الأبحاث المرتبطة بالكلمة المفتاحية: شبكة عصبية اصطناعية

طريقة محسّنة لاكتشاف تعب السائق باستخدام الشبكات العصبية متعددة الأنماط
Optimized driver fatigue detection method using multimodal neural networks

تتناول هذه البحث القضية الحرجة لإرهاق السائقين، وهو عامل رئيسي يساهم في حوادث الطرق، من خلال تطوير أنظمة كشف متقدمة تستخدم الشبكات العصبية متعددة الأنماط. تستخدم الدراسة مجموعة بيانات DROZY، التي تشمل بيانات فسيولوجية ووجهية تم جمعها في ظروف حرمان من النوم، لإنشاء نموذجين من الشبكات العصبية: نموذج دمج الميزات متعددة الأنماط ونموذج الميزات المترابطة…
تحسين المناظر الخسارية متعددة الفراكتلات يفسر مجموعة متنوعة من الخصائص الهندسية والديناميكية في التعلم العميق
Optimization on multifractal loss landscapes explains a diverse range of geometrical and dynamical properties of deep learning

يتناول القسم المعنون “نظرة عامة” تداعيات عمليات التحسين على المناظر الطبيعية للفقد متعددة الكسور، مسلطًا الضوء على أهميتها في فهم الخصائص الهندسية والديناميكية المختلفة. يقترح المؤلفون أن هذه المناظر الطبيعية تظهر هياكل معقدة يمكن أن تؤثر على سلوك خوارزميات التحسين، مما يؤدي إلى نتائج متنوعة من حيث التقارب والأداء. من خلال تحليل الطبيعة متعددة الكسور…
تحسين تشخيص أمراض القلب باستخدام نماذج التعلم الآلي المتقدمة: مقارنة الأداء التنبؤي
Optimizing heart disease diagnosis with advanced machine learning models: a comparison of predictive performance

تقدم ورقة البحث تقييمًا شاملاً لنماذج التعلم الآلي لتوقع الأمراض القلبية، مع تسليط الضوء على العبء العالمي الكبير للحالات القلبية الوعائية التي تفاقمت بسبب عوامل مثل قلة النشاط، واستخدام التبغ، والأنظمة الغذائية غير الصحية. ومن الجدير بالذكر أن مناطق مثل كليفلاند، والمجر، وسويسرا تسجل معدلات وفيات مرتفعة تُعزى إلى الأمراض القلبية الوعائية، مما يبرز الحاجة…
اكتشاف الإنزيمات القوية والهندسة باستخدام التعلم العميق مع CataPro
Robust enzyme discovery and engineering with deep learning using CataPro

تسلط الأبحاث الضوء على أهمية التنبؤ بدقة بمعلمات الحركية الإنزيمية لاستكشاف الإنزيمات وتعديلها، مع معالجة القيود التي تعاني منها النماذج الحالية التي غالبًا ما تعاني من انخفاض الدقة أو الإفراط في التخصيص. يقدم المؤلفون نموذج تعلم عميق جديد، CataPro، الذي يستخدم نماذج مدربة مسبقًا وبصمات جزيئية للتنبؤ بالمعلمات الرئيسية مثل عدد الدوران ($k_{cat}$)، وثابت ميكاليز…
توقع نتائج جراحة الفك العلوي كصور جانبية بعد العملية باستخدام الشبكات العصبية البيانية ونماذج الانتشار
Predicting orthognathic surgery results as postoperative lateral cephalograms using graph neural networks and diffusion models

جراحة تقويم الفك (OGS) هي إجراء تصحيحي يهدف إلى معالجة التشوهات الشديدة في الفك والوجه، مع اهتمام متزايد بتطبيقاتها التجميلية. إن التنبؤ الدقيق بنتائج الجراحة أمر بالغ الأهمية للتخطيط الفعال للعلاج ورضا المرضى. يقدم هذا البحث GPOSC-Net، وهو نموذج تنبؤي توليدي مصمم لتوليد صور جانبية للجمجمة بعد العملية من البيانات قبل العملية. يتكون النموذج من…
تقييم فعالية الذاكرة طويلة وقصيرة المدى والشبكة العصبية الاصطناعية في التنبؤ بتركيزات الأوزون اليومية في مدينة لياوتشينغ
Assessing the effectiveness of long short-term memory and artificial neural network in predicting daily ozone concentrations in Liaocheng City

تتناول ورقة البحث القضية المهمة لتلوث الأوزون في مدينة لياوتشينغ، التي تفاقمت بسبب التصنيع السريع والتحضر. وتؤسس نماذج الذاكرة طويلة وقصيرة الأجل (LSTM) والشبكة العصبية الاصطناعية (ANN) للتنبؤ بتركيزات الأوزون من 2014 إلى 2023. تشير النتائج إلى أن نموذج LSTM يتفوق على نموذج ANN، حيث يظهر زيادة في معامل التحديد ($R^2$) من 0.6779 إلى 0.6939،…
شبكة عصبية تلافيفية هجينة جديدة من نوع إنسيبشن-إكسبشن لتصنيف واكتشاف أمراض النباتات بكفاءة
A novel hybrid inception-xception convolutional neural network for efficient plant disease classification and detection

تسلط الأبحاث الضوء على الدور الحاسم للنباتات في النظم البيئية والتحديات التي تطرحها آفات النباتات والأمراض، خاصة من حيث اكتشافها المبكر. غالبًا ما تكون التشخيصات التقليدية في المختبر مكلفة وتستغرق وقتًا طويلاً، مما يؤدي إلى زيادة ضغط النباتات وتهديدات الأمن الغذائي. لمعالجة هذه القضايا، تقدم الدراسة نموذج شبكة عصبية تلافيفية هجينة جديدة (IX-CNN) مصممة لاكتشاف…
التنبؤ بسلاسل الزمن باستخدام التعلم العميق: نهج الشبكات العصبية التلافيفية للتنبؤ باتجاهات التضخم
Deep Learning-Based Time Series Forecasting: A Convolutional Neural Network Approach for Predicting Inflation Trends

تستكشف هذه الدراسة استخدام الشبكات العصبية التلافيفية (CNNs) للتنبؤ باتجاهات التضخم في مصر، مع معالجة قيود النماذج الاقتصادية التقليدية مثل ARIMA و VAR في التقاط الاعتماديات الزمنية المعقدة وغير الخطية في بيانات السلاسل الزمنية الاقتصادية. باستخدام بيانات التضخم التاريخية من 1960 إلى 2023، تم تطوير نموذج CNN من خلال منهجية تضمنت معالجة البيانات، واستخراج الميزات…
تحسين الخصائص الفيزيائية والكيميائية للثوم المجفف باستخدام خريطة تنظيم ذاتي وتطوير نموذج توقع بالذكاء الاصطناعي
Optimization of dried garlic physicochemical properties using a self-organizing map and the development of an artificial intelligence prediction model

تبحث الدراسة في تحسين عمليات تجفيف الثوم من خلال تطبيق تقنيات التعلم الآلي، وتحديداً الشبكات العصبية الاصطناعية (ANN) والخرائط الذاتية التنظيم (SOM). قامت الدراسة بتقييم مستويات مختلفة من طاقة الأشعة تحت الحمراء (IR) وتدفق الهواء ودرجة الحرارة، وكشفت أن الشبكة العصبية الاصطناعية حققت دقة توقع تبلغ 99%، بينما أظهرت الخرائط الذاتية التنظيم دقة تجميع تبلغ…
دراسة مقارنة للشبكات العصبية الهجينة متعددة المتغيرات لتوقع مستوى سطح البحر العالمي حتى عام 2050
Comparative study of multivariate hybrid neural networks for global sea level prediction through 2050

تتناول الدراسة القضية الحرجة لارتفاع مستويات البحار العالمية والمخاطر المرتبطة بها على المناطق الساحلية، مما يبرز الحاجة إلى نماذج تنبؤية دقيقة لمساعدة استراتيجيات التخفيف الحكومية. باستخدام نهج هجين يجمع بين الشبكات العصبية التلافيفية (CNN) وشبكات الذاكرة القصيرة والطويلة (LSTM)، تتوقع الدراسة تغيرات مستوى البحر حتى عام 2050 من خلال دمج البيانات التاريخية من climate.gov وتوقعات…