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




  • مسافة فريشيت الإشعاعية (FRD): مقياس متعدد الاستخدامات لمقارنة مجموعات بيانات التصوير الطبي

    2026 | المؤلف: Nicholas Konz وآخرون | المجلة: Medical Image Analysis | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    في هذا القسم، يؤكد المؤلفون على أهمية تحديد ما إذا كانت مجموعتان من الصور الطبية تنشأ من نفس التوزيعات أو من توزيعات مختلفة بدقة، لا سيما في سياق تقييم نماذج توليد الصور. ينتقدون المقاييس الحالية، التي تعتمد غالبًا على مهام تالية متحيزة أو تستخدم مقاييس إدراكية مثل مسافة فريشيت (FID) التي لا تلتقط الميزات التشريحية…


  • تبادل بيانات الرعاية الصحية بشكل آمن وقابل للتوسع وقابل للتشغيل البيني باستخدام ZK-rollups من الطبقة الثانية، والعقود الذكية، وIPFS

    2026 | المؤلف: Abhinav Raghav وآخرون | المجلة: Scientific Reports | المجال: نظم المعلومات (Information Systems)

    تتناول ورقة البحث الاعتماد المتزايد على تقنية البلوكشين لتعزيز معاملات البيانات في الرعاية الصحية، مع التأكيد على إمكانياتها في تحسين أمان البيانات، والشفافية، والتشغيل البيني. يحدد المؤلفون التحديات المرتبطة بالبلوكشينات من الطبقة الأولى، مثل انخفاض معدل المعاملات وزيادة الكمون، خاصةً للتطبيقات التي تتطلب معالجة بيانات في الوقت الحقيقي. لمعالجة هذه القضايا، تقترح الورقة إطار عمل…


  • نموذج خفيف الوزن قائم على YOLO للكشف الدقيق عن تجمعات الفلفل الأحمر في الحصاد الروبوتي

    2026 | المؤلف: Hanqi Zhao وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    في هذا القسم، يتناول المؤلفون تحديات الانسداد وتداخل الفواكه في تطوير روبوتات قطف الفلفل الأحمر الذكية. يقدمون نموذجًا خفيف الوزن للتعرف يسمى Red-YOLO، مصممًا لتعزيز كفاءة الأذرع الروبوتية أثناء عملية القطف. يتم تدريب النموذج على مجموعة بيانات مخصصة تحتوي على مجموعات من الفلفل الأحمر المنتشر والمجموعة، مما يسمح بتعديل حجم الأداة النهائية لتناسب أنواع مختلفة…


  • يوني سيلف: شبكة موحدة مع تطبيع الحالة الذاتية ودمج الآفات ذات التجميع الذاتي لتجزئة آفات التصلب المتعدد

    2026 | المؤلف: J Zhang وآخرون | المجلة: Medical Image Analysis | المجال: علم الأمراض والطب الشرعي (Pathology and Forensic Medicine)

    تقدم البحث UNISELF، وهي طريقة جديدة للتعلم العميق لعملية تقسيم آلي لآفات التصلب المتعدد (MS) باستخدام صور الرنين المغناطيسي متعددة التباين. تعالج هذه الطريقة قيود الأساليب الحالية للتعلم العميق، التي غالبًا ما تكافح لتحسين كل من دقة المجال ودقة التعميم خارج المجال عند التدريب على مجموعات بيانات محدودة. يستخدم UNISELF استراتيجية دمج الآفات الذاتية في…


  • الإجابة على الأسئلة المعتمدة على المعرفة باستخدام الشبكات العصبية البيانية وتمثيلات اللغة السياقية

    2026 | المؤلف: Mohamed Samir وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم هذه البحث إطار عمل جديد للإجابة على الأسئلة (QA) يجمع بين المعرفة العامة من ConceptNet مع تمثيلات سياقية عميقة من BERT، باستخدام شبكة انتباه الرسوم البيانية v2 (GATv2) للتفكير المنظم. يقوم الإطار ببناء رسم فرعي ذي صلة لكل زوج من السؤال والإجابة من ConceptNet، والذي يتم معالجته لالتقاط العلاقات الدلالية بين المفاهيم. في الوقت…


  • مجموعة بيانات UAV RGB وطريقة لتجزئة تيجان الأشجار من أجل مراقبة التنوع البيولوجي

    2026 | المؤلف: Mai Viet Hoang وآخرون | المجلة: Scientific Reports | المجال: الهندسة البيئية (Environmental Engineering)

    تقدم البحث طريقة جديدة، TreeCoG، لتجزئة كائنات الأشجار باستخدام صور RGB الملتقطة بواسطة الطائرات بدون طيار، مع معالجة التحديات التي تواجهها البيئات الغابية الكثيفة حيث تكافح الطرق التقليدية للتجزئة. تستخدم TreeCoG عملية من ثلاث خطوات: (1) استخراج الحدود من صور الطائرات بدون طيار، (2) استخراج وتمثيل ميزات الحدود، و(3) دمج الحدود باستخدام شبكة الالتفاف البيانية…


  • فك تشفير ميزات تخطيط الدماغ متعدد المقاييس باستخدام محولات سوين لتخيل الحركة المستقل عن الموضوع

    2026 | المؤلف: Wasi Ur Rehman Qamar وآخرون | المجلة: Scientific Reports | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    يتناول القسم التحديات التي تواجه واجهات الدماغ-الكمبيوتر المستقلة عن الموضوع (BCIs) بسبب التباين العالي بين الأفراد وطبيعة إشارات EEG غير الثابتة، مما يعيق تعميم النموذج. تساهم عوامل مثل التغيرات في أنماط النشاط العصبي، مواضع الأقطاب الكهربائية، والضوضاء الخارجية في صعوبة تطوير واجهات BCI موثوقة دون إعادة معايرة شاملة. لمعالجة هذه التحديات، يقدم البحث المحول المدمج…


  • التعلم عبر الإنترنت بذاكرة خطية غير مرتبطة بالنموذج في الشبكات العصبية النابضة

    2026 | المؤلف: Chaoming Wang وآخرون | المجلة: Nature Communications | المجال: علم الأعصاب الخلوي والجزيئي (Cellular and Molecular Neuroscience)

    تمثل الشبكات العصبية النابضة (SNNs) تقدمًا كبيرًا في نمذجة ديناميات الدماغ وتعزيز الذكاء العصبي. ومع ذلك، واجه هذا المجال تحديات في تطوير نظام تعلم عبر الإنترنت يمكنه تدريب ديناميات نابضة معقدة بفعالية على مدى فترات طويلة مع الحفاظ على متطلبات ذاكرة منخفضة. تميل طرق التعلم عبر الإنترنت الحالية إما إلى إظهار نمو ذاكرة تربيعي، أو…


  • تعلم الكشف عن الاحتيال في الرسوم البيانية مع مراعاة التردد

    2026 | المؤلف: Wei Zhao وآخرون | المجلة: Neural Networks | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    في هذا البحث، يقدم المؤلفون نهجًا جديدًا لاكتشاف الاحتيال في الرسوم البيانية (GFD) من خلال تطوير شبكة عصبية رسومية مدركة للتردد (F-GNN). تعاني طرق GFD التقليدية من تحديات مثل عدم التوازن الشديد في التسميات ووجود كل من الروابط المتجانسة وغير المتجانسة داخل الرسوم البيانية. غالبًا ما تعدل الاستراتيجيات الحالية هياكل الرسوم البيانية أو تقمع الجيران…


  • توقع داء السكري لدى الأطفال باستخدام التعلم الآلي

    2026 | المؤلف: Abeer El-Sayyid El-Bashbishy وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    يتناول هذا القسم من ورقة البحث تطوير نظام تعلم آلي (ML) مصمم للتنبؤ بمرض السكري وتصنيف أنواعه المختلفة، مع معالجة التحديات التي تطرحها مجموعات البيانات المحدودة والنماذج التنبؤية في أبحاث السكري. تقدم الدراسة مجموعة بيانات جديدة، مجموعة بيانات أنواع السكري، التي تدمج البيانات من مصادر متعددة، بما في ذلك السجلات الطبية للأطفال ومجموعات بيانات السكري…


←السابق
1 … 7 8 9 10 11 … 44
التالي→

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