الأبحاث المرتبطة بالكلمة المفتاحية: التعلم العميق
-
نموذج R-CNN خفيف الوزن التكيفي لتجزئة وتصنيف الحطام تحت الماء نحو إدارة نفايات بحرية مستدامة
2026 | المؤلف: N. Deluxni وآخرون | المجلة: Scientific Reports | المجال: التلوث (Pollution)تقدم البحث إطار عمل Mask R-CNN خفيف الوزن وقابل للتكيف يهدف إلى تعزيز تقسيم الكائنات وتصنيفها في الوقت الحقيقي تحت الماء. يسلط الدراسة الضوء على التحديات التي تطرحها التباين المنخفض والضوضاء في الصور تحت الماء، مما يعقد اكتشاف الحطام. لمعالجة هذه القضايا، يدمج النموذج المقترح وحدة تصحيح الألوان المعتمدة على CNN ويستخدم MobileNetV3 كهيكل خفيف…
-
FineST: التعلم التبايني يدمج علم الأنسجة والترانسكريبتوميات المكانية لتحليل الروابط والمستقبلات بدقة نواة
2026 | المؤلف: Lingyu Li وآخرون | المجلة: Nature Communications | المجال: علم الأحياء الجزيئي (Molecular Biology)تقدم ورقة البحث FineST، وهي مجموعة تحليلية جديدة مصممة لتحديد التفاعلات المهمة بين الليغاند والمستقبلات داخل الميكروبيئة المناعية للورم، وتحديداً في سرطان البلعوم الأنفي (NPC) وسرطان الكبد (HCC). يعزز FineST دقة بيانات النسخ الجزيئي المكاني، مما يسمح بتحليل مفصل للتفاعلات الخلوية على مستوى النواة الواحدة. في عينة NPC المميزة، حسّن FineST الدقة من 100 ميكرومتر…
-
إطار تعلم عميق قابل للتفسير للكشف عن أمراض المحاصيل في الأرز وقصب السكر باستخدام استخراج الميزات القائم على
2026 | المؤلف: Heba El-Behery وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)تقدم القسم المعنون “نظرة عامة” مفهوم نموذج التعلم العميق القابل للتفسير، مع التأكيد على أهميته في تعزيز قابلية تفسير قرارات الشبكات العصبية المعقدة. يبرز المؤلفون ضرورة القابلية للتفسير في الذكاء الاصطناعي، خاصة في التطبيقات الحرجة حيث يكون فهم توقعات النموذج ضروريًا للثقة والمساءلة. في قسم “الاستنتاج وآفاق المستقبل”، يلخص المؤلفون نتائجهم، مشيرين إلى أن النموذج…
-
الهبوط الطارئ المدرك للمخاطر المعتمد على الرؤية للمركبات الجوية في البيئات الحضرية المعقدة
2026 | المؤلف: Julio de la Torre-Vanegas وآخرون | المجلة: Engineering Applications of Artificial Intelligence | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم هذه البحث نهجًا قائمًا على الرؤية وواعٍ بالمخاطر للتحكم في الطائرات بدون طيار (UAVs) يهدف إلى ضمان هبوط آمن في بيئات حضرية معقدة، خاصة أثناء الطوارئ. تستخدم المنهجية تقسيمًا دلاليًا لتوليد خرائط مخاطر على مستوى البكسل، والتي تُستخدم لتحديد مناطق الهبوط الآمنة المستقرة (SLZs) وسط العقبات الديناميكية مثل السيارات والمشاة. يقوم شبكة عصبية عميقة…
-
MAD: معيار الدفاع المناهض للخصوم
2026 | المؤلف: Xin Peng وآخرون | المجلة: Science China Information Sciences | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث معيارًا جديدًا يسمى الدفاع العدائي الميتا (MAD)، والذي يهدف إلى معالجة قيود طرق التدريب العدائي الحالية (AT)، والتي تشمل التكاليف الحسابية العالية، وسوء التعميم، والصراعات بين النماذج الأصلية ونماذج الدفاع. يتكون معيار MAD من مجموعتين كبيرتين تم إنشاؤهما من 30 هجومًا عدائيًا مختلفًا على مجموعات بيانات MNIST و CIFAR-10، بالإضافة إلى بروتوكول…
-
BiasCast: تعلم وضبط التحيزات في الوقت الحقيقي من التوقعات الجوية لتعزيز توقعات الجريان
2026 | المؤلف: Oliver Konold وآخرون | المجلة: Hydrology and earth system sciences | المجال: الهندسة البيئية (Environmental Engineering)تبحث هذه الدراسة في تطبيق نماذج التعلم العميق، وبشكل خاص شبكات الذاكرة طويلة وقصيرة الأمد (LSTM)، في التنبؤ بالفيضانات التشغيلية، مع التركيز على التحديات التي تطرحها الانتقال من بيانات إعادة التحليل عالية الجودة إلى بيانات التنبؤ الجوي ذات الدقة الأقل. تستخدم الدراسة مجموعة بيانات Extended LamaH-CE، التي تشمل 451 حوضًا، لاستكشاف استراتيجيات تدريب مختلفة وهياكل…
-
نموذج قائم على CNN-transformer تم شرحه بواسطة SHAP وأوزان الانتباه متعدد الرؤوس لتوقع السلاسل الزمنية
2026 | المؤلف: Stefano Frizzo Stefenon وآخرون | المجلة: Scientific Reports | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تناقش هذه القسم نقاط القوة في الشبكات العصبية التلافيفية (CNNs) وهياكل المحولات في نمذجة البيانات الزمنية. تُعرف الشبكات العصبية التلافيفية بقدرتها على التقاط الأنماط المحلية وعدم التغير في الترجمة، بينما تتفوق المحولات في نمذجة الاعتمادات بعيدة المدى من خلال آليات الانتباه الذاتي. يقدم البحث هيكلًا هجينًا، CNN-Transformer-SHAP-MHAW، يجمع بين هذين النهجين لتحسين توقعات السلاسل الزمنية…
-
دمج التمثيلات المعتمدة على الهيكل العظمي لتصنيف أوضاع اليوغا بشكل موثوق باستخدام نماذج التعلم العميق
2026 | المؤلف: Mohammed Mohi-Ud-Din وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم ورقة البحث دراسة شاملة حول تصنيف أوضاع اليوغا الآلي، مع تسليط الضوء على أهمية التعرف الدقيق على الأوضاع لمنع الإصابات المرتبطة بالوضعيات غير الصحيحة. يقدم المؤلفون مجموعة بيانات جديدة، “Yoga-16″، التي تعالج قيود مجموعات البيانات الحالية وتقييم منهجي لثلاثة هياكل تعلم عميق—VGG16 و ResNet50 و Xception—باستخدام ثلاثة أوضاع إدخال مختلفة: الصور الخام، وصور هيكل…
-
PepAnno: إطار عمل للتعلم العميق مدرك للبنية لتوقع الببتيدات النشطة حيوياً، والتصور الهيكلي، والتوصيف الفيزيائي الكيميائي
2026 | المؤلف: Enyan Liu وآخرون | المجلة: PLoS Computational Biology | المجال: علم الأحياء الدقيقة (Microbiology)تُعتبر الببتيدات بشكل متزايد عوامل علاجية واعدة نظرًا لأدوارها الفسيولوجية المتنوعة وهياكلها البسيطة. ومع ذلك، تواجه الأدوات الحاسوبية الحالية للتنبؤ بالببتيدات النشطة بيولوجيًا تحديات مثل الواجهات غير البديهية، الاعتماد على بيانات التسلسل فقط، الوعي الهيكلي المحدود، وتجزئة سير العمل، مما يعيق كفاءة البحث ويزيد التكاليف. للتغلب على هذه القيود، يقدم المؤلفون PepAnno، وهو خادم ويب…
-
InsectMorphoAI: إطار تعلم عميق لقياس شكل الحشرات تلقائيًا وتقدير الكتلة الحيوية مع التحقق الحجمي المحدد للنوع
2026 | المؤلف: Hossein Shirali وآخرون | المجلة: Ecological Informatics | المجال: الفيزياء الحيوية (Biophysics)تقدم البحث InsectMorphoAI، وهو إطار عمل مفتوح المصدر مصمم لأتمتة استخراج الخصائص المورفومترية للحشرات من الصور ثنائية الأبعاد القياسية، مما يعالج قيود الطرق اليدوية التقليدية التي تتطلب جهدًا كبيرًا وتكون مدمرة. يتكون الإطار من وحدتين: وحدة صندوق محاط موجه (OBB) لتقدير الطول غير المتغير بالدوران، والتي حققت متوسط خطأ مطلق قدره 0.211 مم في التحقق…
