تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الكلمات المفتاحية
  3. معيار (المسح)

الأبحاث المرتبطة بالكلمة المفتاحية: معيار (المسح)




  • ما بعد تبديل الوجه: معيار إنساني رقمي قائم على الانتشار لاكتشاف التزييف العميق متعدد الوسائط

    2026 | المؤلف: Jiaxin Liu وآخرون | المجلة: ICASSP 2026 – 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    يقدم هذا القسم نظرة عامة على التحديات التي تطرحها التطورات الأخيرة في تقنيات الديب فيك، لا سيما في مجال توليد البشر الرقميين. يقدم المؤلفون DigiFakeAV، وهو مجموعة بيانات شاملة للتزوير متعددة الوسائط تتكون من 60,000 فيديو تم إنتاجها بواسطة خمسة نماذج رائدة للبشر الرقميين. تتميز هذه المجموعة بتنوعها في الجنسية، لون البشرة، الجنس، والسيناريوهات، مما…


  • IM-NSGAII: نهج جديد لتعزيز سرعة التقارب وتنوع السكان في تحسين الأهداف المتعددة

    2026 | المؤلف: Wei Jiang وآخرون | المجلة: PLoS ONE | المجال: النظرية الحسابية والرياضيات (Computational Theory and Mathematics)

    تقدم البحث نسخة محسنة من خوارزمية NSGAII، المسماة IM-NSGAII، تهدف إلى تعزيز كل من سرعة التقارب وتنوع السكان في الخوارزميات التطورية متعددة الأهداف. تحدد الدراسة أن NSGAII التقليدية تواجه صعوبة في الحفاظ على التنوع، خاصة عند التنقل عبر جبهات باريتو المعقدة. للتخفيف من ذلك، تتضمن IM-NSGAII تقنية تقييم السكان بعد الفرز غير المهيمن لتحسين اختيار…


  • تقييم جودة عدم اليقين الكمي لإعادة (إعادة) معايرة نماذج الانحدار المدفوعة بالبيانات

    2026 | المؤلف: Jelke Wibbeke وآخرون | المجلة: International Journal of Approximate Reasoning | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    في التطبيقات الحرجة للسلامة، تعتبر موثوقية تقديرات عدم اليقين من النماذج المعتمدة على البيانات أمرًا بالغ الأهمية، مما يتطلب معايرة دقيقة لاتخاذ قرارات مستنيرة. تصنف هذه الدراسة بشكل منهجي وتقيّم مقاييس معايرة الانحدار المختلفة، كاشفة عن اختلافات كبيرة في تعريفاتها وفرضياتها ومقاييسها، مما يعقد المقارنات عبر الدراسات. من خلال تجارب مضبوطة تشمل بيانات حقيقية وصناعية…


  • نموذج تعلم آلي متسق ديناميكي حراري لطاقة غيبس الزائدة

    2026 | المؤلف: Marco Hoffmann وآخرون | المجلة: Nature Communications | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    إن الطاقة الزائدة لجيبس، التي يرمز لها بـ $g_E$، هي عنصر أساسي في هندسة الكيمياء والكيمياء لنمذجة الخصائص الديناميكية الحرارية للخلائط السائلة. كان التنبؤ بدقة بـ $g_E$ للخلائط متعددة المكونات بناءً فقط على الهياكل الجزيئية تحديًا كبيرًا. يقدم البحث HANNA، وهو نموذج تعلم آلي متعدد الاستخدامات مصمم للتنبؤ بالطاقة الزائدة لجيبس مع دمج القوانين الفيزيائية…


  • إطار تمييز الدوائر لوظائف غرين على الحواسيب الكمومية

    2026 | المؤلف: Samuele Piccinelli وآخرون | المجلة: Quantum | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    في هذا البحث، يقدم المؤلفون إطارًا شاملاً لحساب دوال غرين المتأخرة (RGFs) على الحواسيب الكمومية من خلال إعادة صياغة المشكلة كمسألة تمايز الدوائر. تستفيد هذه الطريقة من التطور الزمني الحقيقي ومكونات الدائرة المصممة خصيصًا، والتي تُسمى اضطرابات الدائرة، والتي تمثل قوى اضطرابية خارجية في سياق الاستجابة الخطية. من خلال إنشاء ارتباط مباشر بين مشتقات الدائرة…


  • TGIF2: مجموعة بيانات مزيفة موجهة بالنص الممتد ومعيار

    2026 | المؤلف: Hannes Mareen وآخرون | المجلة: Journal on Information Security | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    يتناول قسم ورقة البحث التقدمات والتحديات التي تطرحها الذكاء الاصطناعي التوليدي في مجال تحرير الصور، تحديدًا من خلال إعادة التلوين الموجه بالنص. بينما أظهرت المعايير الحالية، بما في ذلك مجموعة بيانات تزوير إعادة التلوين الموجه بالنص (TGIF)، أن طرق تحديد موقع تزوير الصور (IFL) يمكن أن تحدد بفعالية التلاعبات في الصور المدمجة، إلا أنها تواجه…


  • FEDONet: DeepONet المدمج بفورييه لتعلم المشغل بدقة طيفية

    2026 | المؤلف: Arth Sojitra وآخرون | المجلة: Journal of Computational Physics | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تناقش هذه القسم تطوير وتقييم الشبكات العميقة المدمجة بفورييه (FEDONets)، وهي نوع متقدم من DeepONets مصممة لتعزيز تعلم المشغلين غير الخطيين، خاصة في سياق المعادلات التفاضلية الجزئية (PDEs). تكافح DeepONets التقليدية، التي تستخدم طبقات خطية متصلة بالكامل، لالتقاط الهياكل المكانية المعقدة لمختلف PDEs. من خلال دمج تضمينات فورييه في شبكة الجذع، تحسن FEDONets بشكل كبير…


  • ClinicRealm: إعادة تقييم نماذج اللغة الكبيرة باستخدام التعلم الآلي التقليدي لمهام التنبؤ السريرية غير التوليدية

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

    يتناول قسم ورقة البحث تقييم نماذج اللغة الكبيرة (LLMs) في سياق التنبؤ السريري، متحديًا الافتراض السائد بأن النماذج المتخصصة تتفوق على LLMs في المهام غير التوليدية. باستخدام معيار ClinicRealm، يقيم البحث بشكل منهجي 15 نموذج LLM على طراز GPT، و5 نماذج على طراز BERT، و11 طريقة تقليدية على كل من الملاحظات السريرية غير المنظمة وسجلات…


  • تحليل الوضع الديناميكي المحلي مع تقسيم زمني متكيف

    2026 | المؤلف: Qiuqi Li وآخرون | المجلة: SIAM Journal on Scientific Computing | المجال: الفيزياء الإحصائية وغير الخطية (Statistical and Nonlinear Physics)

    تقدم البحث إطار عمل تحليل الوضع الديناميكي المحلي (LDMD) الذي يهدف إلى تحسين دقة التنبؤ على المدى الطويل للأنظمة الديناميكية مقارنةً بتحليل الوضع الديناميكي القياسي (DMD). يدمج نهج LDMD نقاط القوة في التنبؤ الخطي لـ DMD مع تقسيم المجال الزمني، حيث يقسم المجال الزمني إلى فترات فرعية للتنبؤات المحلية. يقدم الدراسة كل من طريقة تقسيم…


  • تقييم تصنيف الصور الطبية في العالم الحقيقي مع تسميات مشوشة: التحديات، الممارسة، والرؤية المستقبلية

    2026 | المؤلف: Yuan Ma وآخرون | المجلة: Pattern Recognition | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    يقدم هذا القسم نظرة عامة على التحديات المرتبطة بالتعلم من التسميات الضوضائية في تحليل الصور الطبية، حيث المعرفة الخبيرة مطلوبة للتعليق وغالبًا ما تؤدي التباينات بين المراقبين إلى تسميات غير متسقة. لتقييم قوة الطرق الحالية في هذا المجال بشكل منهجي، يقدم المؤلفون LNMBench، وهو معيار شامل مصمم للضوضاء في التسميات في التصوير الطبي. يتضمن LNMBench…


←السابق
1 2 3 4 5 6 … 22
التالي→

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