الأبحاث المرتبطة بالكلمة المفتاحية: الزيادة العشوائية
-
خوارزمية SMOTE المحسنة لتصنيف البيانات غير المتوازنة من خلال توسيع مساحة توليد العينات An improved SMOTE algorithm for enhanced imbalanced data classification by expanding sample generation space
2026 | المؤلف: Yingsong Li وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم هذه البحث نسخة محسنة من تقنية الزيادة الاصطناعية للأقليات (SMOTE)، والتي تُسمى ISMOTE، تهدف إلى معالجة قيود الخوارزمية الأصلية في التعامل مع عدم التوازن الطبقي في مجموعات البيانات. تعزز ISMOTE توليد العينات من خلال تعديل القيود المكانية، مما يسمح بإنشاء عينات اصطناعية تعكس بشكل أفضل الكثافة المحلية وخصائص التوزيع للبيانات الأصلية. على وجه التحديد،…
-
التنبؤ القائم على الذكاء الاصطناعي بشدة حوادث المرور لتحسين سلامة الطرق وكفاءة النقل AI-based prediction of traffic crash severity for improving road safety and transportation efficiency
2026 | المؤلف: Ayman Mohamed Mostafa وآخرون | المجلة: Scientific Reports | المجال: السلامة والمخاطر والجودة والموثوقية (Safety, Risk, Reliability and Quality)تقدم هذه الدراسة إطار عمل مدفوع بالذكاء الاصطناعي للتعلم الآلي يهدف إلى توقع شدة حوادث المرور، باستخدام مجموعة بيانات شاملة تضم أكثر من 2.26 مليون سجل. يدمج النموذج عوامل مختلفة، بما في ذلك العناصر البشرية، وعناصر الحادث المحددة، وعناصر متعلقة بالمركبة، لتعزيز دقة التوقع. تشمل المنهجيات الرئيسية المستخدمة هندسة الميزات، وتقنيات التجميع (K-Means و HDBSCAN)،…
-
تحسين خوارزمية SMOTE وتطبيقها في توقع مخاطر الائتمان المؤسسي مع مراعاة استراتيجية التنويع SMOTE algorithm optimization and application in corporate credit risk prediction with diversification strategy consideration
2026 | المؤلف: Zhenyun Du | المجلة: Scientific Reports | المجال: المحاسبة (Accounting)تركز ورقة البحث على تحسين خوارزمية SMOTE (تقنية زيادة العينة الاصطناعية للأقليات) لتوقع مخاطر الائتمان الشركات، خاصة في سياق استراتيجيات تنويع الشركات. تسلط الدراسة الضوء على التحديات التي تطرحها التنويع، والتي يمكن أن تؤدي إلى تخصيص غير متوازن للموارد وتعقيد تقييم مخاطر الائتمان بسبب اختلاف الربحية وخصائص المخاطر عبر وحدات الأعمال المختلفة. لمعالجة هذه التعقيدات،…
-
الكشف عن مرض الكلى المزمن القابل للتفسير المدفوع بالبيانات باستخدام استيفاء البيانات القائم على RF وتعلم الميتا-إنسيبل
2026 | المؤلف: R. K. Gupta وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)تتناول ورقة البحث الحاجة الملحة للكشف المبكر عن مرض الكلى المزمن (CKD) من خلال إطار عمل منظم يعتمد على البيانات يهدف إلى تعزيز توقع مرض الكلى المزمن. الإطار الهجين المقترح يدمج تقنيات التقدير المعتمدة على غابة عشوائية (RF) لإدارة القيم المفقودة، وترميز الميزات الفئوية، وتقنية الزيادة الاصطناعية للأقليات (SMOTE) لمعالجة عدم توازن الفئات. يستخدم محسن…
-
الكشف المبكر عن مرض الكلى المزمن بناءً على نموذج تعلم آلي معزز بـ SURD
2026 | المؤلف: Ningning Xue وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)تتناول هذه الدراسة التحدي الكبير المتمثل في التنبؤ المبكر بالمخاطر في مرض الكلى المزمن (CKD) من خلال تقديم إطار تنبؤي جديد يجمع بين التعلم الآلي مع تحليل التفكيك الفريد المتناغم (SURD) من نظرية المعلومات السببية. باستخدام مجموعة بيانات UCI-CKD التي تحتوي على 400 عينة، طور الباحثون عشرة نماذج تصنيف، مع معالجة البيانات المفقودة من خلال…
-
الكشف عن الأحداث النادرة من خلال التجميع التدريجي تحت العينة
2026 | المؤلف: Amr M. Abuzeid وآخرون | المجلة: PLoS ONE | المجال: الذكاء الاصطناعي (Artificial Intelligence)تناقش هذه القسم مشكلة مجموعات البيانات غير المتوازنة في مهام التصنيف، حيث تحتوي فئة واحدة على عدد أقل بكثير من الحالات مقارنة بالفئات الأخرى. تشكل هذه اللاموازنة تحديًا، حيث أن المصنفات القياسية غالبًا ما تعطي الأولوية للفئات الأكبر، مما يؤدي إلى إهمال الفئات الأصغر، التي قد تكون أكثر إفادة. تسلط شيوع مجموعات البيانات غير المتوازنة…
-
تحسين أداء نموذج التعلم الآلي في توقع الأمراض مع توليد بيانات اصطناعية
2025 | المؤلف: M. K. Jayanthi Kannan وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)تتناول هذه الدراسة التحديات الكبيرة التي تطرحها مجموعات البيانات غير المتوازنة في تعلم الآلة، والتي تؤدي غالبًا إلى تدريب نماذج متحيزة تفضل الفئات الغالبة وتعميم ضعيف للفئات الأقل. للتخفيف من هذه المشكلات، نفذت الدراسة تقنيات متقدمة لتوليد البيانات الاصطناعية، بما في ذلك تقنية زيادة العينة للأقليات الاصطناعية (SMOTE) وأخذ العينات الاصطناعية التكيفية (ADASYN)، جنبًا إلى…
-
الكشف المتقدم عن اضطرابات النوم باستخدام التعلم الجماعي متعدد الطبقات وتقنيات توازن البيانات المتقدمة
2025 | المؤلف: Muhammad Mostafa Monowar وآخرون | المجلة: Frontiers in Artificial Intelligence | المجال: علم وظائف الأعضاء (Physiology)تقدم البحث نموذجًا جديدًا للتجميع لاكتشاف اضطرابات النوم يستفيد من تقنيات التعلم الآلي لتعزيز دقة وموثوقية التشخيص. من خلال اعتماد نهج تجميع متعدد الطبقات، يدمج النموذج عدة خوارزميات، بما في ذلك الغابة العشوائية، SVM، الانحدار اللوجستي، KNN، وXGBoost، لالتقاط الميزات الأساسية لاضطرابات النوم بشكل فعال. تتضمن المنهجية تقنيات مثل تحديد العتبات، وتسجيل التنبؤ، وتحويل تسميات…
-
الكشف المبكر عن داء السكري من النوع 2 لدى النساء باستخدام تقنيات التعلم الآلي والتجاوز
2024 | المؤلف: Lana Al-dabbas | المجلة: Journal of Applied Data Sciences | المجال: إدارة المعلومات الصحية (Health Information Management)تؤكد ورقة البحث على أهمية التنبؤ المبكر بالسكري لتخفيف المخاطر الصحية والمضاعفات المرتبطة بالمرض. تتناول التحديات التي تطرحها مجموعات البيانات المحدودة لحالات السكري وغير السكري، مع تسليط الضوء على تنفيذ تقنيات التصنيف المختلفة لتعزيز دقة التنبؤ. تم اقتراح إطار عمل جديد يدمج طريقة زيادة العينات المتقدمة، SVMSMOTE، مع عدة خوارزميات تعلم آلي لتحسين الأداء التنبؤي.…
-
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،…