  • 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…


  • 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…


  • 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…


  • الأساليب الجينومية لبناء برك التربية النخبوية من السلالات المحلية المتكيفة

    2026 | المؤلف: Safietou Tooli Fall وآخرون | المجلة: Theoretical and Applied Genetics | المجال: علم الوراثة (Genetics)

    تتناول الأبحاث التحديات التي تواجه برامج التربية الناشئة في تحقيق المكاسب الوراثية من خلال عبور الجينات النخبوية المحلية، وخاصة في سياق تربية الحبوب السنغالية. يحدد المؤلفون قضية حاسمة تتعلق بالتجزئة الانتقالية غير المرغوب فيها الناجمة عن التباين الوراثي الخفي في الخطوط النخبوية المفترضة. لمواجهة ذلك، يقترحون إطار عمل منهجي لتطوير برك جينية نخبوية من الجينات…


  • ShadowNet لتعلم الأنظمة الكمية المتمحورة حول البيانات

    2026 | المؤلف: Yuxuan Du وآخرون | المجلة: IEEE Transactions on Pattern Analysis and Machine Intelligence | المجال: الفيزياء الذرية والجزيئية والبصريات (Atomic and Molecular Physics, and Optics)

    في هذا القسم، يتناول المؤلفون التحديات التي تطرحها لعنة الأبعاد في فهم الأنظمة الكمومية الكبيرة ويقترحون نموذج تعلم جديد يركز على البيانات ويجمع بين تقنيات التعلم الإحصائي. يبرزون قيود الطرق الحالية: تواجه الشبكات العصبية متطلبات حسابية كبيرة بسبب قواعد بناء مجموعة البيانات غير المتوافقة، بينما تفشل الظلال الكلاسيكية في الاستفادة من البيانات السابقة بشكل فعال…


  • تعزيز قدرات التنبؤ بالجليد البحري العالمي باستخدام نموذج مناخي متكامل مع التعلم الآلي

    2026 | المؤلف: William K. Gregory وآخرون | المجلة: Science Advances | المجال: علوم الغلاف الجوي (Atmospheric Science)

    تقدم هذه القسم إطار عمل نمذجة هجينة يدمج استنتاج التعلم الآلي (ML) في نموذج المناخ GFDL SPEAR لتصحيح انحيازات الجليد البحري خلال التنبؤات الاستعادية العالمية المتكاملة لمدة عام واحد. تقارن الدراسة بين تكوينين هجينين: Hybrid CPL، الذي يتضمن ردود فعل متكاملة بين الجليد والغلاف الجوي والمحيط، وHybrid IO، الذي لا يتضمن ذلك. تشير النتائج إلى…


  • 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…


←السابق
1 … 9 10 11 12 13 … 18
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.