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




  • تحسين إنتاج المحاصيل باستخدام إطار تعلم عميق زراعي في الزراعة الدقيقة

    2024 | المؤلف: J. Logeshwaran وآخرون | المجلة: BMC Bioinformatics | المجال: علوم النبات (Plant Science)

    تقدم ورقة البحث إطار التعلم العميق الزراعي (ADLF)، المصمم لتعزيز الزراعة الدقيقة من خلال استخدام تقنيات التعلم العميق لتحليل مجموعات بيانات واسعة تتعلق بعوامل نمو المحاصيل مثل رطوبة التربة ودرجة الحرارة والرطوبة. يهدف الإطار إلى تحسين عمليات اتخاذ القرار، وتسهيل الكشف المبكر عن مشكلات المحاصيل، وزيادة الإنتاجية الزراعية في النهاية. تشير الدراسة إلى أن ADLF…


  • تطور الورم وتفاعلات البيئة الدقيقة في الفضاء ثنائي وثلاثي الأبعاد

    2024 | المؤلف: Chia-Kuei Mo وآخرون | المجلة: Nature | المجال: النمذجة والمحاكاة (Modeling and Simulation)

    في هذا القسم، يوضح المؤلفون الطرق التجريبية والتحليلية المستخدمة في دراستهم. تم إجراء تحليلات البيانات باستخدام R و Python، مع تقييم الأهمية من خلال اختبارات إحصائية متنوعة، بما في ذلك اختبار ويلكوكسون للاختلافات المرتبة واختبار ارتباط بيرسون، مع عتبة $p < 0.05$ للدلالة. شمل معالجة بيانات تسلسل الإكسوم الكامل (WES) معالجة مسبقة لملفات FASTQ باستخدام…


  • تعزيز التعلم الفيدرالي لنموذج MLP–LSTM في خط أنابيب تعلم عميق متكامل لتوقع سوق الأسهم

    2024 | المؤلف: Jayaraman Kumarappan وآخرون | المجلة: International Journal of Computational Intelligence Systems | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تقدم هذه الدراسة نموذج التعلم الفيدرالي المعزز متعدد الطبقات (Fed-MLP-LSTM)، والذي يهدف إلى تحسين دقة توقعات سوق الأسهم من خلال الاستفادة من نقاط القوة في الشبكات العصبية متعددة الطبقات (MLP) لاستخراج الميزات وشبكات الذاكرة طويلة وقصيرة الأجل (LSTM) لنمذجة البيانات الزمنية. باستخدام مؤشر CAC40 للأسهم كدراسة حالة، يتضمن النموذج تقنيات المعالجة المسبقة مثل الاستيفاء الخطي…


  • الكشف عن الآفات المحيطية في الأشعة السينية المحيطية باستخدام أحدث شبكة عصبية تلافيفية ConvNeXt ونماذجها المتكاملة

    2024 | المؤلف: J Z Liu وآخرون | المجلة: Scientific Reports | المجال: جراحة الفم (Oral Surgery)

    تقدم هذه الدراسة YoCNET، وهو نموذج مبتكر مدمج للتعلم العميق يجمع بين Yolov5 و ConvNeXt، مصمم لتعزيز تحديد أهداف الآفات المتعددة في الأشعة السينية المحيطية. من خلال الاستفادة من قدرات Yolov5 في الكشف عن الأهداف جنبًا إلى جنب مع نقاط قوة ConvNeXt في تصنيف الصور، يسهل YoCNET تقسيم الأسنان الفردية تلقائيًا والكشف المتزامن عن الآفات…


  • أتمتة تشخيص السرطان باستخدام تقنيات التعلم العميق المتقدمة لتصنيف صور متعددة للسرطان

    2024 | المؤلف: Yogesh Kumar وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تتناول ورقة البحث التحدي الحاسم في الكشف عن السرطان، الذي لا يزال السبب الرئيسي للوفيات العالمية. غالبًا ما تتضمن الطرق التقليدية إجراءات جراحية وغالبًا ما تستغرق وقتًا طويلاً في التحليل، مما يبرز الحاجة إلى حلول أكثر كفاءة ودقة. تستفيد هذه الدراسة من الكشف الآلي عن السرطان من خلال تقنيات تعتمد على الذكاء الاصطناعي، حيث تستخدم…


  • AnEEG: استغلال التعلم العميق لإزالة الفنون بشكل فعال من بيانات EEG

    2024 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم البحث “AnEEG”، وهو نموذج جديد للتعلم العميق مصمم لتحسين جودة إشارات تخطيط الدماغ الكهربائي (EEG) من خلال إزالة مختلف العوامل المعيقة مثل ومضات العين، ونشاط العضلات، والضوضاء البيئية بشكل فعال. باستخدام شبكة خصومة توليدية (GAN) مدمجة مع طبقات الذاكرة طويلة وقصيرة الأجل (LSTM)، يظهر AnEEG أداءً متفوقًا مقارنةً بتقنيات تحليل الموجات التقليدية. تكشف التقييمات…


  • تحسين الكشف عن داء السكري باستخدام نهج جديد لهندسة الميزات المجمعة ونموذج التعلم الآلي

    2024 | المؤلف: Furqan Rustam وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تتناول ورقة البحث القضية الحرجة لاكتشاف مرض السكري، مع التأكيد على أهمية التشخيص في الوقت المناسب لمنع المضاعفات التي تؤثر على الأعضاء الحيوية. تحدد القيود في الأساليب الحالية للتعلم الآلي (ML)، مثل الاعتماد على مجموعات بيانات محدودة ومشاكل في القابلية للتعميم والدقة. للتغلب على هذه التحديات، تقدم الدراسة طريقة جديدة لاستخراج الميزات تجمع بين الشبكات…


  • مجموعة بيانات صور عالية الدقة بالذكاء الاصطناعي لتشخيص التليف تحت المخاطي الفموي وسرطان الخلايا الحرشفية

    2024 | المؤلف: Nisha Chaudhary وآخرون | المجلة: Scientific Data | المجال: أمراض اللثة (Periodontics)

    تقدم هذه القسم نظرة عامة على التحديات المرتبطة بالتشخيص النسيجي المرضي لسرطان الفم، مع تسليط الضوء على الصعوبات التي يسببها نقص الأطباء المتخصصين وتباين التفسيرات التشخيصية. لمواجهة هذه التحديات، يقدم المؤلفون قاعدة بيانات ORCHID (قاعدة بيانات صور نسيج سرطان الفم)، وهي مجموعة بيانات متخصصة مصممة لتسهيل تطوير نماذج الذكاء الاصطناعي (AI) للتشخيص السريع لسرطان الفم…


  • تشخيص أمراض القلب الذكية باستخدام شبكة عصبية معززة بالتعلم العميق مع تحسين مستعمرة النمل

    2024 | المؤلف: Biao Xia وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تقدم البحث نموذج تشخيص أمراض القلب والأوعية الدموية الذكي القائم على تحسين مستعمرة النمل مع التعلم العميق المعزز (ICVD-ACOEDL)، المصمم لتحسين تشخيص أمراض القلب والأوعية الدموية (CVD) من خلال تقنيات التعلم الآلي المتقدمة. نظرًا للتحديات التي تطرحها تعقيدات مجموعات بيانات الرعاية الصحية وضرورة التشخيص المبكر والدقيق بسبب الزيادة المتزايدة في انتشار أمراض القلب والأوعية الدموية،…


  • التقدم في التعلم الآلي والتعلم العميق للتشخيص المبكر لأمراض الكلى المزمنة: مراجعة شاملة

    2024 | المؤلف: Akeel Sh. Mahmoud وآخرون | المجلة: Babylonian Journal of Machine Learning | المجال: إدارة المعلومات الصحية (Health Information Management)

    تسلط الأبحاث المراجعة الضوء على الإمكانات الكبيرة لتقنيات التعلم الآلي (ML) والتعلم العميق (DL) في التشخيص المبكر لمرض الكلى المزمن (CKD)، وهو حالة غالبًا ما تظل بدون أعراض حتى المراحل المتقدمة. يناقش البحث خوارزميات ML المختلفة، بما في ذلك آلات الدعم الشعاعي (SVM) والغابات العشوائية (RF)، التي أظهرت دقة متفوقة في التنبؤ بنتائج CKD مقارنة…


←السابق
1 … 55 56 57 58 59 … 74
التالي→

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