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

الأبحاث المرتبطة بالكلمة المفتاحية: غابة عشوائية




  • تعزيز أداء أشجار تعزيز التدرج في مشاكل الانحدار

    2025 | المؤلف: Lydia Wahid Rizkallah | المجلة: Journal Of Big Data | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    في هذه الورقة البحثية، يقدم المؤلفون نهجًا هجينًا يعزز القوة التنبؤية لأشجار تعزيز التدرج (GBT) من خلال دمج تقنيات التجميع K-means و Bisecting K-means. تُستخدم GBT، المعروفة بفعاليتها في التعلم الجماعي، بالتزامن مع التجميع لمعالجة قيود نموذج GBT واحد، الذي قد لا يلتقط بشكل كافٍ الخصائص المتنوعة لمجموعات البيانات المعقدة. يتم تقييم الطريقة المقترحة على…


  • تحليل ميزات مجال التردد لتصنيف المشاعر المستحثة باستخدام إشارات

    2025 | المؤلف: Samannaya Adhikari وآخرون | المجلة: Experimental Brain Research | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تبحث الدراسة في استخدام إشارات تخطيط الدماغ الكهربائي (EEG) للتعرف على المشاعر، مع التركيز بشكل خاص على المشاعر التي تثيرها المحفزات البصرية مثل السعادة، والحزن، والخوف. من خلال استخدام تحليل الوضع المتغير (VMD) لتحليل إشارات EEG المنظفة، تستخرج الدراسة ميزات نطاق التردد من الوظائف الوضعية الجوهرية (IMFs). يتم استخدام نهج النافذة المنزلقة لمدة 3 ثوانٍ…


  • تحسين توقعات قابلية الانزلاق الأرضي من خلال إزالة الميزات التكرارية الجماعية وإطار التعلم الميتا

    2025 | المؤلف: Krishnagopal Halder وآخرون | المجلة: Scientific Reports | المجال: الإدارة والرصد والسياسات والقانون (Management, Monitoring, Policy and Law)

    تتناول هذه الورقة البحثية التهديد الكبير للانهيارات الأرضية في منطقة سوب-الهيمالايا في غرب البنغال، الهند، من خلال تطوير إطار عمل متقدم يجمع بين الإزالة التكرارية للميزات (RFE) مع تقنيات التعلم الآلي المختلفة. تستخدم الدراسة سبعة نماذج، بما في ذلك الانحدار اللوجستي (LR)، آلة الدعم الناقل (SVM)، الغابة العشوائية (RF)، الأشجار العشوائية للغاية (ET)، تعزيز التدرج…


  • BiAF: بحث حول الكشف وتتبع قطعان الماعز الديناميكية استنادًا إلى رؤية الآلة

    2025 | المؤلف: Yun Hou وآخرون | المجلة: Scientific Reports | المجال: الحيوانات الصغيرة (Small Animals)

    تتناول ورقة البحث التقدم في مراقبة رعي الماشية من خلال تطوير خوارزمية تعتمد على رؤية الآلة، BiAF-YOLOv7، التي تعزز نموذج YOLOv7-tiny. disrupt طرق المراقبة التقليدية سلوك الماشية، مما يستلزم حلولًا مبتكرة. تدمج الخوارزمية المقترحة وحدة ELAN مبسطة، وآلية انتباه CBAM محسّنة، ووحدة SPPCSPC مصقولة لتحسين دقة الكشف مع تقليل عدد المعلمات. تحقق خوارزمية BiAF-YOLOv7 مقاييس…


  • التعلم الآلي لتصنيف مرض الكلى المزمن وتوقع مستويات الكرياتينين باستخدام قياسات منزلية

    2025 | المؤلف: Brady Metherall وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)

    تبحث الورقة البحثية في تطبيق نماذج التعلم الآلي للكشف المبكر وتصنيف مرض الكلى المزمن (CKD) باستخدام مجموعات ميزات سريرية متنوعة. على وجه التحديد، تستخدم الدراسة الشبكات العصبية الاصطناعية (ANNs) والغابات العشوائية (RFs) على مجموعة بيانات تضم 400 مريض، وتحلل ثلاث مجموعات ميزات: ميزات المنزل، والمراقبة، والميزات المخبرية. تشير النتائج إلى أن RFs تتفوق على ANNs…


  • تصنيف الأداء الاقتصادي في العراق (2000-2023): تحليل إحصائي باستخدام التعلم الآلي مع آلات الدعم الشعاعي والغابات العشوائية

    2025 | المؤلف: Hussein Alkattan وآخرون | المجلة: EDRAAK | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تبحث هذه الدراسة في أداء العراق الاقتصادي من 2000 إلى 2023 من خلال عدسة التعلم الآلي، باستخدام خوارزميات آلات الدعم الشعاعي (SVM) وغابة عشوائية (RF). تركز الدراسة على ستة مؤشرات اقتصادية كلية – الناتج المحلي الإجمالي (GDP)، معدل التضخم، معدل البطالة، سعر الصرف، حجم التجارة، والإنفاق الحكومي – لبناء نماذج تنبؤية لتصنيف الحالات الاقتصادية على…


  • شبكة عصبية تلافيفية هجينة جديدة من نوع إنسيبشن-إكسبشن لتصنيف واكتشاف أمراض النباتات بكفاءة

    2025 | المؤلف: Wasswa Shafik وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    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…


  • التباين الجنسي لعظام العضد في عينة فرنسية: مقارنة بين عدة نماذج إحصائية بما في ذلك نماذج التعلم الآلي

    2025 | المؤلف: Michel H. A. Blanc وآخرون | المجلة: International Journal of Legal Medicine | المجال: علم الآثار (Archeology)

    تدرس هذه الدراسة فعالية تقنيات النمذجة الإحصائية المختلفة لتقدير الجنس بناءً على قياسات عظمة العضد، مع تسليط الضوء على إمكانية استخدام عظمة العضد كبديل للخصائص الحوضية التقليدية. تم تحليل عينة من 98 عظمة عضد من سكان فرنسيين معاصرين باستخدام 26 قياسًا مقياسيًا. تم استخدام سبعة نماذج إحصائية، بما في ذلك تحليل التمييز الخطي (LDA)، وتحليل…


  • تعزيز اكتشاف أمراض النباتات من خلال التعلم العميق: شبكة CNN عميقة مع دمج الضغط والتحفيز والاتصالات المتبقية

    2025 | المؤلف: Asadulla Ashurov وآخرون | المجلة: Frontiers in Plant Science | المجال: علوم النبات (Plant Science)

    تقدم هذه الدراسة نهجًا جديدًا للكشف الآلي عن أمراض النباتات من خلال استخدام شبكة عصبية تلافيفية معدلة (CNN) معززة بكتل الضغط والتحفيز (SE) وتحسين الاتصالات المتبقية. تتناول الدراسة التحديات العالمية الحرجة في الأمن الغذائي والزراعة المستدامة من خلال تطوير نظام عالي الكفاءة قادر على تحديد أمراض النباتات بدقة، مما يساعد في حماية المحاصيل وتحسين العائد.…


  • توقع السلاسل الزمنية لاحتلال الأسرة في مرافق الصحة النفسية في الهند باستخدام التعلم الآلي

    2025 | المؤلف: G. Avinash وآخرون | المجلة: Scientific Reports | المجال: علم السكان (Demography)

    تؤكد ورقة البحث على الدور الحاسم لنماذج التعلم الآلي في التنبؤ بإشغال الأسرة في مرافق الصحة النفسية، لا سيما استجابةً للطلب المتزايد على خدمات الصحة النفسية في الهند. تقيم الدراسة ستة خوارزميات تعلم آلي – الانحدار بواسطة دعم المتجهات، وتعزيز التدرج المتطرف، والغابة العشوائية، وأقرب الجيران، وتعزيز التدرج، وشجرة القرار – باستخدام بيانات من 2008…


←السابق
1 … 29 30 31 32 33 … 37
التالي→

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