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

الأبحاث المرتبطة بالكلمة المفتاحية: مجموعة التدريب




  • التعلم المنقول لتشتت النيوترينو: التكيف مع المجال باستخدام الشبكات التنافسية التوليدية

    2026 | المؤلف: J. L. Bonilla وآخرون | المجلة: Physical review. D/Physical review. D. | المجال: الفيزياء النووية وطاقات عالية (Nuclear and High Energy Physics)

    في هذا القسم، يستكشف المؤلفون تطبيق التعلم بالنقل (TL) للاستفادة من شبكة الخصومة التوليدية (GAN) المدربة على بيانات تشتت النيوترينو-الكربون الاصطناعية للتنبؤ بالتفاعلات المتعلقة بالنيوترينو، وبشكل خاص عمليات النيوترينو-الأرجون والنيوترينو المضاد-الكربون. تدرس الدراسة مدى اتساق ديناميات اللبتون-النواة عبر أهداف وتفاعلات مختلفة، بالإضافة إلى فعالية TL عندما تأتي بيانات التدريب من نموذج تفاعل نيوترينو-نواة مختلف. تشير…


  • بروتوكول بروتيو بوست آر: إطار تفاعلي للتعلم الآلي المراقب في علم البروتيوميات السريرية

    2026 | المؤلف: Annika Topitsch وآخرون | المجلة: Clinical Proteomics | المجال: التحليل الطيفي (Spectroscopy)

    تقدم هذه القسم نظرة عامة على تطوير وتطبيق ProteoBoostR، وهو تطبيق Shiny سهل الاستخدام مصمم لتسهيل استخدام تقنيات التعلم الآلي المتقدمة (ML)، وبشكل خاص XGBoost، في علم البروتيوميات القائم على مطيافية الكتلة. يعالج هذا الأداة الفجوة في خبرة التعلم الآلي بين الباحثين في العلوم الطبية الحيوية من خلال تمكينهم من تدريب وتقييم وتطبيق نماذج التصنيف…


  • مجموعة البيانات لتوسيع تقييم EMNIST

    2026 | المؤلف: Julian Szymański وآخرون | المجلة: Scientific Data | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    يقدم هذا القسم من الورقة نظرة شاملة على مجموعة بيانات تم إنشاؤها حديثًا تهدف إلى تعزيز تقييم نماذج التعلم الآلي للتعرف على الأحرف المكتوبة بخط اليد. تم تصميم مجموعة البيانات لتكمل قواعد بيانات NIST الموجودة، مما يسهل تحليلًا أكثر شمولاً للنماذج المطورة باستخدام هذه المصادر البيانية. يلخص المؤلفون نماذج التعلم الآلي المتاحة للجمهور والتي تم…


  • عينات مولدة بواسطة LLM لاكتشاف البرمجيات الضارة على أندرويد

    2026 | المؤلف: Nik Rollinson وآخرون | المجلة: Digital | المجال: معالجة الإشارات (Signal Processing)

    تبحث الدراسة في إمكانيات نماذج اللغة الكبيرة (LLMs)، وبشكل خاص نسخة معدلة من GPT-4.1-mini، لتوليد سجلات جدولية منظمة لاكتشاف البرمجيات الخبيثة على نظام أندرويد، مع التركيز على ثلاث عائلات من البرمجيات الخبيثة: BankBot وLocker/SLocker وAirpush/StopSMS. تتناول الدراسة التحديات التي تطرحها البرمجيات الخبيثة المتطورة على نظام أندرويد، والتي تعقد طرق الكشف التقليدية، وتستكشف استخدام البيانات الاصطناعية…


  • تحقيق التوازن بين السرعة والدقة في طي البروتينات: مقارنة بين AlphaFold2 وESMFold وOmegaFold

    2026 | المؤلف: Anna Hyskova وآخرون | المجلة: Frontiers in Genetics | المجال: علم الأحياء الجزيئي (Molecular Biology)

    تتطلب التقدم السريع في أدوات توقع بنية البروتين تقييمات أداء منهجية للمساعدة في اختيار الطريقة، خاصةً بالنظر إلى التوازن بين سرعة الحساب ودقة التوقع. في هذه الدراسة، قمنا بتقييم ثلاثة أدوات بارزة—AlphaFold2 وESMFold وOmegaFold—باستخدام مجموعة بيانات تتكون من 1,337 سلسلة بروتين من بنك بيانات البروتين، مع ضمان عدم وجود تداخل مع بيانات التدريب. قمنا بتقييم…


  • GAN الزمنية Wasserstein لتوقع موجات المحيط مع مجموعات تدريب صغيرة

    2026 | المؤلف: Jiani Chen وآخرون | المجلة: Ocean Engineering | المجال: علم المحيطات (Oceanography)

    تتناول ورقة البحث التحدي المتمثل في توقع الأمواج في الأنشطة البحرية، مع التأكيد على الحاجة إلى بيانات تاريخية عالية الجودة لتدريب الخوارزميات المعتمدة على التعلم. نظرًا للقيود مثل قيود المعدات وظروف المحيط القاسية، فإن الحصول على بيانات كافية عن الأمواج غالبًا ما يكون صعبًا. لمواجهة هذه المشكلة، يقترح المؤلفون نموذجًا جديدًا لتAugmentation البيانات، WTGAN (شبكة…


  • التعرف البصري على الموسيقى لكامل الصفحة من النهاية إلى النهاية لموسيقى البيانو

    2026 | المؤلف: Antonio Ríos-Vila وآخرون | المجلة: International Journal of Computer Vision | المجال: معالجة الإشارات (Signal Processing)

    تقدم ورقة البحث نظامًا جديدًا للتعرف على الموسيقى البصرية (OMR) من البداية إلى النهاية مصممًا لتحويل تخطيطات النوتات الموسيقية المعقدة مباشرة إلى تنسيقات رقمية، متجاوزًا قيود خطوط المعالجة التقليدية متعددة المراحل. يدمج النموذج المقترح الطبقات التلافيفية مع المحولات الذاتية الانحدار، مما يمكّنه من معالجة صفحات النوتات الموسيقية الكاملة وإخراج النسخ بتنسيق ترميز موسيقي. تستخدم منهجية…


  • تأثير بيانات تدريب التعلم الآلي على تقدير ملف بخار الماء باستخدام مقياس الميكروويف القائم على الأرض

    2026 | المؤلف: Masahiro Minowa وآخرون | المجلة: SOLA | المجال: علوم الغلاف الجوي (Atmospheric Science)

    تدرس هذه الدراسة تأثير مجموعات بيانات تدريب التعلم الآلي (ML) المختلفة على تقدير ملفات بخار الماء المستمدة من ملاحظات مقياس الموجات الدقيقة (MWR). شملت مجموعات بيانات التدريب بيانات إعادة تحليل ERA5، وقياسات SONDE، وبيانات الأرصاد الجوية السطحية. أظهرت التقييمات مقابل قياسات SONDE أن نماذج ML المدربة ببيانات ERA5 أنتجت ملفات كانت أكثر توافقًا مع القيم…


  • الذكاء الاصطناعي الشامل في الطب؛ تحسين الأداء والقدرة على التفسير

    2026 | المؤلف: Periklis Petridis وآخرون | المجلة: npj Digital Medicine | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم البحث xHAIM (HAIM القابل للتفسير)، وهو تقدم لإطار HAIM (الذكاء الاصطناعي الشامل في الطب) الذي تم تأسيسه سابقًا، والذي يدمج البيانات متعددة الأنماط للمهام السريرية ولكنه يفتقر إلى القابلية للتفسير واستخدام البيانات الخاصة بالمهام. يعالج xHAIM هذه النواقص من خلال استخدام الذكاء الاصطناعي التوليدي في عملية منظمة من أربع خطوات: (1) تحديد بيانات المرضى…


  • تشخيص ECG متعدد الوسائط القابل للتفسير عبر توافق المعرفة السريرية الهيكلية

    2026 | المؤلف: Jialu Tang وآخرون | المجلة: npj Cardiovascular Health | المجال: طب القلب والأوعية الدموية (Cardiology and Cardiovascular Medicine)

    يتناول هذا القسم التحديات المرتبطة بتفسير تخطيط القلب الكهربائي (ECG) بشكل آلي في تشخيص الأمراض القلبية الوعائية، مع التركيز بشكل خاص على نقص الشفافية والتعميم في الأنظمة الحالية. للتغلب على هذه القيود، يقدم المؤلفون ZETA، وهو إطار عمل متعدد الوسائط بدون تدريب مسبق يعزز من قابلية التفسير في تشخيص ECG من خلال محاذاة إشارات ECG…


←السابق
1 2 3
التالي→

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