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

الأبحاث المرتبطة بالكلمة المفتاحية: شبكة عصبية تلافيفية




  • اللغز: أخذ تتبع الماشية إلى المستوى التالي

    2024 | المؤلف: Jehan-Antoine Vayssade وآخرون | المجلة: Scientific Reports | المجال: الحيوانات الصغيرة (Small Animals)

    إن دمج الكاميرات والذكاء الاصطناعي في دراسات سلوك الحيوانات يمثل طريقًا واعدًا لتعزيز إدارة صحة ورفاهية الحيوانات. تتناول هذه الدراسة التحديات المرتبطة بمشكلة تتبع الأجسام المتعددة، والتي تعقد تخصيص البيانات. يقدم المؤلفون حلاً مبتكرًا يسمى “Puzzle”، والذي يبدأ بتسلسلات فيديو سهلة التتبع لتدريب شبكة عصبية تلافيفية (CNN) تحدد ميزات المظهر للحيوانات الفردية. يتم تطبيق هذه…


  • التعلم العميق لتوقع اتجاه سعر البيتكوين: نماذج واستراتيجيات تداول تمت مقارنتها تجريبيًا

    2024 | المؤلف: Oluwadamilare Omole وآخرون | المجلة: Financial Innovation | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تستكشف هذه الورقة البحثية تطبيق نماذج التعلم العميق، وتحديدًا الشبكة العصبية التلافيفية – الذاكرة القصيرة والطويلة (CNN-LSTM)، وشبكة السلاسل الزمنية الطويلة والقصيرة (LSTNet)، والشبكة التلافيفية الزمنية (TCN)، جنبًا إلى جنب مع نموذج ARIMA القياسي، للتنبؤ بتحركات سعر البيتكوين باستخدام بيانات السلسلة. تستخدم الدراسة تقنيات اختيار ميزات متنوعة، بما في ذلك بوروتا، والخوارزمية الجينية (GA)، وآلة…


  • تحويل الرعاية الصحية المدعوم بإنترنت الأشياء من خلال الاستفادة من التعلم العميق لمراقبة المرضى المتقدمة والتشخيص

    2024 | المؤلف: Nawaf Alharbe وآخرون | المجلة: Multimedia Tools and Applications | المجال: إدارة المعلومات الصحية (Health Information Management)

    تبحث هذه الورقة البحثية في التأثير التحويلي لدمج تقنيات التعلم العميق، وتحديداً الشبكات العصبية التلافيفية (CNNs) وشبكات الذاكرة قصيرة وطويلة الأمد (LSTM)، مع تقنيات إنترنت الأشياء (IoT) في قطاع الرعاية الصحية. تبرز الدراسة كيف أن أنظمة الرعاية الصحية المدعومة بتقنية إنترنت الأشياء، التي تستخدم الأجهزة القابلة للارتداء وأجهزة الاستشعار الذكية، تسهل المراقبة الفورية للعلامات الحيوية…


  • YOLO-غرناطة: نموذج يولو خفيف الوزن مع انتباه لاكتشاف ثمار الرمان

    2024 | المؤلف: Jifei Zhao وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم البحث خوارزمية خفيفة الوزن جديدة، YOLO-Granada، مصممة للكشف عن الرمان في الوقت الحقيقي خلال فترة نموه. تعتمد هذه الخوارزمية على نسخة محسنة من إطار عمل You Only Look Once النسخة 5 (YOLOv5) وتستخدم شبكة ShuffleNetv2 الخفيفة كعمود فقري لاستخراج الميزات. تشمل التحسينات الرئيسية دمج الالتفافات المجمعة ووحدة انتباه الكتلة الالتفافية (CBAM)، والتي تعمل معًا…


  • التعرف على المشاعر المعتمد على EEG باستخدام شبكة عصبية تلافيفية مع آلية انتباه مزدوج

    2024 | المؤلف: Wei Chen وآخرون | المجلة: Frontiers in Computational Neuroscience | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم ورقة البحث نهجًا جديدًا للتعرف على المشاعر المعتمد على EEG من خلال تطوير شبكة عصبية تلافيفية ذات آلية انتباه مزدوج (DAMGCN). يدمج هذا النموذج الشبكات التلافيفية البيانية (GCNs) لتمثيل الشبكات الدماغية كرسوم بيانية، مما يمكّن من استخراج الميزات المكانية، بينما يستخدم أيضًا آلية انتباه ذاتي من نموذج Transformer لإعطاء الأولوية لقنوات الأقطاب الكهربائية المهمة…


  • تعزيز كشف التسلل: نهج هجين من التعلم الآلي والتعلم العميق

    2024 | المؤلف: Muhammad Sajid وآخرون | المجلة: Journal of Cloud Computing Advances Systems and Applications | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)

    تقدم ورقة البحث نموذجًا هجينًا لاكتشاف التسلل (ID) يدمج تقنيات التعلم الآلي (ML) والتعلم العميق (DL) لمعالجة التحديات المتزايدة في أمان الشبكات بسبب الزيادة في حجم البيانات والهجمات المتطورة. يستخدم النموذج تعزيز التدرج المتطرف (XGBoost) والشبكات العصبية التلافيفية (CNN) لاستخراج الميزات، والتي يتم دمجها بعد ذلك مع الشبكات الذاكرة قصيرة وطويلة الأمد (LSTM) للتصنيف. تستخدم…


  • تقييم نماذج الشبكات العصبية التلافيفية المعتمدة على التعلم الجماعي لنقل التعرف على التهاب اللثة المزمن من الصور الفموية

    2024 | المؤلف: Li Wen وآخرون | المجلة: BMC Oral Health | المجال: جراحة الفم (Oral Surgery)

    تقيّم هذه الدراسة أداء نماذج الشبكات العصبية التلافيفية العميقة المتقدمة – تحديدًا AlexNet و VGG و GoogLeNet و ResNet – باستخدام تقنيات التعلم الجماعي للتعرف على التهاب اللثة المزمن من الصور داخل الفم. تم استخدام مجموعة بيانات تضم 683 صورة سريرية من 134 متطوعًا لتقييم النماذج. وجدت الدراسة أن النماذج الجماعية تفوقت بشكل كبير على…


  • تطبيقات التعلم العميق في المحيطات الفيزيائية: مراجعة شاملة

    2024 | المؤلف: Qianlong Zhao وآخرون | المجلة: Frontiers in Marine Science | المجال: علم المحيطات (Oceanography)

    تقدم هذه القسم نظرة عامة على دمج تقنيات التعلم العميق في مجال المحيطات الفيزيائية، مع تسليط الضوء على أهميتها بسبب تزايد توفر بيانات سطح المحيط وتعقيد ديناميات المحيط. يشير المؤلفون إلى أن التعلم العميق قد ظهر كبديل قوي للطرق التقليدية، حيث يظهر دقة مماثلة أو متفوقة عبر تطبيقات مختلفة. يصنفون مواضيع البحث ضمن المحيطات الفيزيائية…


  • الكشف عن الأهداف الصغيرة تحت الماء باستخدام نموذج

    2024 | المؤلف: Shenming Qu وآخرون | المجلة: Scientific Reports | المجال: علم المحيطات (Oceanography)

    في مجال هندسة البيئة البحرية، يعد اكتشاف الأهداف تحت الماء أمرًا حيويًا، وقد أظهرت التطورات الأخيرة باستخدام الشبكات العصبية التلافيفية (CNN) وعودًا كبيرًا. ومع ذلك، غالبًا ما تكافح الشبكات العصبية العميقة التقليدية من حيث سرعة المعالجة والدقة، خاصة بالنسبة للأهداف الصغيرة والمتقاربة. للتغلب على هذه التحديات، يقترح المؤلفون نموذج شبكة عصبية جديد، YOLOv8-LA، الذي يتضمن…


  • تعزيز الزراعة من خلال تصنيف أمراض أوراق العنب في الوقت الحقيقي عبر جهاز حافة مع بنية CNN خفيفة الوزن وGrad-CAM

    2024 | المؤلف: Md. Jawadul Karim وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تقدم ورقة البحث نهجًا جديدًا للكشف المبكر عن أمراض أوراق العنب باستخدام نموذج شبكة عصبية تلافيفية خفيفة الوزن (CNN) مخصص يعتمد على MobileNetV3Large. تم تصميم هذا النموذج للنشر على الأجهزة الطرفية مثل Nvidia Jetson Nano، ويظهر أداءً استثنائيًا بدقة تدريب واختبار تبلغ 99.66% و99.42% على التوالي. تتضمن المنهجية طبقات كثيفة إضافية وطبقات إسقاط لتخفيف الإفراط…


←السابق
1 … 21 22 23 24 25 … 28
التالي→

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