الأبحاث المرتبطة بالكلمة المفتاحية: تحسين تكراري
-
قياس كل شيء في الاقتصاد Quantification of Everything Method in Economics
2026 | المؤلف: Zhenyun Du | المجلة: Interdisciplinary Description of Complex Systems | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)تقدم ورقة البحث طريقة قياس كل شيء (Q.E.)، وهي نهج منهجي مصمم لتحويل الأطر النظرية إلى أشكال كمية قابلة للتطبيق عبر مختلف التخصصات العلمية، وخاصة في الاقتصاد. يتم هيكلة المنهجية في ثلاث خطوات رئيسية: صياغة فرضية، تطبيق المنطق الضبابي من خلال مولد لاستخراج النتائج، وتقييم النتائج لتحسين النموذج بناءً على التغذية الراجعة. يسمح هذه العملية…
-
I2I-PR: تحسين عميق تكراري لاسترجاع الطور باستخدام نماذج انتشار الصورة إلى الصورة I2I-PR: Deep iterative refinement for phase retrieval using image-to-image diffusion models
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Digital Signal Processing | المجال: الإشعاع (Radiation)تقدم ورقة البحث نهجًا جديدًا لاسترجاع الطور، وهي مهمة حاسمة في مجالات متعددة مثل التصوير والميكروسكوب، والتي تتضمن استعادة إشارة من قياسات تعتمد فقط على الكثافة. يقدم المؤلفون إطار عمل للتكرار العميق يستفيد من نماذج الانتشار، مبتعدين عن الطرق التقليدية التي تعتمد غالبًا على الضوضاء العشوائية للت initialization. بدلاً من ذلك، تبدأ طريقتهم بعدة تقديرات…
-
iSeg: إطار قائم على تحسين تكراري للتقسيم بدون تدريب iSeg: An Iterative Refinement-Based Framework for Training-Free Segmentation
2026 | المؤلف: Lin E. Sun وآخرون | المجلة: IEEE Transactions on Pattern Analysis and Machine Intelligence | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم البحث iSeg، وهو إطار عمل مبتكر للتنقيح التكراري بدون تدريب، يستفيد من قدرات نموذج الانتشار المستقر المدرب مسبقًا. يتضمن الإطار وحدتين جديدتين: وحدة الانتباه الذاتي المخفض الانتروبيا، التي تقلل من المعلومات العالمية غير ذات الصلة في خريطة الانتباه الذاتي، ووحدة الانتباه المتقاطع المعزز بالفئة، التي تركز على الميزات المتعلقة بفئات محددة مقسمة. تتيح هذه…