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

الأبحاث المرتبطة بالكلمة المفتاحية: تنقيب البيانات




  • تقدير الوسيط النهائي النيوتروصوفي باستخدام مقاييس قوية للمتغير المساعد

    2024 | المؤلف: Saadia Masood وآخرون | المجلة: Scientific Reports | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تستكشف هذه الدراسة الإحصاءات النيوتروسوفية كامتداد للإحصاءات الكلاسيكية والغامضة للتعامل مع عدم اليقين في البيانات. من خلال استخدام قياسات دقيقة لمتغير مساعد، تقدم البحث مقدرات جديدة للوسيط السكاني المجهول، والتي تكون فعالة بشكل خاص في تحليل البيانات الغامضة أو غير الواضحة. على عكس الطرق التقليدية التي تعطي تقديرات نقطة واحدة، توفر المقدرات المقترحة نطاقات تشير…


  • TFB: نحو تقييم شامل وعادل لطرق التنبؤ بالسلاسل الزمنية

    2024 | المؤلف: Xiangfei Qiu وآخرون | المجلة: Proceedings of the VLDB Endowment | المجال: معالجة الإشارات (Signal Processing)

    تقدم البحث TFB، وهو معيار آلي لأساليب التنبؤ بالسلاسل الزمنية (TSF)، مصمم لتعزيز المقارنة التجريبية وتقييم تقنيات التنبؤ عبر مجالات متنوعة مثل المرور والطاقة والصحة والاقتصاد. يعالج TFB العيوب الحرجة في المعايير الحالية، بما في ذلك تغطية نطاق البيانات المحدودة، والتحيز ضد أساليب التنبؤ التقليدية، وعدم الاتساق في خطوط تقييم الأداء. من خلال دمج مجموعات…


  • RING 4.0: شبكات تفاعل بقايا أسرع مع أنواع تفاعل جديدة عبر أكثر من 35,000 هيكل كيميائي مختلف

    2024 | المؤلف: Alessio Del Conte وآخرون | المجلة: Nucleic Acids Research | المجال: علم الأحياء الجزيئي (Molecular Biology)

    يتناول القسم التقدم في إطار شبكة تفاعل البقايا (RIN)، مع التركيز بشكل خاص على إصدار RING 4.0، وهو خادم ويب مصمم لتحليل التفاعلات غير التساهمية والتساهمية في هياكل البروتين. يقدم RING 4.0 تحسينات كبيرة، بما في ذلك تحديد سبعة أنواع من التفاعلات، مثل الروابط الهيدروجينية π، وروابط الهالوجين، ومواقع تنسيق أيونات المعادن. يستخدم البرنامج الآن…


  • المحن والفرص المستقبلية للذكاء الاصطناعي في الطب الدقيق

    2024 | المؤلف: Claudio Carini وآخرون | المجلة: Journal of Translational Medicine | المجال: المعلوماتية الصحية (Health Informatics)

    تقدم هذه القسم نظرة عامة على التحديات التي تواجه الفرق السريرية في اختيار العلاجات والجرعات المناسبة للمرضى، مع التأكيد على التباين في الاستجابات الفردية مقارنة بنتائج التجارب السريرية. يبرز التعقيد الذي تسببه العلاجات المركبة والاعتماد على البروتوكولات الطبية وخبرة الأطباء، مما يؤدي غالبًا إلى قرارات علاجية دون المستوى الأمثل. تم الإشارة إلى ظهور البيانات الضخمة…


  • استقصاء: أمان بيانات التعلم الفيدرالي والحفاظ على الخصوصية في إنترنت الأشياء الطرفية

    2024 | المؤلف: Haiao Li وآخرون | المجلة: Artificial Intelligence Review | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    إن النمو السريع لإنترنت الأشياء الذكي (SIoT) قد أدى إلى زيادة هائلة في توليد البيانات، مما يجعل طرق التعلم الآلي التقليدية تكافح لإدارتها بشكل فعال. يظهر التعلم الفيدرالي (FL) كحل واعد لتدريب النماذج الإحصائية عبر الشبكات الطرفية الموزعة، حيث يعالج التحديات المتعلقة بالبيانات الضخمة والمتنوعة ويضمن أمان المعلومات الخاصة. من خلال الاستفادة من الحوسبة الطرفية،…


  • الاستدلال بعد الاختيار في تحليل الكون المتعدد (PIMA): إطار استدلالي قائم على اختبار درجة قلب الإشارة

    2024 | المؤلف: Paolo Girardi وآخرون | المجلة: Psychometrika | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    في هذه الورقة، يقدم المؤلفون نهج الاستدلال بعد الاختيار لتحليل الكون المتعدد (PIMA)، معالجين القيود المفروضة على الأساليب الحالية في تحليل الكون المتعدد وتحليل منحنى التحديد. بينما قدمت هذه الأساليب السابقة رؤى وصفية بشكل أساسي، يوفر PIMA إطارًا استدلاليًا قويًا يستوعب مجموعة واسعة من مواصفات البيانات والنماذج الخطية العامة. من خلال استخدام إجراء إعادة أخذ…


  • تحسين تفسير الإرشادات السريرية الكبدية بواسطة نماذج اللغة الكبيرة: إطار قائم على الجيل المعزز بالاسترجاع

    2024 | المؤلف: Simone Kresevic وآخرون | المجلة: npj Digital Medicine | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    يتناول هذا القسم من ورقة البحث الإمكانيات التحويلية لنماذج اللغة الكبيرة (LLMs) في الرعاية الصحية، وخاصة في تعزيز أنظمة دعم القرار السريري (CDSSs) لإدارة عدوى فيروس التهاب الكبد C المزمن. استخدمت الدراسة نموذج GPT-4 Turbo من OpenAI لإنشاء إطار عمل مخصص لنموذج اللغة الكبيرة يدمج بين توليد معزز بالاسترجاع (RAG) وهندسة المطالبات. شمل الإطار تحويل…


  • الكشف عن أمراض أوراق النباتات وتحديدها باستخدام

    2024 | المؤلف: Eman Abdullah Aldakheel وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)

    تبحث هذه الدراسة في تطبيق خوارزمية YOLOv4 للكشف الدقيق وفي الوقت المناسب عن أمراض أوراق النباتات، مع معالجة قيود الطرق اليدوية التقليدية. باستخدام مجموعة بيانات Plant Village الشاملة، التي تتكون من أكثر من 50,000 صورة لكل من الأوراق الصحية والمريضة من 14 نوعًا، تستخدم الدراسة تقنيات تعزيز البيانات مثل تسوية الهيستوجرام والانعكاس الأفقي لتعزيز قوة…


  • تصنيف عبء العمل العقلي باستخدام الاتصال الدماغي والتعلم الآلي على بيانات تخطيط الدماغ الكهربائي

    2024 | المؤلف: Mohammadreza Safari وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    يتناول هذا القسم من ورقة البحث تقييم عبء العمل العقلي (MWL) باستخدام بيانات EEG، مع التأكيد على أهميته عبر مجالات مختلفة مثل تصميم الأنظمة والطب السريري. يقترح المؤلفون إطار عمل جديد يستفيد من الاتصال الفعال بين الدماغ لاستخراج الميزات، ويستخدم خوارزمية اختيار ميزات هرمية، ويستعين بنماذج التعلم الآلي لتصنيف MWL. باستخدام مجموعة بيانات عبء العمل…


  • الحل التوافقي المشترك للحل المثالي (CoCoFISo): اتخاذ القرار متعدد المعايير بناءً على خوارزمية طريقة

    2024 | المؤلف: Rôlin Gabriel Rasoanaivo وآخرون | المجلة: Expert Systems with Applications | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    في هذا القسم، يؤكد المؤلفون على ضرورة اختبار أدوات اتخاذ القرار في سيناريوهات العالم الحقيقي لضمان عمليتها في معالجة القضايا العالمية. يسلطون الضوء على الاتجاه المتزايد لاستخدام طرق اتخاذ القرار متعددة المعايير (MCDM) لتصنيف البدائل، مع التركيز بشكل خاص على طريقة الحل الوسط المشترك (CoCoSo). من خلال أبحاثهم، حددوا القيود في CoCoSo عند تطبيقها على…


←السابق
1 … 26 27 28 29 30 … 37
التالي→

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