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

الأبحاث المرتبطة بالكلمة المفتاحية: التعلم العميق




  • Clair3-RNA: مُحدد متغيرات صغيرة قائم على التعلم العميق لبيانات تسلسل RNA طويلة القراءة Clair3-RNA

    2026 | المؤلف: Zhenxian Zheng وآخرون | المجلة: Nature Communications | المجال: علم الأحياء الجزيئي (Molecular Biology)

    تقدم هذه البحث Clair3-RNA، وهو أداة جديدة تعتمد على التعلم العميق مصممة خصيصًا لاستدعاء المتغيرات من بيانات تسلسل RNA طويل القراءة (lrRNA-seq). تعالج هذه الأداة التحديات المرتبطة بمعدلات الخطأ العالية، وتنوع النسخ، وأحداث تحرير RNA في lrRNA-seq من خلال تنفيذ تقنيات متقدمة مثل تطبيع التغطية غير المتساوية، وبيانات التدريب المنقحة، واكتشاف مواقع التحرير، وتحديد الأنماط.…


  • تقسيم أورام الدماغ الموجه بواسطة المعرفة عبر دمج أولويات بصرية-دلالية-طوبولوجية متزامنة

    2026 | المؤلف: Mingda Zhang وآخرون | المجلة: BMC Medical Imaging | المجال: طب الأعصاب (Neurology)

    تقدم هذه الدراسة إطار عمل جديد للدمج متعدد الأنماط يهدف إلى تحسين تقسيم أورام الدماغ من خلال دمج المعلومات المكانية واللغوية والبصرية عبر آليات الانتباه التفاعلي ثنائي الاتجاه. يتكون الإطار من مكونين رئيسيين: محول الدمج الدلالي متعدد الأنماط (MSFA)، الذي يجمع بيانات التصوير بالرنين المغناطيسي ثلاثي الأبعاد مع أوصاف نصية سريرية عبر فك الارتباط الدلالي…


  • الكابيلارية العازلة للتحكم الدقيق في السوائل

    2026 | المؤلف: Anna T. Bui وآخرون | المجلة: Nature Communications | المجال: الهندسة الطبية الحيوية (Biomedical Engineering)

    تسلط الأبحاث الضوء على الدور المهم للحقول الكهربائية المتغيرة مكانيًا (EFGs) في التلاعب بسلوك السوائل القطبية، خاصة في سياقات مثل المواد النانوية المسامية والأغشية البيولوجية. على عكس الحقول الكهربائية الموحدة التي تسبب بشكل أساسي إعادة توجيه الجزيئات، فإن EFGs تحفز قوى الديالكتروليتروفي التي تمكن من التحكم الدقيق في ديناميات السوائل، بما في ذلك الانتقالات الطورية…


  • إعادة بناء سريعة للسكان المتدهورين لنماذج الخلايا العصبية المعتمدة على التوصيل من أوقات النبض

    2026 | المؤلف: Julien Brandoit وآخرون | المجلة: PLoS Computational Biology | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تناقش هذه الفقرة التحديات المتعلقة باستنتاج المعلمات الفيزيائية الحيوية لنماذج تعتمد على التوصيل (CBMs) من بيانات توقيت النبضات في علم الأعصاب الحاسوبي. بينما تُعتبر أوقات النبضات البيانات الأكثر سهولة في الوصول إليها، إلا أنها توفر رؤى محدودة حول التركيبات المحددة لتوصيلات قنوات الأيونات المسؤولة عن النشاط العصبي الملحوظ. تتفاقم هذه المشكلة بسبب الانحلال العصبي، حيث…


  • DeepCausalMMM: إطار تعلم عميق لنمذجة مزيج التسويق مع تعلم الهيكل السببي

    2026 | المؤلف: Aditya Puttaparthi Tirumala | المجلة: The Journal of Open Source Software | المجال: التسويق (Marketing)

    يوفر هذا القسم نظرة عامة على نمذجة مزيج التسويق (MMM) ويقدم DeepCausalMMM كنهج متقدم لمعالجة قيود طرق MMM التقليدية. تفترض النماذج التقليدية، التي تستخدم عادةً الانحدار الخطي أو الأطر الهرمية البايزية، غالبًا استقلالية القنوات وتفشل في التقاط الديناميات الزمنية وتأثيرات التشبع غير الخطية بشكل كافٍ. بالمقابل، يدمج DeepCausalMMM تقنيات التعلم العميق، وبشكل خاص وحدات التكرار…


  • المرآة المعرفية: إطار للميتامعرفة المدعومة بالذكاء الاصطناعي والتعلم الذاتي المنظم

    2026 | المؤلف: Hayato Tomisu وآخرون | المجلة: Frontiers in Education | المجال: نظم المعلومات (Information Systems)

    يقترح البحث تحولًا في دور الذكاء الاصطناعي التوليدي (AI) في التعليم، من نموذج “الذكاء الاصطناعي كأوراكل”، الذي يمكن أن يعيق التعلم الحقيقي من خلال تحميل المعرفة، إلى إطار “المرآة المعرفية”. هذا النموذج الجديد يتصور الذكاء الاصطناعي كمتعلم قابل للتعليم يعكس جودة تفسيرات المتعلم، مما يعزز الانخراط الأعمق مع المادة. تكمن الابتكار في استخدام آليات أمان…


  • التعرف على الشعاع الضعيف بمساعدة التعلم العميق في مجهر الأشعة السينية في المجال المظلم

    2026 | المؤلف: Abderrahmane Benhadjira وآخرون | المجلة: npj Computational Materials | المجال: الإشعاع (Radiation)

    تناقش هذه القسم التحديات المرتبطة بالتوصيف الكمي للعيوب في المواد البلورية، والتي تؤثر بشكل كبير على خصائصها الميكانيكية. بينما توفر المجهر الإلكتروني الناقل (TEM) دقة على مستوى الذرات، فإن تطبيقه محدود على العينات الرقيقة، مما يقيد صلته بأداء المواد الكتلية. على النقيض من ذلك، يسمح المجهر بالأشعة السينية في الحقل المظلم (DFXM) بتصوير ثلاثي الأبعاد…


  • DeepCRI: التنبؤ في الوقت الحقيقي بناءً على تخطيط الدماغ الكهربائي بعد السكتة القلبية

    2026 | المؤلف: Michel J. A. M. van Putten وآخرون | المجلة: Resuscitation | المجال: طب الطوارئ (Emergency Medicine)

    تقدم البحث DeepCRI، وهو نموذج جديد للتعلم العميق مصمم للتنبؤ المبكر بالنتائج العصبية لدى المرضى في حالة غيبوبة بعد توقف القلب. يستخدم النموذج تسجيلات EEG التي تم أخذها بعد 24 ساعة من التوقف من مجموعة من 522 مريضًا، حيث تم تصنيف النتائج بناءً على درجات فئة الأداء الدماغي (CPC). يؤكد الدراسة على أهمية التنبؤ الدقيق…


  • LTR-Net: نهج قائم على التعلم العميق لتوقع البيانات المالية وتقييم المخاطر في المؤسسات

    2026 | المؤلف: Shimiao Liu | المجلة: PLoS ONE | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    يقدم هذا القسم نظرة عامة على LTR-Net، وهو نموذج جديد متعدد الوحدات للتعلم العميق مصمم لتعزيز توقعات البيانات المالية وتقييم المخاطر من خلال إدارة بيانات السلاسل الزمنية والميزات متعددة الأبعاد بشكل فعال. غالبًا ما تفشل النماذج التقليدية في التقاط الاعتماد الزمني الضروري والعلاقات غير الخطية المعقدة، مما يؤدي إلى دقة توقعات دون المستوى الأمثل. يتناول…


  • RMETNet: نموذج تصنيف إشارة تخطيط الدماغ لتخيل الحركة عبر الموضوعات يعتمد على TSLANet وميزات الهندسة الريمانية

    2026 | المؤلف: Zhao Yun وآخرون | المجلة: PLoS ONE | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم هذه الدراسة RMETNet، وهو إطار عمل جديد للشبكات العصبية مصمم لتعزيز فك تشفير تخطيط الدماغ الكهربائي (MI-EEG) الخاص بالصور الحركية لواجهات الدماغ والحاسوب (BCIs)، مع التركيز بشكل خاص على تحدي التباين بين الأفراد. يدمج RMETNet عدة مكونات: TSLANet، الذي يستخدم وحدة التلافيف الزمانية المكانية لتقليل الضوضاء والتقاط الأنماط الزمنية المعقدة، ووحدة ميزات الهندسة الريمانية…


←السابق
1 … 9 10 11 12 13 … 94
التالي→

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