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




  • التعلم العميق المعتمد على التجميع والتعلم الآلي: التطبيقات والفرص والتحديات والاتجاهات المستقبلية

    2024 | المؤلف: Nitin Liladhar Rane وآخرون | المجلة: Studies in medical and health sciences. | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    لقد ظهرت تقنيات التعلم العميق الجماعي والتعلم الآلي كاستراتيجية محورية لمعالجة التحديات المعقدة في مجالات مثل الرعاية الصحية والمالية والأنظمة المستقلة. لقد أظهرت طرق التجميع، التي تستفيد من نماذج متعددة لتعزيز دقة التنبؤ والموثوقية والعمومية، وعدًا كبيرًا في تحسين دقة التشخيص في التصوير الطبي، وتقدم الكشف عن الاحتيال في الخدمات المالية، وتحسين عمليات اتخاذ القرار…


  • التنبؤ بالذوبانية CO2 في السوائل الأيونية لالتقاط CO2 باستخدام نماذج التعلم العميق

    2024 | المؤلف: Mazhar Ali وآخرون | المجلة: Scientific Reports | المجال: التحفيز (Catalysis)

    تستكشف هذه الدراسة تطبيق نماذج التعلم العميق للتنبؤ بالذوبانية الكربونية (CO₂) في السوائل الأيونية (ILs)، باستخدام مجموعة بيانات شاملة تضم 10,116 قياسًا عبر 164 ILs تحت ظروف درجة حرارة وضغط مختلفة. تم تطوير هيكلين لشبكات عصبية عميقة: شبكة عصبية اصطناعية (ANN) وشبكة الذاكرة الطويلة القصيرة (LSTM). أظهرت كلا النموذجين دقة تنبؤية عالية، مع قيم معامل…


  • توصيات غذائية باستخدام الذكاء الاصطناعي من خلال نموذج توليدي عميق وChatGPT

    2024 | المؤلف: Ilias Papastratis وآخرون | المجلة: Scientific Reports | المجال: نظم المعلومات (Information Systems)

    تقدم هذه الورقة البحثية طريقة جديدة لتوصية التغذية تعتمد على الذكاء الاصطناعي، والتي تدمج الشبكات التوليدية العميقة ونماذج اللغة الكبيرة (LLMs)، وبشكل خاص ChatGPT، لتعزيز النصائح الغذائية الشخصية. تستخدم الطريقة مشفرًا تلقائيًا متغيرًا لنمذجة خصائص المستخدمين بشكل فعال، مثل القياسات الأنثروبومترية والحالات الطبية، ضمن مساحة كامنة وصفية. من خلال استخدام دوال خسارة متطورة تتماشى مع…


  • التعرف على المشاعر الوجهية المعتمدة على الصور باستخدام الشبكة العصبية التلافيفية على مجموعة بيانات

    2024 | المؤلف: Erlangga Satrio Agung وآخرون | المجلة: Scientific Reports | المجال: علم النفس التجريبي والمعرفي (Experimental and Cognitive Psychology)

    تتناول هذه الدراسة التحديات المتعلقة بالتعرف على مشاعر الوجه (FER) من خلال استخدام مجموعة بيانات Emognition، التي تشمل عشرة مشاعر متميزة: المتعة، الدهشة، الحماس، الإعجاب، المفاجأة، الغضب، الاشمئزاز، الخوف، الحزن، والمحايد. تستخدم البحث تقنيات التعلم العميق، وبالتحديد الشبكات العصبية التلافيفية (CNNs)، لتصنيف هذه المشاعر. تم تنفيذ خط أنابيب شامل لمعالجة البيانات لتحويل بيانات الفيديو إلى…


  • التصميم الحسابي لنظائر البروتينات الغشائية القابلة للذوبان والوظيفية

    2024 | المؤلف: Casper A. Goverde وآخرون | المجلة: Nature | المجال: علم الأحياء الجزيئي (Molecular Biology)

    تقدم البحث نهجًا حسابيًا جديدًا يستخدم التعلم العميق، وبالتحديد AF2 seq-MPNN، لتصميم طيات البروتين المعقدة بكفاءة، بما في ذلك التسلسلات غير الطبيعية. يتميز هذا الإطار بمرونته وقابليته للتعميم، مما يلغي الحاجة إلى إعادة تدريب محددة للطيات أو قيود تصميم معقدة. نجح المؤلفون في هندسة عدة طيات بروتين صعبة، محققين معدلات نجاح تجريبية عالية للتصاميم القابلة…


  • زيادة البيانات ومجموعات البيانات غير المتوازنة: دراسة أداء التعلم الآلي وهندسة الميزات

    2024 | المؤلف: Muhammad Mujahid وآخرون | المجلة: Journal Of Big Data | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تتناول الدراسة تحدي عدم توازن الفئات في تعلم الآلة، وخاصة في تطبيقات استخراج النصوص، حيث قد تتفوق فئة واحدة بشكل كبير على أخرى. غالبًا ما يؤدي هذا التوازن إلى الإفراط في ملاءمة النموذج وتدهور الأداء. للتخفيف من هذه المشكلات، تقارن الأبحاث تقنيات زيادة العينات المختلفة، بما في ذلك تقنية زيادة العينات للأقليات الاصطناعية (SMOTE)، وSVM-SMOTE،…


  • LSTM المتبقي والثنائي الاتجاه لاكتشاف نوبات الصرع

    2024 | المؤلف: Wei Zhao وآخرون | المجلة: Frontiers in Computational Neuroscience | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم هذه الدراسة نموذجًا هجينًا جديدًا للتعلم العميق، ResBiLSTM، مصممًا لاكتشاف نوبات الصرع من إشارات تخطيط الدماغ الكهربائي (EEG)، مع معالجة التحديات التي تطرحها التفسيرات اليدوية لهذه الإشارات. يدمج النموذج شبكة عصبية متبقية أحادية البعد (ResNet) لاستخراج الميزات المكانية المحلية من بيانات EEG، والتي تتم معالجتها بعد ذلك بواسطة طبقة الذاكرة طويلة وقصيرة المدى ثنائية…


  • تصنيف أورام الدماغ بشكل موثوق من خلال دمج التعلم العميق ونموذج الانتباه القائم على القنوات

    2024 | المؤلف: Balamurugan A.G وآخرون | المجلة: BMC Medical Imaging | المجال: طب الأعصاب (Neurology)

    تدرس الدراسة تطبيق منهجيات التعلم العميق، وبالتحديد نموذج الانتباه القائم على القناة (CWAM) المدمج مع ResNet101، لتصنيف أورام الدماغ في صور الرنين المغناطيسي. تعتمد العمليات التشخيصية التقليدية غالبًا على خبرة أطباء الأشعة، مما يجعلها تستغرق وقتًا طويلاً وقد تكون أقل دقة. يعزز نموذج ResNet101-CWAM المقترح بشكل كبير أداء التصنيف، محققًا دقة تصل إلى 99.83%، بالإضافة…


  • نهج قائم على التعلم العميق لتقسيم العظام ثلاثي الأبعاد وتوقع منطقة الأسنان المفقودة لتخطيط زراعة الأسنان

    2024 | المؤلف: Mohammed Al-Asali وآخرون | المجلة: Scientific Reports | المجال: جراحة الفم (Oral Surgery)

    تقدم ورقة البحث إطار عمل يستخدم نماذج التعلم العميق U-Net لتقسيم العظام في صور الأشعة المقطعية باستخدام شعاع المخروط (CBCT) للمساعدة في تخطيط زراعة الأسنان. قامت الدراسة بتحليل مجموعة بيانات تتكون من 150 صورة CBCT من مرضى في مستشفى طيبة الجامعي لطب الأسنان (TUDH) تم جمعها بين عامي 2018 و2023. أظهر نموذج U-Net أداءً عاليًا…


  • تطوير نظام للكشف عن عرج الماشية في الوقت الحقيقي باستخدام كاميرا جانبية واحدة

    2024 | المؤلف: Bo Bo Myint وآخرون | المجلة: Scientific Reports | المجال: الحيوانات الصغيرة (Small Animals)

    تبحث هذه الدراسة في تطبيق تقنيات التعلم العميق لاكتشاف العرج في الأبقار الحلوب، باستخدام معالجة الصور المتقدمة وخوارزميات كشف الكائنات، وتحديدًا Mask-RCNN من Detectron2 و YOLOv8. تؤكد الدراسة على أهمية الكشف الدقيق عن الأبقار وتتبعها، مع تخصيص معرفات محلية فريدة لتسهيل المراقبة الفردية خلال تسلسلات الفيديو. تعتبر المناطق المستخرجة من خوارزميات الكشف ضرورية لاستخراج الميزات،…


←السابق
1 … 80 81 82 83 84 … 94
التالي→

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