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




  • قابلية التحكم في معادلات التفاضل الكسرية psi-Hilfer مع تأخير غير محدود عبر قياس عدم التراص

    2024 | المؤلف: Inzamamul Haque وآخرون | المجلة: Nonlinear Analysis Modelling and Control | المجال: الرياضيات التطبيقية (Applied Mathematics)

    تستكشف هذه المقالة البحثية قابلية التحكم في معادلات التفاضل الكسرية ψ-Hilfer مع تأخير غير محدود. يستنتج المؤلفون شروطًا كافية لقابلية التحكم باستخدام مقياس عدم التماسك ونظرية نقطة الثابت لمونش، مع التركيز على المشتق الكسرى ψ-Hilfer، وهو تعميم لمشتق هيلفر. يتم تقديم مثال عددي لإظهار قابلية تطبيق النتائج الرئيسية. في الختام، يحدد الدراسة نتائج قابلية التحكم…


  • التصميم المفاهيمي لعملية توحيد البيانات العامة لنموذج البيانات الشائعة

    2024 | المؤلف: Elisa Henke وآخرون | المجلة: BMC Medical Informatics and Decision Making | المجال: إدارة المعلومات الصحية (Health Information Management)

    تتناول هذه القسم تطوير عملية توحيد بيانات عامة لنموذج البيانات الشائعة (CDM) لشراكة النتائج الطبية الملاحظة (OMOP)، بهدف تسهيل دمج البيانات السريرية وبيانات المطالبات داخل أنظمة الرعاية الصحية. قام المؤلفون بإجراء مراجعة أدبية لـ 23 منشورًا ذا صلة لتحديد وترتيب الخطوات اللازمة لتوحيد البيانات بشكل زمني. تتكون العملية الناتجة من تسع خطوات رئيسية: تحديد مجموعة…


  • التعلم الانتقالي باستخدام الشبكات العصبية البيانية لتحسين توقع الخصائص الجزيئية في إعداد متعدد الدقة

    2024 | المؤلف: David Buterez وآخرون | المجلة: Nature Communications | المجال: كيمياء المواد (Materials Chemistry)

    في هذا القسم، يحدد المؤلفون إطارهم المنهجي، بدءًا بمراجعة التعلم بالنقل ووصف رسمي لإعداد المشكلة. ثم يقدمون أساسيات الشبكات العصبية البيانية (GNNs)، موضحين كل من القراءة القياسية والتكيفية، إلى جانب هيكلية مشفر الرسوم البيانية المتغير الخاضع للإشراف المقترحة. كما يقدم المؤلفون استراتيجيات التعلم بالنقل المستخدمة في دراستهم، مع تسليط الضوء على آلية التعلم الشائعة ذات…


  • تحسين نظام كشف التسلل لإنترنت الأشياء: اختيار الميزات مقابل استخراج الميزات في التعلم الآلي

    2024 | المؤلف: Jing Li وآخرون | المجلة: Journal Of Big Data | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)

    تبحث ورقة البحث في فعالية تقنيات تقليل الميزات—اختيار الميزات (FS) واستخراج الميزات (FE)—في سياق أنظمة كشف التسلل الشبكي (NIDS) لبيئات إنترنت الأشياء (IoT). تستخدم مجموعة بيانات شبكة TON-IoT غير المتجانسة لتقييم أداء هذه التقنيات بناءً على مقاييس مثل الدقة، ودرجة F1، ووقت التشغيل لكل من مهام التصنيف الثنائي ومتعدد الفئات. تشير النتائج إلى أن FE…


  • دمج البيانات المراقبة متعددة المصادر في الوقت الحقيقي مع نتائج النماذج العددية الجيوتقنية باستخدام التعلم القائم على البيانات والتعلم النحيف المستند إلى الفيزياء

    2024 | المؤلف: Hua-Ming Tian وآخرون | المجلة: Canadian Geotechnical Journal | المجال: الجيوفيزياء (Geophysics)

    يتناول قسم ورقة البحث التطور السريع للتوائم الرقمية في الهندسة الجيوتقنية، مع التأكيد على ضرورة التحديثات الفورية للنماذج العددية، مثل نماذج العناصر المحدودة (FEM)، من خلال مصادر بيانات المراقبة المتنوعة. غالبًا ما تعتمد طرق معايرة النماذج التقليدية على بيانات محدودة، مما يبرز الحاجة إلى نهج أكثر كفاءة. لمعالجة ذلك، يقترح المؤلفون طريقة جديدة تُسمى التعلم…


  • نهج بسيط وفعال لمطابقة الحالات غير المراقبة وتطبيقه على البيانات المرتبطة لمحطات الطاقة

    2024 | المؤلف: Andreas Eibeck وآخرون | المجلة: Journal of Web Semantics | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تقدم البحث AutoCal، وهو خوارزمية جديدة لمطابقة الحالات غير المراقبة لمجموعات البيانات الجدولية، مصممة لتعزيز سكان رسم بياني معرفي لامركزي ديناميكي يعرف باسم العالم الافتراضي. يعمل AutoCal بدون الحاجة إلى بيانات مصنفة وقادر على العمل عبر مجالات مختلفة دون الحاجة إلى ضبط معلمات محددة للطريقة. تستخدم الخوارزمية عملية من ثلاث خطوات تشمل حساب متجهات التشابه…


  • توأم رقمي زراعي للماندرين يظهر الإمكانية للزراعة الفردية

    2024 | المؤلف: Steven Kim وآخرون | المجلة: Nature Communications | المجال: علوم النبات (Plant Science)

    قسم “الطرق” في ورقة البحث يوضح التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، حيث تم دمج التحليلات الإحصائية لتقييم البيانات التي تم جمعها من تجارب متنوعة. تضمنت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج المعنية. شملت جمع البيانات استخدام أدوات وبروتوكولات…


  • توقع السكري لدى الأطفال باستخدام التعلم العميق

    2024 | المؤلف: Abeer El-Sayyid El-Bashbishy وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تقدم هذه البحث تقنية جديدة في التعلم العميق للتنبؤ المبكر بالسكري، محققة معدل دقة مثير للإعجاب يبلغ 99.8%. تم بناء النموذج باستخدام شبكة عصبية عميقة (DNN) تعتمد على بنية متعددة الطبقات (MLP)، تضم عشرة طبقات مخفية وضبط شامل للمعلمات. استخدمت الدراسة مجموعة بيانات من مستشفى أطفال جامعة المنصورة للسكري (MUCHD)، تتكون من 548 مريضًا أطفال…


  • أكثر مما تراه في ITT: دليل لتوقع والتحقيق في النتائج غير المهمة في تجارب الاستطلاع

    2024 | المؤلف: John Kane | المجلة: Journal of Experimental Political Science | المجال: علم الاجتماع والعلوم السياسية (Sociology and Political Science)

    تناقش هذه الفقرة التحديات التي يواجهها الباحثون عند تفسير آثار النية للعلاج من تجارب الاستطلاع التي تسفر عن نتائج غير ذات دلالة إحصائية أو عملية. على الرغم من التقدم في نشر مثل هذه النتائج للتخفيف من “مشكلة درج الملفات” وتعزيز قبول الفرضية الصفرية، إلا أن هناك نقصًا في إطار شامل يميز بين النتائج غير ذات…


  • تحليل البيانات المستمرة من تجارب n-of-1 باستخدام دورات متزاوجة: درس بسيط

    2024 | المؤلف: Stephen Senn | المجلة: Trials | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تقدم هذه القسم نظرة عامة على تجارب N-of-1، مع التركيز على تصميم الدورة المزدوجة وبناء تسلسلات مناسبة للتحليل. يناقش طرق تحليلية متنوعة، موضحة ببيانات محاكاة، مشددًا على أن اختيار التحليل يعتمد على سؤال البحث المحدد. يشير النص إلى أنه يمكن استخدام طرق تحليلية متعددة مكافئة، مما يوسع نطاق خيارات البرمجيات المتاحة للتحليل. كما يرسم تشبيهًا…


←السابق
1 … 30 31 32 33 34 … 37
التالي→

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