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

الأبحاث المرتبطة بالكلمة المفتاحية: تعلم الآلة




  • مشهد التطور باستخدام التعلم الآلي

    2025 | المؤلف: Nathan Huetsch وآخرون | المجلة: SciPost Physics | المجال: الفيزياء النووية وطاقات عالية (Nuclear and High Energy Physics)

    في هذا القسم، يناقش المؤلفون التقدمات الحديثة في تقنيات تعلم الآلة (ML) التي تسهل تفكيك البيانات دون الحاجة إلى تقسيمها، مع الأخذ في الاعتبار الارتباطات عبر أبعاد متعددة. يقدمون نظرة شاملة على طرق التفكيك المعتمدة والمحسنة والجديدة القائمة على تعلم الآلة، مع تقييم أدائها على مجموعتين متسقتين من البيانات. تشير النتائج إلى أن جميع التقنيات…


  • تقنية الاستيفاء الهجينة الدورية للقيم المفقودة في مجموعات البيانات

    2025 | المؤلف: Kurban Kotan وآخرون | المجلة: Scientific Reports | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تتناول ورقة البحث التي كتبها كوربان كوتان وسردار كيريش أوغلو القضية الحرجة للبيانات المفقودة في مجموعات البيانات، لا سيما في سياق النمذجة المتعلقة بالصحة، حيث تعتبر التقديرات الدقيقة ضرورية لتعزيز أداء التنبؤ. يؤكد المؤلفون أن التعامل غير السليم مع القيم المفقودة يمكن أن يؤدي بشكل كبير إلى تدهور دقة النموذج وموثوقيته. يجادلون بأن استخدام نماذج…


  • تحسين اكتشاف الاكتئاب في المقابلات السريرية بين الأطباء والمرضى باستخدام إطار تعلم متعدد الحالات

    2025 | المؤلف: Xu Zhang وآخرون | المجلة: Scientific Reports | المجال: علم النفس الاجتماعي (Social Psychology)

    تتناول ورقة البحث الزيادة المتزايدة في انتشار الاكتئاب والحاجة إلى تحسين طرق الكشف. تعاني الأساليب التقليدية، مثل مقياس الاكتئاب الذاتي (SDS) والمقابلات، غالبًا من الذاتية والتحيزات البيئية. لتعزيز الموضوعية وكفاءة الكشف التلقائي عن الاكتئاب (ADD)، يقترح المؤلفون تطبيقًا جديدًا لإطار التعلم متعدد الحالات (MIL) على بيانات المقابلات النصية. يسمح هذا النهج باستخراج الميزات بشكل مستقل…


  • كشف الأخبار المزيفة القائم على التفكير القابل للتفسير باستخدام نماذج اللغة الكبيرة والمحولات للغات ذات الموارد المنخفضة

    2025 | المؤلف: Hariharan RamakrishnaIyer LekshmiAmmal وآخرون | المجلة: Journal Of Big Data | المجال: علم الاجتماع والعلوم السياسية (Sociology and Political Science)

    تقدم ورقة البحث نظام كشف الأخبار المزيفة متعدد الوسائط مصمم للغة التاميل، حيث تتناول الزيادة المتزايدة في المعلومات المضللة عبر منصات الإنترنت المختلفة. يبرز المؤلفون الانتقال من الأخبار المزيفة التقليدية المعتمدة على النصوص إلى التنسيقات متعددة الوسائط، بما في ذلك الصور ومقاطع الفيديو والصوت. تركز نماذج الكشف التلقائي الحالية بشكل أساسي على اللغات ذات الموارد…


  • خوارزميات التعلم العميق لاكتشاف الأدوات المكسورة في قنوات الجذر

    2025 | المؤلف: Ekin Deniz Çatmabacak وآخرون | المجلة: BMC Oral Health | المجال: جراحة الفم (Oral Surgery)

    تبحث هذه الدراسة في فعالية خمسة نماذج تعلم عميق (DL) – DenseNet201 و EfficientNet B0 و ResNet-18 و VGG-19 و MaxVit-T – في اكتشاف أدوات الأسنان المكسورة (FEIs) في الأشعة السينية المحيطية (PAs)، وهي مهمة صعبة بسبب التعقيدات التشريحية. تم استخدام مجموعة بيانات تحتوي على 700 صورة أشعة سينية مشروحة، تتضمن 381 حالة بها FEIs،…


  • تحسين تشخيص الملاريا من خلال هياكل الشبكات العصبية المخصصة القابلة للتفسير

    2025 | المؤلف: Md. Faysal Ahamed وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تبحث الدراسة في فعالية ثلاث هياكل لشبكات الأعصاب التلافيفية (CNN) – الشبكة التلافيفية المتوازية (PCNN)، والشبكات التلافيفية المتوازية مع الانتباه الناعم (SPCNN)، والانتباه الناعم بعد الكتلة الوظيفية للشبكات التلافيفية المتوازية (SFPCNN) – لتشخيص طفيليات الملاريا في مسحات خلايا الدم الحمراء (RBC). تفوقت نموذج SPCNN على الآخرين، محققة دقة قدرها 99.38 ± 0.21%، واسترجاع قدره 99.37…


  • تطبيق الغابات السببية على بيانات التجارب السريرية العشوائية لتحديد تأثيرات العلاج غير المتجانسة: دراسة حالة

    2025 | المؤلف: Eleanor Van Vogt وآخرون | المجلة: BMC Medical Research Methodology | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تناقش هذه الفقرة استخدام أساليب التعلم الآلي السببي غير المعلم، وبالتحديد الغابات السببية (CFs)، لتحديد تأثيرات العلاج غير المتجانسة (HTEs) في التجارب السريرية العشوائية (RCTs). غالبًا ما تعتمد الطرق التقليدية لتحليل المجموعات الفرعية على اختبار التفاعلات بين معدلات تأثير العلاج ومعدلات تعديل تأثير العلاج، مما قد لا يؤدي إلى مجموعات فرعية ذات صلة سريريًا، خاصة…


  • توقعات التعلم الآلي لامتصاص النيتروجين الأموني على الفحم الحيوي مع تقييم النموذج وتحسينه

    2025 | المؤلف: Chong Liu وآخرون | المجلة: npj Clean Water | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تتناول هذه الدراسة القضية المتزايدة لتلوث النيتروجين في البيئات المائية من خلال استخدام نهج شامل لتعلم الآلة (ML) للتنبؤ بسعة امتصاص النيتروجين الأموني من البيوكربون وتحديد ظروف الامتصاص المثلى. تم تقييم ما مجموعه اثني عشر نموذجًا من نماذج تعلم الآلة، بما في ذلك النماذج القائمة على الأشجار، والأساليب القائمة على النواة، وتقنيات التعلم العميق، من…


  • إطار التعلم الآلي الهجين للصيانة التنبؤية واكتشاف الشذوذ في بطاريات الليثيوم أيون باستخدام غابة عشوائية محسّنة

    2025 | المؤلف: R. Seshu Kumar وآخرون | المجلة: Scientific Reports | المجال: هندسة السيارات (Automotive Engineering)

    تقدم هذه الورقة البحثية إطار عمل جديد للصيانة التنبؤية مصمم لتعزيز أداء وعمر بطاريات الليثيوم أيون، التي تُستخدم بشكل متزايد في المركبات الكهربائية وأنظمة تخزين الطاقة. يستخدم الإطار خوارزمية غابة عشوائية محسّنة (IRF) تدمج تشخيصات الصحة في الوقت الحقيقي مع تقدير حالة الشحن (SOC)، مما يعالج قيود أنظمة إدارة البطاريات الحالية. من خلال تحليل الميزات…


  • الإطار المفاهيمي كدليل لاختيار طريقة الإكمال المناسبة للقيم المفقودة في مجموعة بيانات سريرية منظمة

    2025 | المؤلف: Marziyeh Afkanpour وآخرون | المجلة: BMC Medical Research Methodology | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تتناول هذه الدراسة القضية الشائعة للبيانات المفقودة في مجموعات البيانات المنظمة من خلال اقتراح إطار مفاهيمي يدمج طرق الإحلال المختلفة. تستند الأبحاث إلى مراجعة منهجية لـ 58 دراسة، والتي حددت العوامل الرئيسية التي تؤثر على اختيار تقنيات الإحلال المثلى. تم تصميم الإطار لتوجيه الباحثين في اختيار الطرق المناسبة بناءً على الخصائص المحددة لمجموعات بياناتهم، مما…


←السابق
1 … 31 32 33 34 35 … 67
التالي→

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