تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الكلمات المفتاحية
  3. التعرف على الأنماط (علم النفس)

الأبحاث المرتبطة بالكلمة المفتاحية: التعرف على الأنماط (علم النفس)




  • نظام محرك توقع مخاطر الائتمان القائم على التعلم الآلي باستخدام مصنف مكدس وطريقة اختيار ميزات قائمة على الفلتر

    2024 | المؤلف: Ileberi Emmanuel وآخرون | المجلة: Journal Of Big Data | المجال: المحاسبة (Accounting)

    تتناول ورقة البحث تحسين توقع مخاطر الائتمان من خلال نهج مصنف متراص مبتكر يدمج تقنية اختيار الميزات المعتمدة على الفلتر (FS) المستندة إلى نظرية كسب المعلومات (IG). يستخدم النموذج المقترح عدة مقدرين أساسيين، وتحديداً الغابة العشوائية (RF)، وتعزيز التدرج (GB)، وتعزيز التدرج المتطرف (XGB)، والتي ترتبط تسلسلياً لتحسين الأداء. تم تقييم النموذج بدقة باستخدام مقاييس…


  • التعرف على المشاعر الوجهية من خلال الذكاء الاصطناعي

    2024 | المؤلف: Jesús A. Ballesteros وآخرون | المجلة: Frontiers in Computer Science | المجال: علم النفس التجريبي والمعرفي (Experimental and Cognitive Psychology)

    تقدم هذه الورقة دراسة تركز على تطبيق الذكاء الاصطناعي (AI) وخوارزميات رؤية الكمبيوتر لاكتشاف المشاعر البشرية في المحتوى المرئي أثناء تفاعلات المستخدم مع مختلف المحفزات البصرية. الهدف الأساسي هو تطوير برنامج قادر على اكتشاف المشاعر من خلال استخدام خوارزميات الذكاء الاصطناعي وتقنيات معالجة الصور لتحليل تعبيرات وجه المستخدمين. تتضمن المنهجية تقييم المستخدمين من خلال الصور…


  • تشخيص الأمراض الفموية والوجهية باستخدام التعلم العميق

    2024 | المؤلف: Junegyu Kang وآخرون | المجلة: Scientific Reports | المجال: جراحة الفم (Oral Surgery)

    تقدم البحث DOLNet، وهو شبكة عصبية جديدة مصممة لتصنيف وتحديد مواقع الآفات السنية في الأشعة السينية البانورامية، مع معالجة التحديات مثل التحيزات الموضعية وعدم التوازن في الفئات. يستخدم DOLNet آلية انتباه هرمية تؤثر بشكل متبادل تعمل عبر مقاييس الصور المختلفة، مما يسمح للنموذج بتعلم كل من التمثيلات العالمية للفك والفروق المحلية بين الأنسجة الطبيعية وغير…


  • تحسين التعرف على تعبيرات الوجه في الوقت الحقيقي باستخدام التعلم العميق

    2024 | المؤلف: Hafiz Burhan Ul Haq وآخرون | المجلة: Acadlore Transactions on AI and Machine Learning | المجال: علم النفس التجريبي والمعرفي (Experimental and Cognitive Psychology)

    تتناول هذه الورقة البحثية تطبيق الشبكات العصبية التلافيفية (CNNs) في التعرف على تعبيرات الوجه (FER)، مع التركيز بشكل خاص على تحديد سبعة حالات عاطفية عالمية: المفاجأة، الاشمئزاز، الخوف، السعادة، الحياد، الغضب، والازدراء. تسلط الدراسة الضوء على قيود النماذج الحالية، التي تؤدي بشكل جيد في البيئات المسيطر عليها ولكنها تواجه صعوبات مع مجموعات البيانات غير المسيطر…


  • طريقة تجميع محسنة لشبكات الأعصاب التلافيفية

    2024 | المؤلف: Lei Zhao وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تقدم ورقة البحث طبقة تجميع جديدة، تُسمى T-Max-Avg، مصممة لتعزيز استخراج الميزات في الشبكات العصبية التلافيفية (CNNs). تؤدي طرق التجميع التقليدية، مثل التجميع الأقصى والتجميع المتوسط، غالبًا إلى فقدان المعلومات على الرغم من كفاءتها في تقليل الأبعاد المكانية. تُدخل طبقة التجميع T-Max-Avg معلمة عتبة $T$ التي تسمح باختيار أعلى $K$ بكسلات متفاعلة، مما يمكّن من…


  • NeuroNet19: نموذج شبكة عصبية عميقة قابلة للتفسير لتصنيف أورام الدماغ باستخدام بيانات التصوير بالرنين المغناطيسي

    2024 | المؤلف: Rezuana Haque وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث NeuroNet19، وهي بنية شبكة عصبية عميقة مصممة لاكتشاف وتصنيف أورام الدماغ (BTs). من خلال الاستفادة من VGG19 كعمود فقري لها، تتضمن NeuroNet19 وحدة تجميع الهرم المقلوب (iPPM) لالتقاط خرائط الميزات متعددة المقاييس بفعالية، مما يعزز قدرة النموذج على استخراج كل من السياقات المحلية والعالمية للصورة بغض النظر عن حجم الورم أو موقعه.…


  • Deep-STP: نهج قائم على التعلم العميق للتنبؤ ببروتينات سم الأفعى باستخدام تمثيلات الكلمات

    2024 | المؤلف: Hasan Zulfiqar وآخرون | المجلة: Frontiers in Medicine | المجال: علم الوراثة (Genetics)

    تستكشف الأبحاث إمكانيات بروتينات سم الأفعى، المعروفة بتأثيراتها السامة على الأنظمة الدموية والعصبية، في تطوير علاجات دوائية للأمراض ذات الصلة. تعتبر الطرق البيوكيميائية التقليدية لتحديد هذه البروتينات مكلفة وتستغرق وقتًا طويلاً؛ وبالتالي، يقدم البحث نهجًا حسابيًا قائمًا على التسلسل يستفيد من الذكاء الاصطناعي للفرز على نطاق واسع. استخدم المؤلفون ثلاثة موصوفات ميزات—g-gap، المتجه الطبيعي (NV)،…


  • ERTNet: إطار عمل قابل للتفسير قائم على المحولات للتعرف على مشاعر EEG

    2024 | المؤلف: Ruixiang Liu وآخرون | المجلة: Frontiers in Neuroscience | المجال: علم النفس التجريبي والمعرفي (Experimental and Cognitive Psychology)

    تقدم البحث إطارًا مبتكرًا للتعرف على المشاعر باستخدام إشارات EEG، معالجًا قيود الطرق التقليدية من خلال بنية هجينة تجمع بين الشبكات العصبية التلافيفية (CNN) والمحولات. يتيح هذا النهج عزل الميزات المهمة من بيانات EEG مع تقليل الضوضاء عالية التردد، مما يعزز قابلية تفسير نماذج التعلم العميق. حقق الإطار معدلات دقة ملحوظة بلغت 74.23% ± 2.59%…


  • نموذج محسّن لتصنيف إشارات EEG قائم على GBSO-TAENN لاكتشاف نوبات الصرع

    2024 | المؤلف: M. V. V. Prasad Kantipudi وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم ورقة البحث نظامًا آليًا جديدًا لاكتشاف وتصنيف النوبات الصرعية من إشارات EEG، مع معالجة قيود الطرق الحالية التي غالبًا ما تعاني من تعقيد عالٍ ودقة منخفضة. يستخدم النظام المقترح تقنية تصفية تعتمد على الموجات الهاير الخطية المحدودة (FLHF) لمعالجة الإشارات، تليها استخراج الميزات باستخدام تحليل الأبعاد الكسرية (FD). يتم استخدام طريقة تحسين السرب المستوحاة…


  • شبكات عصبية كابسول محسّنة لتصنيف أمراض أوراق الطماطم

    2024 | المؤلف: Lobna M. Abouelmagd وآخرون | المجلة: EURASIP Journal on Image and Video Processing | المجال: علوم النبات (Plant Science)

    تقدم ورقة البحث نهجًا جديدًا لاكتشاف وتصنيف أمراض أوراق الطماطم باستخدام شبكة عصبية كبسولية محسّنة (CapsNet). غالبًا ما تكافح الشبكات العصبية التلافيفية التقليدية (CNNs) في التقاط العلاقات المكانية في الصور، وهو أمر حاسم لتحديد الخصائص المحددة لأمراض الأوراق. تستفيد منهجية CapsNet المقترحة من تقنيات تعزيز البيانات والمعالجة المسبقة لتحسين التدريب، محققة دقة مثيرة للإعجاب تبلغ…


←السابق
1 … 27 28 29 30
التالي→

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