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

الأبحاث المرتبطة بالكلمة المفتاحية: نقل التعلم




  • تصنيف أمراض نبات الأرز باستخدام DenseNet121 الفعال

    2026 | المؤلف: Amr Ismail وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تسلط الأبحاث الضوء على الدور الحاسم للتعرف الدقيق على أمراض النباتات في الزراعة والأمن الغذائي، مع التأكيد على قيود الطرق التقليدية التي تعتمد على الفحص البصري والمعرفة الخبيرة. لمعالجة هذه التحديات، تستخدم الدراسة DenseNet121، وهي بنية شبكة عصبية تلافيفية (CNN) متطورة، لتصنيف سبع أمراض شائعة في الأرز. من خلال استخدام التعلم الانتقالي مع أوزان ImageNet…


  • نماذج التعلم العميق المتطورة لتصنيف أورام الدماغ

    2026 | المؤلف: Faruk Özger وآخرون | المجلة: GAZI UNIVERSITY JOURNAL OF SCIENCE | المجال: طب الأعصاب (Neurology)

    تقوم هذه الدراسة بتقييم منهجي لعشر هياكل بارزة في التعلم العميق، تقارن بين خمسة شبكات عصبية تلافيفية (CNNs) وخمسة محولات رؤية (ViTs) لتصنيف أورام الدماغ باستخدام بيانات التصوير بالرنين المغناطيسي. تشير النتائج إلى أن كلا عائلتي النماذج تحققان دقة تصنيف عالية، حيث تحقق Inception v4 أعلى دقة بنسبة 96.73%، مما يظهر فعالية المعالجة التلافيفية متعددة…


  • TabNSA: انتباه متفرق أصلي لتعلم البيانات الجدولية بكفاءة

    2026 | المؤلف: Ali Eslamian وآخرون | المجلة: Neurocomputing | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم البحث TabNSA، وهو إطار عمل جديد للتعلم العميق مصمم لمعالجة التحديات الفريدة التي تطرحها البيانات الجدولية، مثل أنواع الميزات المتنوعة والبنية المكانية المحدودة. يدمج TabNSA الانتباه المتناثر الأصلي (NSA) مع هيكل TabMixer لتعزيز الكفاءة الحسابية وقدرات التمثيل. يستخدم نموذج NSA آلية انتباه متناثر هرمي تتضمن ضغط الرموز، والحفاظ الانتقائي، والنوافذ المنزلقة المحلية، مما يقلل…


  • تكرار مقابل عدم التكرار في الانفجارات الراديوية السريعة: نهج التعلم العميق للتوصيف الشكلي

    2026 | المؤلف: Bikash Kharel وآخرون | المجلة: The Astrophysical Journal | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    في هذا القسم، يقدم المؤلفون منهجية تعلم عميق لتصنيف الانفجارات الراديوية السريعة (FRBs) بناءً على خصائصها الشكلية كما هو موضح في الأطياف الديناميكية من كتالوج CHIME/FRB 2. باستخدام التعلم الانتقالي مع بنية ConvNext المدربة مسبقًا، يركز البحث على تصنيف الأطياف الديناميكية التي تم إزالة التشتت منها—المعالجة كصور—إلى فئتين: FRBs المتكررة وغير المتكررة. يستفيد هذا التصنيف…


  • 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…


  • الاستفادة من التعلم الانتقالي للتقدير الدقيق لحواجز هجرة الأيونات في المواد الصلبة

    2026 | المؤلف: Reshma Devi وآخرون | المجلة: npj Computational Materials | المجال: كيمياء المواد (Materials Chemistry)

    في هذا القسم، يتناول المؤلفون التحدي الحاسم المتمثل في توقع حاجز هجرة الأيونات ($E_m$) في المواد الصلبة، والذي يؤثر بشكل كبير على أداء التطبيقات مثل البطاريات، وخلايا الوقود، وأجهزة الاستشعار الكهروكيميائية. غالبًا ما كانت الطرق التقليدية لتحديد المواد ذات $E_m$ المنخفض تعتمد على أوصاف غير دقيقة. للتغلب على هذا القيد، يقترح المؤلفون بنية قائمة على…


  • أمان السائقين في أنظمة النقل الذكية: التعلم الفدرالي لحفظ الخصوصية للكشف عن نعاس السائق

    2026 | المؤلف: Khubab Ahmad وآخرون | المجلة: Frontiers in Computer Science | المجال: علم النفس التجريبي والمعرفي (Experimental and Cognitive Psychology)

    تتناول هذه الدراسة القضية الحرجة المتعلقة بالنعاس لدى السائقين في أنظمة النقل الذكية، مع التأكيد على الحاجة إلى طرق تحافظ على الخصوصية في تبادل البيانات بين المركبات. يستخدم الإطار المقترح بيانات مستشعرات التشخيص على متن المركبة (OBD-II)، التي تم تحويلها إلى تمثيلات صور عبر معاملات ميل-تردد سيفسترال (MFCC)، لاكتشاف نعاس السائق في الوقت الحقيقي من…


  • تقييم مقارن وتحليل قابلية التفسير لهياكل الشبكات العصبية التلافيفية الحديثة لتصنيف أورام الدماغ باستخدام التصوير بالرنين المغناطيسي

    2026 | المؤلف: Nitipon Pongphaw وآخرون | المجلة: Journal of Associated Medical Sciences | المجال: طب الأعصاب (Neurology)

    تتناول هذه الدراسة تحدي تصنيف أورام الدماغ بدقة وقابلية للتفسير من صور الرنين المغناطيسي، مع التركيز على نظام تصنيف من أربع فئات (غليوما، منينجيوما، ورم الغدة النخامية، وعدم وجود ورم) باستخدام إطار عمل ConvNeXt-Tiny. تم مقارنة أداء ConvNeXt-Tiny مع هياكل الشبكات العصبية الالتفافية المعروفة، بما في ذلك DenseNet169 وXception وMobileNetV3-Large وCNN+DenseNet169 وResNet50، باستخدام التعلم الانتقالي…


  • التصنيف متعدد الفئات للأورام الدماغية باستخدام تقنيات CNN المحسّنة وتقنيات التعلم الانتقالي

    2026 | المؤلف: Vatsala Anand وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم هذه البحث نموذج الشبكات العصبية التلافيفية (CNN) المصمم للكشف الآلي وتصنيف أورام الدماغ، مع التركيز بشكل خاص على الورم الدبقي، ورم السحايا، وأورام الغدة النخامية، والحالات التي لا تحتوي على أورام. يتكون النموذج من أربعة كتل تلافيفية ويستخدم مُحسِّن آدم لتقليل خسارة الانتروبيا المتقاطعة، محققًا دقة إجمالية ملحوظة تبلغ 98.5%. تتجاوز هذه الأداء نماذج…


  • تأثير استخدام الذكاء الاصطناعي التوليدي على أداء الموظفين الابتكاري في العمل

    2026 | المؤلف: Hui Zhang وآخرون | المجلة: PLoS ONE | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    يتناول هذا القسم من ورقة البحث تأثير أدوات الذكاء الاصطناعي التوليدي (GenAI) على الأداء الابتكاري للموظفين، في إطار نظرية الاستخدامات والإشباعات. تحلل الدراسة بيانات استبيان من 366 موظفًا وتحدد نتيجتين رئيسيتين: أولاً، يعزز كل من الاستخدامات المعرفية والاجتماعية لأدوات GenAI بشكل كبير الأداء الوظيفي الابتكاري؛ ثانيًا، يساعد الاستخدام المعرفي بشكل أساسي في سلوكيات نقل المعرفة،…


←السابق
1 2 3 4 … 7
التالي→

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