الأبحاث المرتبطة بالكلمة المفتاحية: تعلم الآلة
-
تحسين الخصائص الفيزيائية والكيميائية للثوم المجفف باستخدام خريطة تنظيم ذاتي وتطوير نموذج توقع بالذكاء الاصطناعي
Optimization of dried garlic physicochemical properties using a self-organizing map and the development of an artificial intelligence prediction modelتبحث الدراسة في تحسين عمليات تجفيف الثوم من خلال تطبيق تقنيات التعلم الآلي، وتحديداً الشبكات العصبية الاصطناعية (ANN) والخرائط الذاتية التنظيم (SOM). قامت الدراسة بتقييم مستويات مختلفة من طاقة الأشعة تحت الحمراء (IR) وتدفق الهواء ودرجة الحرارة، وكشفت أن الشبكة العصبية الاصطناعية حققت دقة توقع تبلغ 99%، بينما أظهرت الخرائط الذاتية التنظيم دقة تجميع تبلغ…
-
تقييم تأثير التحضر المخطط وغير المخطط على درجة حرارة سطح الأرض في أفغانستان باستخدام خوارزميات التعلم الآلي: طريق نحو الاستدامة
Impact assessment of planned and unplanned urbanization on land surface temperature in Afghanistan using machine learning algorithms: a path toward sustainabilityتبحث الدراسة في تغييرات استخدام الأراضي وتغطية الأراضي (LULC) وتأثيرها على درجة حرارة سطح الأرض (LST) في كابول وجلال آباد، أفغانستان، من 1998 إلى 2018. باستخدام آلة الدعم الناقل (SVM) للتصنيف وبيانات لاندسات، تكشف الدراسة أن المناطق المبنية زادت بنسبة 16% في كابول و30% في جلال آباد، بينما انخفضت التربة العارية والنباتات بشكل كبير. تشير…
-
تقدم توقع مخاطر المالية وتحسين المحفظة باستخدام تقنيات التعلم الآلي
Advancing Financial Risk Prediction and Portfolio Optimization Using Machine Learning Techniquesتستكشف هذه الدراسة استخدام نماذج التعلم الآلي في توقع المخاطر المالية وتحسين إدارة المحافظ، مقارنةً بالخوارزميات مثل الغابة العشوائية، وتعزيز التدرج، وذاكرة المدى الطويل والقصير (LSTM)، وشبكات المحولات. تشير النتائج إلى أن هذه الأساليب في التعلم الآلي تتفوق بشكل كبير على النماذج المالية التقليدية من حيث دقة التوقعات والعوائد المعدلة حسب المخاطر. على وجه الخصوص،…
-
GCL_FCS30: مجموعة بيانات الساحل العالمي بدقة 30 مترًا ونظام تصنيف دقيق من 2010 إلى 2020
GCL_FCS30: a global coastline dataset with 30-m resolution and a fine classification system from 2010 to 2020تقدم البحث مجموعة بيانات الخط الساحلي العالمية (GCL_FCS30)، التي تعالج نقص تصنيف الخط الساحلي التفصيلي في مجموعات البيانات العالمية الحالية. تستخدم GCL_FCS30 طريقة جديدة لاستخراج الخط الساحلي تجمع بين مؤشر الفرق المائي المعدل مع نهج تقسيم العتبة التكيفية. لتصنيف، يتم استخدام مصنف مقطع هجين، يدمج خوارزمية الغابة العشوائية مع عينات تدريب مستقرة من مصادر بيانات…
-
دراسة مقارنة للشبكات العصبية الهجينة متعددة المتغيرات لتوقع مستوى سطح البحر العالمي حتى عام 2050
Comparative study of multivariate hybrid neural networks for global sea level prediction through 2050تتناول الدراسة القضية الحرجة لارتفاع مستويات البحار العالمية والمخاطر المرتبطة بها على المناطق الساحلية، مما يبرز الحاجة إلى نماذج تنبؤية دقيقة لمساعدة استراتيجيات التخفيف الحكومية. باستخدام نهج هجين يجمع بين الشبكات العصبية التلافيفية (CNN) وشبكات الذاكرة القصيرة والطويلة (LSTM)، تتوقع الدراسة تغيرات مستوى البحر حتى عام 2050 من خلال دمج البيانات التاريخية من climate.gov وتوقعات…
-
تقنية محسّنة تعتمد على التصويت الناعم في تعلم الآلة للكشف عن سرطان الثدي باستخدام اختيار ميزات فعّال وتوازن الفئات SMOTE-ENN
An improved soft voting-based machine learning technique to detect breast cancer utilizing effective feature selection and SMOTE-ENN class balancingتتناول ورقة البحث القضية الحرجة لسرطان الثدي، الذي لا يزال السبب الرئيسي للوفاة بين النساء في جميع أنحاء العالم. تؤكد على أهمية الكشف المبكر والتشخيص الدقيق في تقليل معدلات الوفيات. تسلط الدراسة الضوء على قيود خوارزميات التعلم الآلي عند مواجهة مجموعات بيانات تحتوي على ميزات مكررة أو غير ذات صلة. لتعزيز فعالية هذه الخوارزميات، ينفذ…
-
الهندسة المتسارعة للإنزيمات بواسطة التعبير الخالي من الخلايا الموجه بتعلم الآلة
Accelerated enzyme engineering by machine-learning guided cell-free expressionتقدم ورقة البحث منصة جديدة موجهة بواسطة التعلم الآلي (ML) تهدف إلى التغلب على قيود هندسة الإنزيم التقليدية، خاصة في توليد مجموعات بيانات واسعة من علاقات التسلسل-الوظيفة للتصميم التنبؤي. تدمج هذه المنصة تجميع الحمض النووي الخالي من الخلايا، والتعبير الجيني الخالي من الخلايا، والاختبارات الوظيفية لرسم خرائط فعالة لمشاهد اللياقة عبر مساحة تسلسل البروتين، مما…
-
إطار هجين لاكتشاف وتصنيف أمراض أوراق النباتات باستخدام الشبكات العصبية التلافيفية ومحولات الرؤية
A hybrid Framework for plant leaf disease detection and classification using convolutional neural networks and vision transformerتقدم هذه الورقة البحثية إطارًا هجينًا يدمج الشبكات العصبية التلافيفية (CNNs) ومحولات الرؤية (ViT) لتعزيز الكشف وتصنيف أمراض أوراق النباتات. يستخدم النموذج مجموعة من ثلاث هياكل CNN مدربة مسبقًا—VGG16 وInception-V3 وDenseNet201—لاستخراج ميزات عالمية قوية من صور الأوراق. بعد ذلك، يتم استخدام نموذج ViT لالتقاط الميزات المحلية، مما يسهل الكشف الدقيق عن الأمراض. تم تقييم الإطار…
-
تحسين السوائل النانوية الهجينة الثلاثية باستخدام الشبكات العصبية، وبرمجة التعبير الجيني، وتحسين سرب الجسيمات متعدد الأهداف: استراتيجية الذكاء الحسابي
Optimizing ternary hybrid nanofluids using neural networks, gene expression programming, and multi-objective particle swarm optimization: a computational intelligence strategyتبحث هذه الدراسة في تحسين الخصائص الحرارية الفيزيائية للسوائل النانوية الهجينة الثلاثية (THNFs) لتعزيز أدائها، مع التركيز على تقليل اللزوجة الديناميكية (DV) وزيادة الموصلية الحرارية (TC). تم اقتراح استراتيجية هجينة للذكاء الحسابي، تدمج بين التعلم الآلي، والتحسين متعدد الأهداف (MOO)، وتقنيات اتخاذ القرار متعددة المعايير (MCDM). تستخدم الدراسة ثلاث طرق للتعلم الآلي—شبكة عصبية من نوع…
-
نموذج هجين قابل للتفسير يعتمد على تقنيات التعلم الآلي المتقدمة ونماذج التعلم العميق لتصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي
A hybrid explainable model based on advanced machine learning and deep learning models for classifying brain tumors using MRI imagesتتناول هذه البحث التحدي الحاسم في تصنيف أورام الدماغ باستخدام صور الرنين المغناطيسي، مقترحة إطار عمل جديد يدمج شبكة عصبية تلافيفية خفيفة الوزن وقابلة للفصل (PDSCNN) مع آلة التعلم المتطرفة الانحدارية الهجينة (RRELM). تؤكد الدراسة على أهمية الكشف المبكر والتصنيف الدقيق للعلاج الفعال، باستخدام تعديل تكييف هيستوجرام محدود التباين (CLAHE) لتعزيز وضوح ميزات الورم في…