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

الأبحاث المرتبطة بالكلمة المفتاحية: غابة عشوائية




  • تحسين معلمات الطباعة ثلاثية الأبعاد لزيادة قوة الشد والكفاءة باستخدام نماذج التعلم الآلي

    2026 | المؤلف: K. Shunmugesh وآخرون | المجلة: Progress in Additive Manufacturing | المجال: هندسة السيارات (Automotive Engineering)

    يتناول قسم ورقة البحث التقدمات والتحديات في التصنيع الإضافي (AM)، مع التركيز بشكل خاص على تقنيات الطباعة ثلاثية الأبعاد. يبرز الاعتماد المتزايد على الطباعة ثلاثية الأبعاد لإنتاج أجزاء معقدة ومخصصة بكفاءة وبتكلفة فعالة. الهدف الرئيسي من الدراسة هو تحسين معلمات الطباعة ثلاثية الأبعاد لتحقيق قوة شد عالية في المواد المطبوعة. يحدد المؤلفون التحديات الرئيسية، مثل…


  • تصنيف مؤشر جودة الهواء AQI استنادًا إلى تحسين سرب الجسيمات الهجين والذئب الرمادي مع نموذج التعلم الآلي الجماعي

    2026 | المؤلف: Emad Elabd وآخرون | المجلة: Scientific Reports | المجال: الهندسة البيئية (Environmental Engineering)

    تقدم ورقة البحث دراسة شاملة حول تصنيف مؤشر جودة الهواء (AQI) باستخدام مجموعة بيانات يومية متاحة للجمهور على مستوى المقاطعات في الولايات المتحدة، والتي تشمل ست فئات من AQI: جيدة، معتدلة، غير صحية للمجموعات الحساسة، غير صحية، غير صحية جداً، وخطرة. تؤكد الدراسة على أهمية تصنيف AQI بدقة لمراقبة البيئة واتخاذ قرارات الصحة العامة. تم…


  • نهج تجميعي هرمي لتوقع PM10 متعدد البلدان باستخدام LightGBM وشبكة عصبية متبقية

    2026 | المؤلف: Syed Azeem Inam وآخرون | المجلة: Discover Atmosphere | المجال: الهندسة البيئية (Environmental Engineering)

    تقدم هذه البحث إطار عمل جديد من ثلاثة مراحل للتجميع المتراص مصمم للتنبؤ الدقيق بتركيزات الجسيمات (PM10) ليوم واحد مقدماً عبر 380 مدينة في 25 دولة، باستخدام مجموعة بيانات مؤشر جودة الهواء العالمي (WAQI) التي تحتوي على ما يقرب من 1.8 مليون سجل. يتناول الإطار تحديات منهجية كبيرة مثل تسرب الزمن ونمذجة الاعتماد الجغرافي غير…


  • نموذج توقعات التعلم الآلي المعتمد على XGBoost للأحداث القلبية الوعائية السلبية الكبرى بعد PCI في مرضى STEMI

    2026 | المؤلف: Ning Zhang وآخرون | المجلة: Scientific Reports | المجال: علم الأورام (Oncology)

    تدرس هذه الدراسة التنبؤ بالأحداث القلبية الوعائية السلبية الكبرى (MACE) لدى المرضى الذين يعانون من احتشاء عضلة القلب مع ارتفاع مقطع ST (STEMI) والذين خضعوا لتدخلات الشرايين التاجية عن طريق الجلد (PCI). باستخدام بيانات سريرية من 1,011 مريضًا، استخدمت الدراسة ستة خوارزميات تعلم آلي—الغابة العشوائية (RF)، مشغل الانكماش المطلق الأدنى واختيار المشغل (Lasso)، آلة الدعم…


  • اختيار المتغيرات في تحليل كفاءة البيانات: نهج الغابة العشوائية مع زيادة البيانات

    2026 | المؤلف: Tzu-Pu Chang | المجلة: Decision Science Letters | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تتناول هذه الورقة البحثية التحدي الحاسم لاختيار المتغيرات في تحليل كفاءة البيانات (DEA)، لا سيما عندما يكون عدد وحدات صنع القرار (DMUs) محدودًا. لتعزيز كفاءة اختيار المتغيرات، يقترح المؤلفون طريقة من مرحلتين تستخدم أولاً نموذج DEA أساسي لتصنيف DMUs ككفؤة أو غير كفؤة. في المرحلة الثانية، يتم استخدام خوارزمية الغابة العشوائية لتقييم أهمية كل متغير…


  • التعلم الجماعي الهجين المدعوم بالذكاء الاصطناعي للتنبؤ بمخاطر الائتمان غير المتوازنة: إطار دعم القرار بمشاركة الإنسان

    2026 | المؤلف: Chedia Karoui | المجلة: Journal of Project Management | المجال: المحاسبة (Accounting)

    تستكشف هذه الورقة البحثية دور مؤسسات التمويل الأصغر (MFIs) في تعزيز الشمول المالي في الاقتصادات الناشئة، لا سيما في سياق ارتفاع مخاطر الائتمان الناتجة عن عدم رسمية المقترضين ونقص البيانات. يقترح المؤلفون إطار عمل هجين قائم على الإنسان يجمع بين التعلم الجماعي وتقنية الزيادة الاصطناعية للأقليات (SMOTE) لتحسين اكتشاف التخلف عن السداد مع ضمان اتخاذ…


  • الطرق الإحصائية وطرق التعلم الآلي لتوقع تكرار الزلازل متعدد الخطوات في المناطق الإندونيسية

    2026 | المؤلف: Wenwen Hou | المجلة: Natural Hazards | المجال: الجيوفيزياء (Geophysics)

    تدرس هذه الدراسة إمكانيات خوارزميات التعلم الآلي، بما في ذلك الغابات العشوائية، وآلات الدعم الناقل (SVMs)، وXGBoost، وشبكات الذاكرة طويلة وقصيرة المدى (LSTM)، في التنبؤ بتكرار الزلازل في إندونيسيا. يتم اقتراح نموذج هجين جديد يدمج تقنيات التعلم الآلي مع إطار العمل للمتوسط المتحرك التكاملي الذاتي (ARIMA) للتنبؤ متعدد الخطوات. على عكس التوقعات، كان أداء نموذج…


  • إطار عمل للذكاء الاصطناعي القابل للتفسير لاكتشاف حالة العين المستندة إلى EEG

    2026 | المؤلف: Suleiman Ibrahim Mohammad وآخرون | المجلة: International Journal of Data and Network Science | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تستكشف هذه الدراسة تطبيق خوارزميات التعلم الآلي لتصنيف حالات العين – مفتوحة مقابل مغلقة – باستخدام إشارات تخطيط الدماغ (EEG) المسجلة من عدة أقطاب كهربائية على فروة الرأس. تم تقييم نماذج تصنيف مختلفة، حيث حققت خوارزمية الجيران الأقرب (KNN) أعلى دقة بلغت 0.9609 ودرجة ROC-AUC بلغت 0.9927. كما أظهرت طرق التجميع الأخرى، بما في ذلك…


  • التعلم الآلي الجماعي القابل للتفسير لتقييم مخاطر الائتمان المستند إلى الإفصاح في الإقراض من نظير إلى عمل

    2026 | المؤلف: Gihan M. Ali | المجلة: International Journal of Data and Network Science | المجال: المحاسبة (Accounting)

    تقدم هذه الدراسة إطار عمل لتعلم الآلة (ML) القابل للتفسير والذي يهدف إلى تعزيز تقييم مخاطر الائتمان في الإقراض من نظير إلى عمل (P2B)، وهو نموذج FinTech متزايد يسهل التمويل للمؤسسات الصغيرة والمتوسطة (SMEs). يعالج الإطار تحديات حاسمة مثل عدم التوازن في المعلومات وعدم توازن الفئات من خلال دمج Random Forest (RF) وLight Gradient Boosting…


  • الدقة، والوضوح، والاسترجاع، ودرجة F1، أو MCC؟ أدلة تجريبية من الإحصاءات المتقدمة، والتعلم الآلي، والذكاء الاصطناعي القابل للتفسير لتقييم نماذج التنبؤ التجارية

    2025 | المؤلف: Khaled Mahmud Sujon وآخرون | المجلة: Journal Of Big Data | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تتناول هذه الدراسة التحديات التي تطرحها مجموعات البيانات غير المتوازنة في تعدين بيانات الأعمال، لا سيما في المجالات ذات المخاطر العالية مثل توقع المخاطر المالية وتحليل فقدان العملاء. وتبرز عدم كفاية مقاييس التقييم التقليدية – مثل الدقة، والدقة الإيجابية، والاسترجاع، ودرجة F1، ومعامل ارتباط ماثيو (MCC) – في تقديم تقييمات موثوقة للأداء في ظل ظروف…


←السابق
1 … 3 4 5 6 7 … 17
التالي→

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