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




  • تداخل تأخير الزمن مع ترددات صفرية دنيا وفترة زمنية مختصرة

    2026 | المؤلف: G. Wang | المجلة: Science China Physics Mechanics and Astronomy | المجال: الأجهزة (Instrumentation)

    في هذا القسم، يقدم المؤلفون تكوينًا جديدًا لتداخل الوقت المتأخر (TDI)، يسمى PD4L، يهدف إلى تعزيز أداء مراصد موجات الجاذبية القائمة على الفضاء مثل LISA. غالبًا ما تعاني أنظمة TDI من الجيل الثاني التقليدية من ترددات صفرية غير مرغوب فيها وتتطلب فترات تأخير طويلة، مما يمكن أن يعيق تحليل البيانات. يحقق تكوين PD4L، الذي تم…


  • توقع جودة الخدمة الزمنية المقاومة للشذوذ باستخدام شبكة المحولات المعقدة

    2026 | المؤلف: Suraj Kumar وآخرون | المجلة: IEEE Transactions on Network and Service Management | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    يقدم هذا القسم نظرة عامة على التحديات في توقع جودة الخدمة (QoS)، وهو أمر أساسي لتوصيات الخدمة التكيفية في البيئات الديناميكية. تكافح الطرق الحالية مع قضايا مثل ندرة البيانات، وسيناريوهات البداية الباردة، وفرضية موثوقية بيانات QoS، وغالبًا ما تتجاهل المخاوف المتعلقة بالمصداقية مثل القيم الشاذة وسلوك المستخدم غير النمطي. بالإضافة إلى ذلك، تفشل الأساليب التقليدية…


  • تسهل طرق العينة التكيفية تحديد أحجام مجموعات البيانات الموثوقة للنمذجة المستندة إلى الأدلة

    2025 | المؤلف: Tim Breitenbach وآخرون | المجلة: Frontiers in Bioinformatics | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    في هذا القسم، يتناول المؤلفون السؤال الحاسم حول ضمان أن يكون لدى النموذج بيانات كافية لتوقعات موثوقة على البيانات غير المرئية، فضلاً عن استقرار الاستنتاجات المستخلصة من النموذج الملائم عبر عينات مختلفة من نفس الحجم. يقترحون نهجًا منهجيًا يقيم العلاقة بين حجم البيانات وزيادات الدقة، مستفيدين من قانون الأعداد الكبيرة للتأكيد على أنه، في ظل…


  • تقييم نماذج التعلم العميق باستخدام الذكاء الاصطناعي القابل للتفسير مع التحليل النوعي والكمّي لاكتشاف أمراض أوراق الأرز

    2025 | المؤلف: Hari Kishan Kondaveeti وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تتناول الورقة البحثية تقييم نماذج التعلم العميق لاكتشاف أمراض أوراق الأرز، مع التأكيد على أهمية الذكاء الاصطناعي القابل للتفسير (XAI) في تقييم أداء النموذج بما يتجاوز مقاييس التصنيف التقليدية. تقدم الدراسة منهجية من ثلاث مراحل: أولاً، حددت تقنيات التعلم الانتقالي نموذج ResNet50 كأفضل نموذج أداء بناءً على المقاييس التقليدية. في المرحلة الثانية، تم استخدام طريقة…


  • إطار دعم قرار فوضوي قوي للتخطيط المستدام للطاقة

    2025 | المؤلف: Umme Habiba وآخرون | المجلة: Scientific Reports | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تتناول ورقة البحث الحاجة الملحة لحلول الطاقة المستدامة في ضوء الطلب المتزايد على الطاقة العالمية والتحديات البيئية المرتبطة بالاعتماد على الوقود الأحفوري. تقدم منهجية جديدة لتقييم مصادر الطاقة المتجددة (RES) باستخدام إطار متكامل من مجموعات الفuzzy الكسرية (f، g، h-FrFS) ضمن سياق اتخاذ القرار متعدد المعايير (MCDM). تعزز هذه الطريقة اتخاذ القرار من خلال التقاط…


  • نظام تشفير صور آمن وفعال يعتمد على الأنظمة الفوضوية والتحولات غير الخطية

    2025 | المؤلف: Wassim Alexan وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تقدم ورقة البحث نظام تشفير متعدد الصور جديد، يُشار إليه باسم 5HSCA، والذي يدمج نظام فوضوي من 5 أبعاد، خريطة أرنولد، ونملة لانغتون لتعزيز أمان وكفاءة تشفير الصور. الطرق التقليدية مثل AES و DES غير كافية للتعامل مع تكرار الصور ومتطلبات المعالجة في الوقت الحقيقي. يتكون النظام المقترح من أربع مراحل رئيسية: (1) توليد المفتاح…


  • توقع مؤشر جودة المياه باستخدام الانحدار التجميعي المكدس والذكاء الاصطناعي القابل للتفسير المعتمد على

    2025 | المؤلف: Rakesh Choudhary وآخرون | المجلة: Scientific Reports | المجال: الهندسة البيئية (Environmental Engineering)

    تقدم هذه الدراسة إطارًا جديدًا للتنبؤ بمؤشر جودة المياه (WQI) من خلال نموذج تجميع الانحدار المكدس الذي يدمج ستة خوارزميات متقدمة في التعلم الآلي—XGBoost وCatBoost وRandom Forest وGradient Boosting وExtra Trees وAdaBoost—باستخدام الانحدار الخطي كمتعلم رئيسي. تم تدريب النموذج على مجموعة بيانات تضم 1,987 عينة من جودة المياه من الأنهار الهندية التي تم جمعها بين…


  • التنبؤ بالذوبانية العضوية المعتمدة على البيانات عند حد عدم اليقين العشوائي

    2025 | المؤلف: Lucas Attia وآخرون | المجلة: Nature Communications | المجال: التحليل الطيفي (Spectroscopy)

    قسم “الطرق” يحدد تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث قاموا بإجراء تحليلات إحصائية لتقييم العلاقات بين المتغيرات. شملت جمع البيانات استبيانًا منظمًا تم إدارته لعينة سكانية، مما يضمن ديموغرافيا تمثيلية. تضمن الاستبيان أدوات موثوقة لقياس المفاهيم الرئيسية، مع تسجيل الردود على مقياس ليكرت. لتحليل البيانات، طبق المؤلفون تحليل الانحدار…


  • FedECA: أذرع التحكم الخارجي الفيدرالية للاستدلال السببي مع بيانات الوقت حتى الحدث في البيئات الموزعة

    2025 | المؤلف: Jean Ogier du Terrail وآخرون | المجلة: Nature Communications | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تناقش هذه القسم التحديات والتقدم في استخدام الأذرع التحكم الخارجية (ECA) لتطوير الأدوية التجريبية في المراحل السريرية المبكرة. يسلط الضوء على الصعوبات في الوصول إلى بيانات تجريبية كافية من العالم الحقيقي أو البيانات التاريخية بسبب اللوائح الصارمة التي تحمي حقوق المرضى، مما يعقد تجميع البيانات من مصادر متعددة. للتغلب على هذه القيود، يقترح المؤلفون طريقة…


  • تعزيز التنبؤ بعبء السكري المدفوع بالذكاء الاصطناعي: تحليل مقارن لنماذج التعلم العميق والنماذج الإحصائية

    2025 | المؤلف: Rasool Esmaeilyfard وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تدرس هذه الدراسة فعالية أربعة نماذج للتنبؤ – المحول مع مشفر تلقائي متغير (VAE)، الذاكرة طويلة وقصيرة الأجل (LSTM)، وحدة التكرار المغلقة (GRU)، ومتوسط الحركة التكاملي الذاتي (ARIMA) – في التنبؤ بالعبء العالمي للسكري. باستخدام بيانات سنوية عن سنوات الحياة المعدلة حسب الإعاقة (DALYs)، والوفيات، وانتشار المرض من 1990 إلى 2021، تم تدريب النماذج على…


←السابق
1 2 3 4 5 … 37
التالي→

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