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

الأبحاث المرتبطة بالكلمة المفتاحية: تعلم الآلة




  • مجموعة بيانات مرجعية وطريقة تعلم عميق لتوقع الأعاصير الاستوائية العالمية

    2025 | المؤلف: Cheng Huang وآخرون | المجلة: Nature Communications | المجال: علوم الغلاف الجوي (Atmospheric Science)

    في هذا القسم، يوضح المؤلفون المنهجية المستخدمة لتقييم نموذجهم المقترح، TCN M، مقابل تقنيات التعلم العميق الحديثة المختلفة لتوقع الأعاصير الاستوائية (TC). تشمل المقارنة تسعة طرق مختلفة مصنفة إلى ثلاث مجموعات: نماذج التنبؤ بالسلاسل الزمنية الكلاسيكية (LSTM، GRU، SGAN)، الشبكات المعدلة المصممة خصيصًا لتوقع TC (NMPT، DLM، GBRNN، MMSTN)، والنماذج الجوية واسعة النطاق (Pangu-Weather، Fengwu).…


  • إطار عمل قابل للتفسير للبلوكشين الفيدرالي مع تحسين الذكاء الاصطناعي الذي يحافظ على الخصوصية لتأمين بيانات الرعاية الصحية

    2025 | المؤلف: Tanisha Bhardwaj وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم الدراسة إطار PPFBXAIO، الذي يدمج التعلم الفيدرالي، وتكنولوجيا البلوكشين، والذكاء الاصطناعي القابل للتفسير لمعالجة التحديات الكبيرة في أنظمة التعلم الآلي اللامركزية، لا سيما في قطاع الرعاية الصحية. باستخدام تقنيات مثل LGOA لاختيار الميزات، وتطبيع Min-Max، وتشفير SHA-256، والعقود الذكية لتجميع النماذج، يضمن الإطار خصوصية البيانات، وشفافية النموذج، والقدرة على مقاومة هجمات التسميم. أظهرت التقييمات…


  • نموذج لغوي كبير متعدد الوسائط من مستوى GPT-4V للنشر على الأجهزة الطرفية

    2025 | المؤلف: Yuan Yao وآخرون | المجلة: Nature Communications | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تناقش هذه الفقرة التقدم في نماذج اللغة الكبيرة متعددة الوسائط (MLLMs) وتأثيراتها على أبحاث الذكاء الاصطناعي والصناعة. بينما عززت MLLMs بشكل كبير القدرات في الفهم والتفاعل، فإن أحجامها الكبيرة ومتطلبات الحوسبة قد حدت من نشرها بشكل أساسي على خوادم السحابة. هذه الاعتماد على البنية التحتية عالية الأداء لا يقتصر فقط على تقييد استخدامها في البيئات…


  • منصة عامة لهندسة الإنزيمات المستقلة المدعومة بالذكاء الاصطناعي

    2025 | المؤلف: Nilmani Singh وآخرون | المجلة: Nature Communications | المجال: علم الأحياء الجزيئي (Molecular Biology)

    تقدم البحث منصة جديدة لهندسة الإنزيمات بشكل مستقل تستفيد من التعلم الآلي ونماذج اللغة الكبيرة، مدمجة مع أتمتة البيوفوندري. تهدف هذه النظام إلى تبسيط عملية هندسة البروتين، التي كانت تقليديًا تعاني من الحاجة إلى خبرة وتدخل بشري. من خلال الحاجة فقط إلى تسلسل بروتين مدخل ومقياس لياقة قابل للقياس، تُظهر المنصة تنوعها عبر بروتينات مختلفة.…


  • التعلم العميق لأمن الشبكات: نموذج Attention-CNN-LSTM لاكتشاف التسلل بدقة

    2025 | المؤلف: Abdullah Mujawib Alashjaee | المجلة: Scientific Reports | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)

    تقدم البحث نموذج هجين من Attention-CNN-LSTM لاكتشاف التسلل في الشبكات، موضحًا فعاليته من خلال تحليل بيانات حركة الشبكة. يستفيد النموذج من الشبكات العصبية التلافيفية (CNNs) لاستخراج الميزات من البيانات الخام وشبكات الذاكرة طويلة وقصيرة المدى (LSTM) لتحليل الأحداث الزمنية. حقق معدلات دقة عالية بلغت 97.5% على مجموعة بيانات Bot-IoT و94.8% على مجموعة بيانات NSL-KDD، إلى…


  • مقارنة أساليب التعلم الآلي وطرق التحقق لبيانات مقياس التسارع عالية الأبعاد لاكتشاف إصابات القدم في الأبقار الحلوب

    2025 | المؤلف: Muhammad Usman Riaz وآخرون | المجلة: PLoS ONE | المجال: الحيوانات الصغيرة (Small Animals)

    تؤثر العرج في الأبقار الحلوب بشكل كبير على رفاهية الحيوانات، والجدوى الاقتصادية، والاستدامة في صناعة الألبان. إن التعرف المبكر على العرج أمر حاسم للعلاج الفعال وتقليل خسائر الإنتاج. أظهرت التطورات الأخيرة في أنظمة الكشف الآلي، وخاصة تلك التي تستخدم أجهزة قياس التسارع، وعدًا في التقاط بيانات الحركة المستمرة. ومع ذلك، فإن الطبيعة عالية الأبعاد لبيانات…


  • اختيار الميزات المعتمد على التعلم العميق لاكتشاف اضطراب طيف التوحد

    2025 | المؤلف: Ibrahim Nafisah وآخرون | المجلة: Frontiers in Artificial Intelligence | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم ورقة البحث نموذجًا جديدًا للتعلم العميق (DL) مصممًا لاكتشاف اضطراب طيف التوحد (ASD) باستخدام بيانات التصوير بالرنين المغناطيسي الوظيفي في حالة الراحة (rs-fMRI). يدمج النموذج مشفرًا تلقائيًا للتخلص من الضوضاء (SSDAE) مع شبكة عصبية متعددة الطبقات (MLP) لاستخراج الميزات ذات الصلة من مجموعة بيانات ABIDE I، التي تم معالجتها مسبقًا من خلال خط أنابيب…


  • اكتساب رؤى حول الذكريات الوراثية من خلال الذكاء الاصطناعي وعلوم الأوميكس في النباتات

    2025 | المؤلف: Judit Dobránszki وآخرون | المجلة: Journal of Integrative Plant Biology | المجال: علوم النبات (Plant Science)

    يتناول هذا القسم من ورقة البحث القدرات الملحوظة للنباتات في التعلم والتواصل والتكيف مع المحفزات البيئية من خلال آليات خلوية وجزيئية فريدة، مع التركيز بشكل خاص على الذاكرة الوراثية. على عكس الحيوانات، تفتقر النباتات إلى أعضاء متخصصة لوظائف الذاكرة، وتعتمد بدلاً من ذلك على الشبكات الكيميائية الحيوية التي تمكنها من الاستجابة بشكل فعال للتحديات المتكررة.…


  • تفسير تخطيط صدى القلب المدعوم بالذكاء الاصطناعي بشكل كامل مع التعلم العميق متعدد المهام

    2025 | المؤلف: Gregory Holste وآخرون | المجلة: JAMA | المجال: طب القلب والأوعية الدموية (Cardiology and Cardiovascular Medicine)

    تقدم ورقة البحث تطوير وتحقق من صحة PanEcho، وهو نظام ذكاء اصطناعي (AI) مصمم لأتمتة تفسير تخطيط صدى القلب عبر الصدر (TTE). استخدمت هذه الدراسة مجموعة بيانات شاملة تضم 1.2 مليون فيديو لتخطيط صدى القلب من 32,265 دراسة TTE أجريت في نظام ييل نيو هافن الصحي (YNHHS) بين يناير 2016 ويونيو 2022. تم التحقق من…


  • نموذج أساسي متعدد الوسائط للغة البصرية في طب العيون الحاسوبي

    2025 | المؤلف: Danli Shi وآخرون | المجلة: npj Digital Medicine | المجال: الأشعة والطب النووي والتصوير الطبي (Radiology, Nuclear Medicine and Imaging)

    توضح هذه القسم الأهمية الحاسمة للكشف المبكر عن أمراض العين لمنع فقدان البصر وتسلط الضوء على قيود نماذج الذكاء الاصطناعي العينية الحالية، التي تركز عادةً على أنماط فردية وتكافح مع الأمراض النادرة بسبب التوزيعات الطويلة. لمعالجة هذه التحديات، يقدم المؤلفون EyeCLIP، وهو نموذج أساسي متعدد الوسائط للغة البصرية تم تدريبه على 2.77 مليون صورة لطب…


←السابق
1 … 46 47 48 49 50 … 147
التالي→

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