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




  • الكشف عن الأشخاص المتعددين المعتمد على الطائرات بدون طيار عبر نماذج الشبكات العصبية العميقة

    2025 | المؤلف: Mohammed Alshehri وآخرون | المجلة: Frontiers in Neurorobotics | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تقدم ورقة البحث إطار عمل للتعلم العميق مصمم للتعرف على أفعال متعددة الأشخاص في مقاطع الفيديو الملتقطة بواسطة الطائرات بدون طيار (UAVs). تتناول الدراسة تحديات كبيرة مثل تشويش الحركة، والخلفيات الديناميكية، وظروف الإضاءة المتغيرة، التي تعقد مهام التعرف على الأفعال. من خلال دمج تقنيات استخراج الميزات المتقدمة ونماذج الشبكات العصبية، يحقق النظام المقترح دقة تعرف…


  • إطار عمل قابل للتفسير لتصنيف سرطان المعدة باستخدام آليات الانتباه متعددة القنوات ونهج التعلم الانتقالي على صور علم الأمراض

    2025 | المؤلف: Muhammad Zubair وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم ورقة البحث إطار عمل جديد لآلية الانتباه متعددة القنوات (MCAM) مصممة لتعزيز تصنيف صور علم الأمراض السرطانية للمعدة (GC) باستخدام تقنيات التعلم العميق. غالبًا ما تكافح نماذج التعلم العميق التقليدية مع القابلية للتفسير، والتكيف، والحساسية للضوضاء، وهو ما يعالجه إطار العمل المقترح MCAM من خلال التركيز الديناميكي على الميزات ذات الصلة من خلال ثلاث…


  • TRAPT: إطار عمل عميق متعدد المراحل للتعلم المدمج لتوقع المنظمات النسخية استنادًا إلى بيانات الإبيجينوم الواسعة النطاق

    2025 | المؤلف: Guorui Zhang وآخرون | المجلة: Nature Communications | المجال: علم الأحياء الجزيئي (Molecular Biology)

    إن تحديد المنظمين النسخيين التنظيميين (TRs) أمر حاسم لفهم التعبير الجيني في سياق ظهور الأمراض وتقدمها. تقدم هذه الدراسة أداة توقع نشاط المنظم النسخي (TRAPT)، وهي إطار تعلم عميق متعدد الوسائط مصمم لاستنتاج نشاط TR من خلال دمج الإمكانيات التنظيمية لعناصر التنظيم الجيني المستهدفة ومواقع الربط على مستوى الجينوم. تظهر النتائج التجريبية من 570 مجموعة…


  • تشخيص ALL: هل يمكن أن تت coexist الكفاءة والشفافية؟ نهج تعلم عميق قابل للتفسير

    2025 | المؤلف: Dost Muhammad وآخرون | المجلة: Scientific Reports | المجال: تقنية المختبرات الطبية (Medical Laboratory Technology)

    تقدم البحث إطارًا تشخيصيًا جديدًا لسرطان الدم الليمفاوي الحاد (ALL) الذي يدمج بنية EfficientNet-B7 مع تقنيات الذكاء الاصطناعي القابل للتفسير (XAI). يهدف هذا الإطار إلى تعزيز دقة التشخيص مع الحفاظ على الكفاءة الحسابية والشفافية في توقعات النموذج. أظهر النموذج أداءً تشخيصيًا مثيرًا للإعجاب، حيث حقق دقة تزيد عن 96% على مجموعة بيانات مستشفى طالقاني و95.50%…


  • هجين من DSR-GAN وCNN للكشف عن مرض الزهايمر بناءً على صور MRI

    2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم هذه الورقة البحثية شبكة توليد تنافسية عميقة جديدة لتحسين الدقة (DSR-GAN) مدمجة مع شبكة عصبية تلافيفية (CNN) لتصنيف مرض الزهايمر (AD) عبر أربع مراحل: خرف خفيف (MD)، خرف معتدل (MOD)، غير مصاب بالخرف (ND)، وخرف خفيف جداً (VMD). باستخدام مجموعة بيانات تحتوي على 6,400 صورة MRI، تعمل DSR-GAN على تحسين جودة الصورة من خلال…


  • دمج تقنيات التعلم العميق المتقدمة لتحسين الكشف وتصنيف أمراض أوراق وفواكه الحمضيات

    2025 | المؤلف: Archna Goyal وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    في هذه الدراسة، تم تقييم أربعة نماذج متقدمة من التعلم العميق—EfficientNetB0 وResNet50 وDenseNet121 وInceptionV3—لفعاليتها في تصنيف أمراض الحمضيات مع تحسين المعلمات الفائقة. كشفت النتائج أن كل من InceptionV3 وDenseNet121 حققتا أعلى دقة تصنيف، حوالي 99.12%، مع تسجيل InceptionV3 لمتوسط F1-score ماكرو يبلغ حوالي 0.986 ومتوسط F1-score مرجح بالقرب من 0.991، مما يدل على دقة واسترجاع…


  • إطار عمل آمن وفعال للكشف عن التسلل قائم على التعلم العميق لإنترنت المركبات

    2025 | المؤلف: Hasim Ali Khan وآخرون | المجلة: Scientific Reports | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)

    لقد أثار التوسع السريع في شبكات إنترنت المركبات (IoV) تحديات أمنية كبيرة، لا سيما في كشف التسلل بسبب طبيعتها المعقدة والديناميكية. يقدم هذا البحث عدة تدابير أمنية مبتكرة، بما في ذلك تشفير AES-256 للأمان القوي في الوقت الحقيقي، والحساب الآمن متعدد الأطراف (SMPC)، والتشفير المتجانس (HE) لمعالجة البيانات مع الحفاظ على الخصوصية. لتعزيز أداء نظام…


  • نموذج تعلم عميق خفيف الوزن لتصنيف واكتشاف الضغوط البيولوجية المتعددة للنباتات من أجل الزراعة المستدامة

    2025 | المؤلف: Wasswa Shafik وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم هذه الدراسة نموذج تعلم عميق جديد يسمى “AgarwoodNet”، مصمم لمعالجة التحديات التي تطرحها مسببات الأمراض والآفات النباتية التي تؤثر سلبًا على الإنتاجية الزراعية والأمن الغذائي. يعتمد النموذج على مجموعة بيانات جديدة، وهي مجموعة بيانات آفات وأمراض خشب العود (APDD)، التي تتكون من 5,472 صورة لأوراق خشب العود عبر 14 فئة، إلى جانب مجموعة بيانات…


  • تحسين دقة التشخيص لتصنيف أورام الدماغ باستخدام الذكاء الاصطناعي التوليدي وتقنيات التعلم العميق

    2025 | المؤلف: Chem Sokea وآخرون | المجلة: Babylonian Journal of Artificial Intelligence | المجال: طب الأعصاب (Neurology)

    تتناول ورقة البحث التحدي الحاسم في تصنيف أورام الدماغ بدقة من التصوير بالرنين المغناطيسي (MRI) بسبب تعقيد وفروق نوع الأورام الدقيقة. تقترح نموذجًا جديدًا يدمج تقنيات الذكاء الاصطناعي التوليدي (AI)، وتحديدًا الشبكات التنافسية التوليدية (GANs)، مع الشبكات العصبية التلافيفية (CNNs) لتعزيز دقة التشخيص. يتم استخدام مكون GAN لزيادة مجموعة بيانات الصور الطبية المحدودة، مما يعالج…


  • نماذج معالجة اللغة الطبيعية تكشف عن الديناميات العصبية للمحادثة البشرية

    2025 | المؤلف: Jing Cai وآخرون | المجلة: Nature Communications | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    في هذا القسم، يستكشف المؤلفون الآليات العصبية المعنية في إنتاج وفهم الكلام أثناء المحادثة الطبيعية، باستخدام نماذج معالجة اللغة الطبيعية العميقة المدربة مسبقًا جنبًا إلى جنب مع تسجيلات الخلايا العصبية داخل الجمجمة. تكشف أبحاثهم أن الإشارات العصبية المرتبطة بهذه العمليات موزعة على نطاق واسع عبر المناطق الجبهية الصدغية وتختلف عبر عدة نطاقات تردد. ومن الجدير…


←السابق
1 … 36 37 38 39 40 … 74
التالي→

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