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

الأبحاث المرتبطة بالكلمة المفتاحية: شبكة عصبية اصطناعية




  • الشبكات المذبذبة متعددة الأوضاع تتعلم حل مشكلة تصنيف

    2026 | المؤلف: Daan Bos وآخرون | المجلة: npj Metamaterials | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    في هذه الدراسة، نقدم عرضًا عدديًا لشبكة من المذبذبات المتزاوجة القادرة على التعلم لحل مهام التصنيف من خلال التطور غير الخطي. يتم تسهيل عملية التعلم من خلال دمج ثلاثة مكونات حاسمة: ذاكرة طويلة الأمد تحتفظ بالاستجابات المتعلمة على غرار المشابك البيولوجية، وذاكرة قصيرة الأمد تلتقط النشاطات العصبية مشابهة لأنماط إطلاق الخلايا العصبية، وقانون تطور يحدث…


  • استخراج الميزات في مجموعات بيانات أمراض النباتات الحسية باستخدام وظائف العضوية المعاد تشكيلها المستقلة عن متغيرات الفئة

    2026 | المؤلف: Ayushi Gupta وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم البحث تقنية استخراج الميزات المعتمدة على دالة العضوية (MFFE) التي تهدف إلى تحسين مجموعات بيانات النباتات المعتمدة على المستشعرات ذات الحجم الصغير، وخاصة لاكتشاف أمراض الطماطم. من خلال استخدام مجموعتين من البيانات المعتمدة على المستشعرات في الوقت الحقيقي، TomEBD و TPMD، يتناول الدراسة عدم توازن البيانات من خلال تقنية KMeans-SMOTE. تستخدم استخراج الميزات دوال…


  • deepmriprep: معالجة مسبقة للمورفومترية المعتمدة على الفوكسل عبر الشبكات العصبية العميقة

    2026 | المؤلف: L. Fisch وآخرون | المجلة: Nature Computational Science | المجال: الفيزياء الحيوية (Biophysics)

    تقدم هذه القسم deepmriprep، وهو خط أنابيب جديد للمعالجة المسبقة لتحليل قياس الشكل القائم على الفوكسل (VBM) لبيانات التصوير بالرنين المغناطيسي (MRI) ذات الوزن T1، والذي يستخدم الشبكات العصبية لتعزيز كفاءة ودقة خطوات المعالجة المسبقة. يتفوق deepmriprep بشكل كبير على صندوق الأدوات الرائد الحالي، CAT12، حيث يحقق سرعة معالجة أسرع بـ 37 مرة مع الحفاظ…


  • إطار عمل موثوق وقابل للتوسع للتعلم العميق لتحسين الكشف عن أورام الدماغ والتشخيص باستخدام التصوير الطبي المعتمد على الذكاء الاصطناعي

    2026 | المؤلف: Sultan Ahmad وآخرون | المجلة: Frontiers in Medicine | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث بنية تعلم عميق ذات طبقتين مصممة للكشف التلقائي عن أورام الدماغ في صور الرنين المغناطيسي، مع التركيز على قابليتها العملية في الإعدادات السريرية. تدمج البنية نموذج تقسيم، DeepLabV3، لتحديد مناطق الأورام المرشحة، تليها شبكة عصبية تلافيفية (CNN) لتصنيف وجود الورم. باستخدام التعلم بالنقل والتعديل الدقيق مع النماذج المدربة مسبقًا، تحقق الإطار دقة…


  • دقة فائقة تحافظ على الهيكل لصور قاع الشبكية عبر شبكة متبقية مزدوجة المحولات

    2026 | المؤلف: Emmanuel Eric Pazo وآخرون | المجلة: Frontiers in Medicine | المجال: الأشعة والطب النووي والتصوير الطبي (Radiology, Nuclear Medicine and Imaging)

    يقدم هذا القسم شبكة دوال-ترانسفورمر المتبقية للتكبير الفائق (DTRSRN)، وهي بنية جديدة مصممة لتعزيز صور قاع العين عالية الدقة لتشخيص اعتلال الشبكية السكري. تكافح طرق التكبير الفائق التقليدية مع التوازن بين المخرجات المفرطة السلاسة من الشبكات العصبية التلافيفية (CNNs) وإدخال العيوب بواسطة الشبكات التنافسية التوليدية (GANs). تعالج DTRSRN هذه القضايا من خلال دمج ترانسفورمر سوان…


  • LeafSightX: نموذج دمج CNN معزز بالانتباه القابل للتفسير لتحديد أمراض أوراق التفاح

    2026 | المؤلف: Md. Ehsanul Haque وآخرون | المجلة: Frontiers in Artificial Intelligence | المجال: علوم النبات (Plant Science)

    تقدم البحث LeafSightX، وهو هيكل معماري جديد للتعلم العميق ذو عمودين مصمم للتعرف السريع والدقيق على أمراض أوراق التفاح، مما يعالج التحديات الكبيرة في الزراعة الدقيقة مثل محدودية القابلية للتعميم، وقابلية التفسير، والحساسية تجاه التحولات في المجال. من خلال دمج الميزات من DenseNet201 و InceptionV3 مع تقنيات الانتباه الذاتي متعدد الرؤوس (MHSA)، يعزز LeafSightX كل…


  • تحليل تجريبي مقارن لاكتشاف اضطرابات الغدة الدرقية القوية باستخدام تقنيات التعلم الآلي

    2026 | المؤلف: Jiachen Zhong وآخرون | المجلة: Journal of Electrical Systems and Information Technology | المجال: إدارة المعلومات الصحية (Health Information Management)

    تستكشف هذه الدراسة توقع مرض الغدة الدرقية، الذي يؤثر على حوالي 20 مليون أمريكي، من خلال تقييم نماذج التعلم الآلي والتعلم العميق المختلفة على مجموعة بيانات معدة جيدًا تحتوي على 9,172 ملاحظة. تشمل النماذج التي تم تحليلها الانحدار اللوجستي، وأشجار القرار، والغابات العشوائية، وآلات الدعم الشعاعي، وXGBoost، وLightGBM، والشبكات العصبية الاصطناعية (ANN)، والشبكات العصبية الكثيفة…


  • تطوير نموذج تعلم آلي لرسم خريطة تجديد البناء الجديد: نهج مختلط

    2026 | المؤلف: Maya Mueller وآخرون | المجلة: PLoS ONE | المجال: الدراسات الحضرية (Urban Studies)

    تناقش هذه الفقرة ظاهرة تجديد البناء الجديد، التي تغير بشكل كبير من مشاهد الأحياء في الولايات المتحدة، لكنها تفتقر إلى الاهتمام الأكاديمي الكافي فيما يتعلق ببيئتها المبنية. يبرز المؤلفون إمكانيات تقنيات التعلم الآلي (ML)، وخاصة نماذج رؤية الكمبيوتر التي تستخدم خوارزميات الخرائط العميقة، لتعزيز فهم التحولات الحضرية. من خلال التركيز على فيلادلفيا، استخدم الباحثون مجموعات…


  • ExceedGAN: محاكاة فوق العتبات القصوى باستخدام الشبكات التنافسية التوليدية

    2026 | المؤلف: Michaël Allouche وآخرون | المجلة: Extremes | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تقدم هذه الورقة نموذجًا توليديًا جديدًا، يُسمى ExceedGAN، مصممًا لمحاكاة القيم المتطرفة متعددة المتغيرات من خلال الاستفادة من إطار عمل قائم على GAN. يركز النموذج على أخذ عينات من بيانات متعددة المتغيرات تتجاوز عتبات كبيرة، باستخدام الشبكات العصبية الأمامية مع دوال تنشيط الوحدة الخطية الأسية (eLU) لتقريب دوال اللوغاريتم الكمي الهامشي. يتم إنشاء حد للخطأ…


  • نهج الشبكة العصبية لتعزيز توقعات التغيير باستخدام الترميز الفئوي والتقييس القياسي

    2026 | المؤلف: Brijit Bhattacharjee وآخرون | المجلة: Scientific Reports | المجال: التسويق (Marketing)

    تناقش قسم ورقة البحث أهمية توقع فقدان العملاء كتطبيق حيوي لتعلم الآلة ضمن تحليلات الأعمال. وتفصل دراسة معيارية محكومة لنموذج متعدد الطبقات، تم تدريبه على مجموعة بيانات تتكون من 10,000 سجل عميل و12 ميزة. تشمل تقنيات معالجة البيانات المستخدمة الترميز الأحادي القياسي والتقييس القياسي، بهدف تعزيز قدرات تعميم النموذج. تشير النتائج إلى أن النموذج يستخدم…


←السابق
1 … 13 14 15 16 17 … 48
التالي→

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