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

الأبحاث المرتبطة بالكلمة المفتاحية: الذكاء الاصطناعي




  • AttGRU-HMSI: تعزيز تشخيص أمراض القلب باستخدام نهج التعلم العميق الهجين

    2024 | المؤلف: G. M. Narasimha Rao وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تتناول ورقة البحث القضية الحرجة لمرض القلب، وهو سبب رئيسي للوفيات على مستوى العالم، مع التأكيد على أهمية الكشف المبكر لتحسين نتائج المرضى. تقترح خوارزمية تعلم عميق هجينة مصممة لاكتشاف مرض القلب ضمن أطر البيانات الكبيرة، باستخدام Apache Hadoop بشكل خاص. تبدأ المنهجية بتقنية تحسين التجميع k-means (IKC) لإزالة القيم الشاذة من مجموعة بيانات طبية…


  • مقارنة استراتيجيات الضبط الدقيق لتعلم النقل في تصنيف الصور الطبية

    2024 | المؤلف: Ana Davila وآخرون | المجلة: Image and Vision Computing | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تتناول هذه الدراسة تحدي تكييف النماذج المدربة مسبقًا لسياقات التصوير الطبي المتخصصة، مع تسليط الضوء على قيود تطبيق النماذج المتقدمة مباشرة على بيانات طبية متنوعة. تقيم الدراسة ثماني استراتيجيات للتعديل الدقيق، بما في ذلك التقنيات القياسية والأساليب المبتكرة مثل تحرير الطبقات تدريجيًا ومعدلات التعلم التكيفية، عبر ثلاث بنى معروفة لشبكات الأعصاب التلافيفية (CNN) – ResNet-50…


  • التقدم من سرطان القنوات اللبنية في موضعه إلى سرطان الثدي الغازي: الميزات الجزيئية والأهمية السريرية

    2024 | المؤلف: Jing Wang وآخرون | المجلة: Signal Transduction and Targeted Therapy | المجال: علم الأورام (Oncology)

    سرطان القنوات اللبنية في موضعه (DCIS) هو شكل غير غازي من سرطان الثدي مع خطر كبير للتقدم إلى سرطان القنوات اللبنية الغازي (IDC)، يؤثر على 25-60% من الحالات غير المعالجة. لا يزال التمييز بين DCIS غير المتقدم وDCIS المتقدم يمثل تحديًا سريريًا، مما يؤدي إلى احتمال العلاج الزائد أو الناقص. تستعرض هذه الورقة المسارات الإشارية…


  • تنفيذ تقنيات التعلم الآلي مع البيانات الضخمة وإنترنت الأشياء لإنشاء نماذج توقع فعالة لعلوم المعلومات الصحية

    2024 | المؤلف: Abu Sarwar Zamani وآخرون | المجلة: Biomedical Signal Processing and Control | المجال: إدارة المعلومات الصحية (Health Information Management)

    تقدم ورقة البحث نموذج تحليل بيانات ضخمة قائم على التعلم الآلي يهدف إلى التنبؤ بالعديد من الأمراض، مما يعزز أنظمة دعم القرار في تطبيقات الرعاية الصحية. من خلال الاستفادة من إطار عمل MapReduce، يقوم النموذج بمعالجة مجموعات بيانات الرعاية الصحية الكبيرة من خلال تنفيذ استخراج الميزات في مرحلة الخريطة واختيار الميزات في مرحلة التخفيض. يتم…


  • تقييم نماذج اللغة الكبيرة كعوامل في العيادة

    2024 | المؤلف: Nikita Mehandru وآخرون | المجلة: npj Digital Medicine | المجال: المعلوماتية الصحية (Health Informatics)

    لقد حققت النماذج اللغوية الكبيرة (LLMs) تقدمًا كبيرًا في مجال الرعاية الصحية من خلال تمكين تطبيقات متنوعة، بما في ذلك تجميع المعلومات ودعم اتخاذ القرارات السريرية. تتجاوز هذه النماذج مجرد معالجة اللغة؛ فهي تعمل كعملاء ذكيين قادرين على الانخراط في حوارات مفتوحة مع أصحاب المصلحة. تتيح هذه القدرة التفاعلية للنماذج اللغوية الكبيرة التأثير على عمليات…


  • من الأدوات إلى التهديدات: تأمل في تأثير روبوتات الدردشة المعتمدة على الذكاء الاصطناعي على الصحة الإدراكية

    2024 | المؤلف: Ismail Dergaa وآخرون | المجلة: Frontiers in Psychology | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    يتناول القسم مفهوم AICICA (التأثير المعرفي للذكاء الاصطناعي على القدرات المعرفية)، مسلطًا الضوء على المخاطر المعرفية المرتبطة بالاعتماد المفرط على رفقاء الذكاء الاصطناعي (AICs). ويؤكد على الحاجة لفهم هذه التأثيرات، خاصة على الأفراد الأصغر سنًا الذين قد يتأثر تطورهم المعرفي سلبًا من خلال إعطاء الأولوية للراحة في الوصول إلى المعلومات على حساب الفهم العميق والتفكير.…


  • نماذج التعلم العميق لتوقع سوق الأسهم: تحليل مقارن شامل

    2024 | المؤلف: Md Salim Chowdhury وآخرون | المجلة: Journal of Business and Management Studies | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تقوم هذه الدراسة بإجراء تحليل مقارن شامل لمختلف نماذج التعلم العميق لتوقعات سوق الأسهم، باستخدام بيانات من البورصة الوطنية (NSE) وبورصة نيويورك (NYSE). تقيم الأبحاث أربعة هياكل للشبكات العصبية العميقة: الشبكة العصبية متعددة الطبقات (MLP)، الشبكات العصبية التكرارية (RNN)، الذاكرة طويلة وقصيرة الأجل (LSTM)، والشبكة العصبية التلافيفية (CNN)، مع التركيز بشكل خاص على شركة تاتا…


  • الاتجاهات الناشئة في التعلم الفيدرالي: من دمج النماذج إلى التعلم الفيدرالي X

    2024 | المؤلف: Shaoxiong Ji وآخرون | المجلة: International Journal of Machine Learning and Cybernetics | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم هذه القسم نظرة عامة على التعلم الفيدرالي (FL)، وهو نموذج يفصل بين جمع البيانات وتدريب النموذج من خلال حسابات متعددة الأطراف وتجميع النماذج. يقوم المؤلفون بإجراء مسح مركز حول دمج FL مع خوارزميات التعلم المختلفة، مع التركيز بشكل خاص على تحسين خوارزمية المتوسط الفيدرالي الأساسية. يستعرضون تقنيات دمج النماذج، بما في ذلك التجميع التكيفي،…


  • الذكاء الاصطناعي هو بديل قابل للتطبيق للفحص عالي الإنتاجية: دراسة تستهدف 318 هدفًا

    2024 | المؤلف: Zhenyun Du وآخرون | المجلة: Scientific Reports | المجال: النظرية الحسابية والرياضيات (Computational Theory and Mathematics)

    تقدم ورقة البحث تقييمًا شاملاً لبرنامج Atomwise AIMS، الذي يستخدم شبكة AtomNet® العصبية التلافيفية لإجراء فحص افتراضي عالي الإنتاجية (HTS) عبر 318 مشروعًا. تسلط هذه الدراسة الضوء على قيود HTS التقليدي، الذي يعتمد على توفر المركبات الفيزيائية، مما يحد من استكشاف الفضاء الكيميائي. تشير النتائج إلى أن AtomNet® يحدد بنجاح جزيئات حيوية جديدة عبر مجالات…


  • تعزيز تصنيف حبوب القهوة: تحليل مقارن لنماذج التعلم العميق المدربة مسبقًا

    2024 | المؤلف: Esraa Hassan | المجلة: Neural Computing and Applications | المجال: علوم النبات (Plant Science)

    تبحث ورقة البحث في التحديات التي تواجه إنتاج حبوب القهوة بسبب تقلبات أسعار القهوة العالمية، مع التأكيد على الآثار الاقتصادية للدول المعتمدة على هذا القطاع. الهدف الرئيسي هو تقييم فعالية نماذج التعلم العميق المدربة مسبقًا في التنبؤ بدقة بأنواع القهوة، وهو أمر مهم بشكل متزايد نظرًا للطلب المتزايد على القهوة المتخصصة. تم إجراء مقارنة شاملة…


←السابق
1 … 239 240 241 242 243 … 285
التالي→

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