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




  • ضبط نماذج الأساس لجهود المواد بين الذرات باستخدام التعلم الانتقالي المجمد

    2025 | المؤلف: Mariia Radova وآخرون | المجلة: npj Computational Materials | المجال: كيمياء المواد (Materials Chemistry)

    يتناول القسم التقدم في الإمكانيات بين الذرات المستندة إلى التعلم الآلي، والتي تحول محاكاة المواد الذرية من خلال تمكين التنبؤات الدقيقة والقابلة للتوسع استنادًا إلى بيانات التدريب. لا يزال التحدي الكبير يكمن في إنشاء مجموعات بيانات تدريب قوية، وغالبًا ما يتطلب ذلك حسابات شاملة من المبادئ الأساسية. تهدف نماذج الأساس الناشئة إلى إنشاء إمكانيات قابلة…


  • إطار التعلم الهجين ونظام الانتباه الذاتي لتصنيف أورام الدماغ المستندة إلى MRI بشكل قوي

    2025 | المؤلف: Soumyarashmi Panigrahi وآخرون | المجلة: Scientific Reports | المجال: طب الأعصاب (Neurology)

    تقدم ورقة البحث نموذجًا هجينًا جديدًا، يسمى DenseTransformer، يهدف إلى تعزيز دقة تصنيف أورام الدماغ باستخدام التصوير بالرنين المغناطيسي (MRI). يدمج النموذج ميزات من شبكة DenseNet201 العصبية التلافيفية المدربة مسبقًا مع بنية Transformer، مع استخدام خاص لآليات الانتباه الذاتي متعدد الرؤوس (MHSA) وكتل الانتباه للضغط والإثارة (SEA). تتناول هذه الطريقة التحديات المتعلقة بكثافة الحساب، واكتشاف…


  • إطار تعلم عميق ونماذج ذكاء اصطناعي قابلة للتفسير لاكتشاف أورام الدماغ والزهايمر عبر مجموعات بيانات متعددة

    2025 | المؤلف: Shtwai Alsubai وآخرون | المجلة: Frontiers in Medicine | المجال: طب الأعصاب (Neurology)

    تتناول ورقة البحث الحاجة الملحة لأدوات تشخيص دقيقة في المجال الطبي، وخاصة للحالات مثل أورام الدماغ ومرض الزهايمر. تقدم نهجًا جديدًا لتصنيف صور الرنين المغناطيسي يجمع بين التعلم الانتقالي وتقنيات الذكاء الاصطناعي القابل للتفسير (XAI)، باستخدام نموذج هجين من CNN-VGG. يستخدم هذا النموذج ميزات مدربة مسبقًا من بنية VGG لتعزيز أداء التصنيف عبر ثلاثة مجموعات…


  • دراسة حول تطبيقات التعلم الانتقالي لتعزيز أداء نماذج اللغة الكبيرة في أنظمة الرعاية الصحية

    2025 | المؤلف: Anmol Rahujo وآخرون | المجلة: Discover Artificial Intelligence | المجال: إدارة المعلومات الصحية (Health Information Management)

    يقدم قسم ورقة البحث نظرة عامة على الدور التحويلي لتعلم النقل (TL) ونماذج اللغة الكبيرة (LLMs) في قطاع الرعاية الصحية، لا سيما في تعزيز دقة التشخيص الطبي وأتمتة العمليات السريرية. يسلط الضوء على تطبيقات هذه التقنيات في التصوير، وتحديد الأمراض، وتحليل السجلات الصحية الإلكترونية. يعالج استخدام النماذج المدربة مسبقًا من خلال TL التحديات التي تطرحها…


  • 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…


←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.