الأبحاث المرتبطة بالكلمة المفتاحية: ميزة (لغويات)

تحليل مقارن لنماذج تعلم الآلة في توقع مرض الشريان التاجي مع اختيار ميزات محسّن
Comparative analysis of machine learning models for coronary artery disease prediction with optimized feature selection

تستكشف هذه الدراسة تطبيق تقنيات التعلم الآلي (ML) للتنبؤ بمرض الشريان التاجي (CAD) باستخدام مجموعتين من البيانات: مجموعة بيانات فرامينغهام ومجموعة بيانات ز-علي زاده ساني. من خلال اعتماد منهجية منظمة تشمل معالجة البيانات، واختيار الميزات عبر خوارزمية تحسين بحث النسر الأصلع (BESO)، وتقييم نماذج التصنيف المتعددة، تحدد الأبحاث أن الغابة العشوائية (RF) هي الأكثر فعالية…
تقنية اختيار ميزات جماعية تكيفية للتنبؤ بالسكري غير المعتمدة على نموذج
An adaptive ensemble feature selection technique for model-agnostic diabetes prediction

تقدم ورقة البحث AdaptDiab، وهي طريقة مبتكرة لاختيار الميزات من خلال مجموعة تهدف إلى تعزيز توقع مرض السكري من خلال نهج غير مرتبط بالنموذج. من خلال دمج تقنيات اختيار الميزات المختلفة، بما في ذلك طرق التصفية مثل ANOVA F-score، ودرجة فيشر، وحدود التباين، يحدد AdaptDiab بشكل فعال مجموعة فرعية مثالية من الميزات. تستخدم الطريقة دالة…
DM-YOLO: نموذج YOLOv9 المحسن للكشف عن أمراض أوراق الطماطم
DM-YOLO: improved YOLOv9 model for tomato leaf disease detection

في هذا القسم، يتناول المؤلفون التحديات المتعلقة بالكشف عن أمراض أوراق الطماطم في البيئات الطبيعية، بما في ذلك التغيرات في الإضاءة، والأعراض المتداخلة، وأحجام الآفات الصغيرة، واحتباس الأوراق. للتغلب على هذه المشكلات، يقترحون طريقة كشف محسّنة تُدعى DM-YOLO، التي تعتمد على خوارزمية YOLOv9. تشمل الابتكارات الرئيسية دمج تقنية تصعيد ديناميكية خفيفة الوزن (DySample) في العمود…
تقنية محسّنة تعتمد على التصويت الناعم في تعلم الآلة للكشف عن سرطان الثدي باستخدام اختيار ميزات فعّال وتوازن الفئات SMOTE-ENN
An improved soft voting-based machine learning technique to detect breast cancer utilizing effective feature selection and SMOTE-ENN class balancing

تتناول ورقة البحث القضية الحرجة لسرطان الثدي، الذي لا يزال السبب الرئيسي للوفاة بين النساء في جميع أنحاء العالم. تؤكد على أهمية الكشف المبكر والتشخيص الدقيق في تقليل معدلات الوفيات. تسلط الدراسة الضوء على قيود خوارزميات التعلم الآلي عند مواجهة مجموعات بيانات تحتوي على ميزات مكررة أو غير ذات صلة. لتعزيز فعالية هذه الخوارزميات، ينفذ…
شبكة الانتباه القنوي المتبقي (RCA) لتصنيف مشاهد الصور في الاستشعار عن بُعد
Residual Channel-attention (RCA) network for remote sensing image scene classification

تقدم ورقة البحث شبكة جديدة تُعرف بشبكة الانتباه القنوي المتبقي (RCA) تهدف إلى تحسين تصنيف مشاهد الصور عالية الدقة في الاستشعار عن بعد (HRRS). تواجه الشبكات العصبية التقليدية (CNNs) تحديات في التقاط العلاقات الدلالية المعقدة والاعتمادات بعيدة المدى في صور HRRS، التي غالبًا ما تظهر تباينًا كبيرًا داخل الفئات وتشابهًا بين الفئات. تعالج شبكة RCA…
نموذج هجين من CNN-Bi-LSTM مع دمج الميزات للكشف الدقيق عن نوبات الصرع
A hybrid CNN-Bi-LSTM model with feature fusion for accurate epilepsy seizure detection

تتناول الأبحاث الحاجة الملحة لطرق فعالة لاكتشاف النوبات في إدارة الصرع، مقترحة نهج هجين جديد للتعلم العميق يدمج دمج الميزات من أجل دقة محسنة. تستخدم المنهجية تحويل الموجات المتقطعة (DWT) لتفكيك إشارات EEG على خمسة مستويات، مستخرجة ميزات الوقت-التردد وغير الخطية. لتحسين اختيار الميزات، يتم استخدام آلة الدعم المتجهة-إزالة الميزات التكرارية (SVM-RFE)، تليها التصنيف باستخدام…
نموذج RFE-GRU جديد لتصنيف مرض السكري باستخدام مجموعة بيانات PIMA الهندية
A novel RFE-GRU model for diabetes classification using PIMA Indian dataset

تتناول ورقة البحث تطبيق تقنيات التعلم الآلي (ML) لتحسين التشخيص المبكر لمرض السكري، وهو حالة مزمنة مرتبطة بمضاعفات صحية خطيرة مثل السكتة الدماغية وفشل القلب. باستخدام مجموعة بيانات السكري الهندي PIMA (PIDD)، التي تتكون من 768 حالة و9 ميزات، تؤكد الدراسة على أهمية خطوات المعالجة المسبقة، بما في ذلك تعويض المتوسط وتطبيع البيانات، قبل تدريب…
كشف الحمل المعرفي من خلال تحسين ميزات القنوات الكهربائية الدماغية وتصنيف التجميع
Cognitive load detection through EEG lead wise feature optimization and ensemble classification

تستقصي هذه الدراسة تقييم الحمل المعرفي من خلال تحليل إشارات تخطيط الدماغ الكهربائي (EEG)، مع التركيز على استجابة الدماغ للمؤثرات التي تسبب التوتر. باستخدام تحليل المتوسط المحلي القوي (R-LMD)، تم تحليل بيانات EEG إلى خمسة أوضاع على مدى أربع ثوانٍ. تم استخدام خوارزمية تحسين الحساب الثنائي (BAO) لتقليل مساحة الميزات واستخراج ميزات متعددة المجالات، مما…
تقليل الميزات لتوقع سرطان الكبد الخلوي باستخدام خوارزميات التعلم الآلي
Feature reduction for hepatocellular carcinoma prediction using machine learning algorithms

تستقصي هذه الدراسة توقع سرطان الكبد (HCC) باستخدام خوارزميات تعلم الآلة المختلفة، مع التركيز على تأثير تقنيات تقليل الميزات على أداء النموذج. تستخدم الأبحاث طرقًا مثل وزن الميزات، ارتباط الميزات المخفية، اختيار الميزات، والاختيار المحسن لاشتقاق مجموعة ميزات مخفضة تحتفظ بأكثر المعلومات ذات الصلة المتعلقة بـ HCC. تشمل الخوارزميات المختبرة نايف بايز، آلات الدعم الشعاعي…
ASF-YOLO: نموذج YOLO جديد مع دمج تسلسل المقياس الانتباهي لتجزئة حالات الخلايا
ASF-YOLO: A novel YOLO model with attentional scale sequence fusion for cell instance segmentation

في هذا القسم، يقدم المؤلفون تطوير نموذج ASF-YOLO، وهو إطار متقدم لتجزئة الكائنات مصمم لتحليل صور الخلايا. يدمج هذا النموذج دمج الميزات المكانية والقياسية لتعزيز الكشف والتجزئة للأشياء الصغيرة والكثيفة في صور الخلايا. تشمل الابتكارات الرئيسية تقديم وحدات SSFF (دمج الميزات المكانية والقياسية) وTFE (تعزيز الميزات الزمنية)، والتي تحسن بشكل كبير أداء التجزئة متعددة المقاييس.…