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

الأبحاث المرتبطة بالكلمة المفتاحية: خوارزميات




  • خوارزميات التعلم الآلي للتنبؤ بالاكتئاب لدى كبار السن في الصين: دراسة مقطعية

    2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Frontiers in Public Health | المجال: علم النفس الاجتماعي (Social Psychology)

    تبحث هذه الدراسة في القدرات التنبؤية لخوارزميات التعلم الآلي (ML) فيما يتعلق بحدوث الاكتئاب بين كبار السن في الصين، باستخدام بيانات من دراسة الصحة والتقاعد الطويلة الأمد في الصين. تم تقسيم عينة من كبار السن إلى مجموعات تدريب واختبار، وتم استخدام ستة خوارزميات تعلم آلي—الانحدار اللوجستي، أقرب الجيران، آلة الدعم الشعاعي، شجرة القرار، LightGBM، وغابة…


  • الكشف عن الأفكار الانتحارية وغير الانتحارية المعتمدة على الذكاء الاصطناعي القابل للتفسير من نصوص وسائل التواصل الاجتماعي باستخدام تقنية التجميع المحسنة

    2025 | المؤلف: Daniyal Alghazzawi وآخرون | المجلة: Scientific Reports | المجال: علم النفس الاجتماعي (Social Psychology)

    تقدم هذه البحث إطارًا مبتكرًا للتفريق بين الأفكار الانتحارية الحقيقية وغير الانتحارية في تفاعلات وسائل التواصل الاجتماعي من خلال تقنية تجميعية تتضمن الذكاء الاصطناعي القابل للتفسير (XAI). يهدف الإطار إلى تعزيز التعرف الفوري على المشاعر على منصات الشبكات الاجتماعية، وهو أمر حيوي للتدخلات الفعالة في الوقاية من الانتحار. من خلال استخدام مصنف تراكمي يجمع بين…


  • نموذج RFE-GRU جديد لتصنيف مرض السكري باستخدام مجموعة بيانات PIMA الهندية

    2025 | المؤلف: Mahmoud Y. Shams وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تتناول ورقة البحث تطبيق تقنيات التعلم الآلي (ML) لتحسين التشخيص المبكر لمرض السكري، وهو حالة مزمنة مرتبطة بمضاعفات صحية خطيرة مثل السكتة الدماغية وفشل القلب. باستخدام مجموعة بيانات السكري الهندي PIMA (PIDD)، التي تتكون من 768 حالة و9 ميزات، تؤكد الدراسة على أهمية خطوات المعالجة المسبقة، بما في ذلك تعويض المتوسط وتطبيع البيانات، قبل تدريب…


  • تصنيف الصور المعتمد على نموذج وراثي ونموذج CNN من خلال تعزيز ضبط المعلمات الفائقة

    2025 | المؤلف: Wajahat Hussain وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تناقش هذه القسم التحديات المتعلقة بتحسين النموذج في تصنيف الصور، مع التأكيد على الدور الحاسم لاختيار المعلمات الفائقة في تعزيز قدرة النموذج على التعلم من بيانات الصور المعقدة. تهدف خوارزمية الجينات التجميعية المقترحة والشبكة العصبية التلافيفية (EGACNN) إلى تحسين أداء تصنيف الصور من خلال ضبط المعلمات الفائقة مثل عدد الطبقات، حجم النواة، معدلات التعلم، معدلات…


  • تحليل الذكاء لكفاءة توصيل جزيئات الأدوية إلى مواقع الأورام السرطانية باستخدام نماذج التعلم الآلي

    2025 | المؤلف: Wael A. Mahdi وآخرون | المجلة: Scientific Reports | المجال: النظرية الحسابية والرياضيات (Computational Theory and Mathematics)

    تستكشف هذه الدراسة تطبيق نماذج التعلم الآلي (ML) للتنبؤ بتوزيع الجزيئات النانوية في مختلف الأعضاء، باستخدام مجموعة بيانات تركز على سلوك الجزيئات النانوية في علاج السرطان. تشمل مجموعة البيانات متغيرات فئوية ورقمية تتعلق بخصائص الجزيئات النانوية، تستهدف بشكل خاص توزيعها في أعضاء مثل الورم، القلب، الكبد، الطحال، الرئة، والكلى. لمعالجة الطبيعة المعقدة وغير الخطية للبيانات…


  • تقسيم أورام الثدي القابلة للتفسير باستخدام الانتباه بالاعتماد على مزيج من نماذج UNet وResNet وDenseNet وEfficientNet

    2025 | المؤلف: Shokofeh Anari وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم هذه الدراسة نهج تعلم عميق لتجزئة أورام الثدي باستخدام مجموعة بيانات صور الموجات فوق الصوتية للثدي (BUSI)، معتمدة على بنية UNet المعدلة المعززة بآليات الانتباه مثل وحدة انتباه الكتلة التلافيفية (CBAM) والانتباه غير المحلي. من خلال دمج هياكل ترميز متقدمة مثل ResNet وDenseNet وEfficientNet، يحسن النموذج بشكل كبير من دقة التجزئة، كما يتضح من…


  • آثار تحويل البيانات واختيار النموذج على أهمية الميزات في بيانات تصنيف الميكروبيوم

    2025 | المؤلف: Zuzanna Karwowska وآخرون | المجلة: Microbiome | المجال: علم الأحياء الجزيئي (Molecular Biology)

    في هذا القسم، يناقش المؤلفون أهمية تصنيف الأنماط الظاهرة للمضيف بدقة من بيانات الميكروبيوم لتعزيز العلاجات المعتمدة على الميكروبيوم، مع تسليط الضوء على التحديات التي تطرحها تعقيدات الميكروبيوم المعوي، وندرة البيانات، والتركيب، والخصوصية السكانية. يؤكدون أنه بينما يمكن أن تخفف تحولات بيانات الميكروبيوم من بعض هذه التحديات، فإن تطبيقها في مهام التعلم الآلي لا يزال…


  • كشف الحمل المعرفي من خلال تحسين ميزات القنوات الكهربائية الدماغية وتصنيف التجميع

    2025 | المؤلف: Jammisetty Yedukondalu وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تستقصي هذه الدراسة تقييم الحمل المعرفي من خلال تحليل إشارات تخطيط الدماغ الكهربائي (EEG)، مع التركيز على استجابة الدماغ للمؤثرات التي تسبب التوتر. باستخدام تحليل المتوسط المحلي القوي (R-LMD)، تم تحليل بيانات EEG إلى خمسة أوضاع على مدى أربع ثوانٍ. تم استخدام خوارزمية تحسين الحساب الثنائي (BAO) لتقليل مساحة الميزات واستخراج ميزات متعددة المجالات، مما…


  • الوضع الحالي، والتحديات، وآفاق تطبيقات الذكاء الاصطناعي في تشخيص وعلاج جروح الإصلاح

    2025 | المؤلف: Huazhen Liu وآخرون | المجلة: Theranostics | المجال: التأهيل الطبي (Rehabilitation)

    تقدم هذه القسم نظرة عامة على الدور الهام للذكاء الاصطناعي (AI) في إدارة الجروح، مع تسليط الضوء على إمكانيته في تعزيز اتخاذ القرارات السريرية في مجالات مثل تصنيف الإصابات، قياس الجروح (كلاً من المساحة والعمق)، تصنيف نوع الأنسجة، المراقبة، واستراتيجيات العلاج الشخصية. لقد أظهرت تقنيات الذكاء الاصطناعي، بما في ذلك التعلم الآلي والشبكات العصبية، وعدًا…


  • π-PrimeNovo: نموذج تعلم عميق غير تكراري دقيق وفعال لتسلسل الببتيدات من جديد

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

    تناقش هذه القسم التقدم في تسلسل الببتيدات من خلال مطيافية الكتلة المتسلسلة (MS/MS)، مع التأكيد على قيود طرق البحث التقليدية في قواعد البيانات في علم البروتينات. يبرز إدخال نموذج π-PrimeNovo، وهو نموذج قائم على Transformer غير تكراري مصمم لتسلسل الببتيدات من جديد. يعالج هذا النموذج تحديات تراكم الأخطاء وسرعات الاستدلال البطيئة المرتبطة بالنماذج التكرارية. لا…


←السابق
1 … 50 51 52 53 54 … 63
التالي→

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