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




  • كشف فعال عن أمراض النباتات باستخدام نهج التعلم الانتقالي

    2025 | المؤلف: Bosubabu Sambana وآخرون | المجلة: Scientific Reports | المجال: علوم النبات (Plant Science)

    تتناول البحث القضية الحرجة لأمراض النباتات، التي تؤثر بشكل كبير على الإنتاجية الزراعية والجودة. الكشف المبكر ضروري للتخفيف من هذه الآثار، وتقدم التقدمات التكنولوجية حلولًا واعدة لأتمتة مراقبة الأمراض. يقدم هذه الدراسة نظامًا يستخدم تقنيات التعلم الانتقالي باستخدام YOLOv7 و YOLOv8، وهما نموذجين متقدمين للكشف عن الأجسام، لتحديد ومراقبة مختلف أمراض النباتات، بما في ذلك…


  • إعادة النظر في محاذاة إقليدس لتعلم النقل في واجهات الدماغ-الكمبيوتر المعتمدة على تخطيط الدماغ

    2025 | المؤلف: Dongrui Wu | المجلة: Journal of Neural Engineering | المجال: علم الأعصاب الإدراكي (Cognitive Neuroscience)

    تقدم هذه القسم نظرة عامة على التحديات المرتبطة بواجهات الدماغ-الكمبيوتر (BCIs) المعتمدة على تخطيط الدماغ الكهربائي (EEG)، وخاصة الحاجة إلى المعايرة الخاصة بالموضوع بسبب التباين الكبير داخل وبين الموضوعات في إشارات EEG. غالبًا ما تكون هذه العملية المعايرة مستهلكة للوقت ويمكن أن تعيق التطبيقات العملية لـ BCIs. لمعالجة هذه المشكلة، تم استخدام التعلم بالنقل (TL)…


  • التعلم الديناميكي لنقل المعرفة عبر المجالات لرصد تعب السائق: دمج مستشعرات متعددة النماذج مع تخصيصات شخصية في الوقت الحقيقي

    2025 | المؤلف: S. S. Aravinth وآخرون | المجلة: Scientific Reports | المجال: علم النفس التجريبي والمعرفي (Experimental and Cognitive Psychology)

    تقدم ورقة البحث إطار عمل جديد لتعلم النقل الديناميكي عبر المجالات يهدف إلى تعزيز مراقبة تعب السائق من خلال دمج بيانات المستشعرات متعددة الأنماط. يتناول الإطار تحديات حاسمة مثل تعميم المجال، وتنوع المستشعرات، والتخصيص في الوقت الحقيقي، والتي تتواجد بشكل شائع في أنظمة الكشف عن التعب الحالية. تشمل الابتكارات الرئيسية استخدام شبكة عصبية معادية للمجال…


  • إطار عمل قابل للتفسير لتصنيف سرطان المعدة باستخدام آليات الانتباه متعددة القنوات ونهج التعلم الانتقالي على صور علم الأمراض

    2025 | المؤلف: Muhammad Zubair وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)

    تقدم ورقة البحث إطار عمل جديد لآلية الانتباه متعددة القنوات (MCAM) مصممة لتعزيز تصنيف صور علم الأمراض السرطانية للمعدة (GC) باستخدام تقنيات التعلم العميق. غالبًا ما تكافح نماذج التعلم العميق التقليدية مع القابلية للتفسير، والتكيف، والحساسية للضوضاء، وهو ما يعالجه إطار العمل المقترح MCAM من خلال التركيز الديناميكي على الميزات ذات الصلة من خلال ثلاث…


  • التعلم الانتقالي عبر تفاعلات عضوية فوتوكاتاليتيكية مختلفة

    2025 | المؤلف: Naoki Noto وآخرون | المجلة: Nature Communications | المجال: الكيمياء العضوية (Organic Chemistry)

    في هذه الدراسة، يؤكد المؤلفون على أهمية بناء مجموعات بيانات من نطاق المصدر تعكس الاتجاهات في النشاط الضوئي المماثل للتفاعل المستهدف، لا سيما للتفاعلات التي تتضمن عمليات نقل الطاقة (EnT) مثل الاقتران الضوئي المتقاطع، والإضافة الدائرية، وتحويل الألكينات. ويبرزون أن اختيار مجموعات البيانات المناسبة أمر حاسم لتعزيز دقة التنبؤ. ومن النتائج الرئيسية أن معامل ارتباط…


  • التعلم الفيدرالي مع نموذج متعدد المقاييس مدمج للانتباه لتجزئة أورام الدماغ

    2025 | المؤلف: Sherly Alphonse وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تتناول ورقة البحث القضية الحرجة لاكتشاف الأورام الدماغية وتقسيمها، مع التأكيد على دور التصوير بالرنين المغناطيسي (MRI) في تشخيص ومراقبة سرطانات الدماغ. تواجه طرق التقسيم التقليدية غالبًا مخاوف تتعلق بالخصوصية بسبب تخزين البيانات المركزي. لمعالجة ذلك، يقترح المؤلفون نموذجًا يعتمد على التعلم المعزز يسمى متوسط ​​الفيدرالية المعزز (RL-FedAvg)، والذي يسمح بتطوير نموذج تعاوني مع الحفاظ…


  • الكشف عن النعاس المعتمد على المستشعرات متعددة الجسم باستخدام شبكة VGG-16 العصبية المحولة برمجيًا مع تحويل وضع القيادة التلقائي

    2025 | المؤلف: Meenakshi Malik وآخرون | المجلة: Scientific Reports | المجال: علم النفس التجريبي والمعرفي (Experimental and Cognitive Psychology)

    تتناول ورقة البحث القضية الحرجة المتعلقة بإرهاق السائق، والذي يساهم بشكل كبير في حوادث المرور بسبب انخفاض الانتباه واليقظة. الهدف الرئيسي من الدراسة هو تحديد نعاس السائق وإدارة هذه المعلومات بشكل فعال باستخدام التقدم في الذكاء الاصطناعي (AI) وتعلم الآلة (ML) ضمن أنظمة مساعدة السائق المتقدمة (ADAS). تعتمد الطريقة المقترحة على تقنية إنترنت الأشياء (IoT)…


  • تطبيق تقنيات التعلم العميق والتعلم الانتقالي في تصنيف الصور الطبية

    2025 | المؤلف: Tam Sakirin وآخرون | المجلة: EDRAAK | المجال: طب الأعصاب (Neurology)

    تستكشف هذه الورقة البحثية تأثير التعلم العميق (DL) والتعلم الانتقالي (TL) على الذكاء الاصطناعي، مع التركيز بشكل خاص على تصنيف الصور الطبية. تؤكد الدراسة على قدرة نماذج DL، وخاصة الشبكات العصبية التلافيفية (CNNs) مثل ResNet50 و VGG16، على تحقيق دقة أعلى في التمييز بين COVID-19، والالتهاب الرئوي الفيروسي، وحالات الرئة الطبيعية مقارنةً بأساليب التعلم الآلي…


  • تقدير العمر الجنائي للأسنان باستخدام التعلم العميق: نموذج xception المعدل لصور الأشعة السينية البانورامية

    2025 | المؤلف: Ercüment Yılmaz وآخرون | المجلة: Forensic Science Medicine and Pathology | المجال: علم الآثار (Archeology)

    تقدم هذه الدراسة نهجًا مبتكرًا لتقدير العمر الجنائي باستخدام نماذج التعلم العميق المطبقة على صور الأشعة البانورامية (OPG)، مع التركيز بشكل خاص على التمييز بين الأفراد الذين تقل أعمارهم عن 12 عامًا وأولئك الذين تبلغ أعمارهم 12 عامًا أو أكثر. تم تحليل مجموعة بيانات تضم 1,941 مريضًا أطفالًا، تتراوح أعمارهم بين 5 إلى 15 عامًا،…


  • تحليل شامل لتقنيات التعلم العميق والتعلم الانتقالي لتصنيف سرطان الجلد

    2025 | المؤلف: Manishi Shakya وآخرون | المجلة: Scientific Reports | المجال: علم الأورام (Oncology)

    تتناول الورقة البحثية التحديات المتعلقة بتشخيص الميلانوما بدقة من خلال تصنيف الصور الجلدية، التي تظهر خصائص وأشكال متنوعة. تستكشف الدراسة ثلاث منهجيات تعتمد على التعلم العميق لتصنيف الآفات الجلدية إلى أنواع حميدة وخبيثة. تتضمن الطريقة الأولى استخدام ثلاث شبكات مدربة مسبقًا تم ضبطها بدقة—VGG19 وResNet-18 وMobileNet_V2—ك classifiers. تستخدم الطريقة الثانية هذه الشبكات كمستخلصات ميزات بالاشتراك…


←السابق
1 2 3 4 5 6 7
التالي→

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