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

الأبحاث المرتبطة بالكلمة المفتاحية: ConvLSTM




  • دمج الميزات الموجهة بالانتباه في الفضاء والزمان للكشف عن الشذوذ في مراقبة الفيديو Attention-guided saptio-temporal feature fusion for robus video surveillance anomaly detection

    2026 | المؤلف: S. Deepa Nivethika وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تتركز الأبحاث على تعزيز الكشف الديناميكي عن الأجسام وتتبعها لأنظمة المراقبة بالفيديو الذكية، وخاصة للكشف عن السرقة في البيئات المعقدة. تعتمد الطرق التقليدية غالبًا على التحليلات المكانية أو الزمنية فقط، مما يؤدي إلى مشاكل مثل عدم الاتساق الزمني والحساسية لعدم توازن البيانات. تقيم الدراسة نماذج أساسية، بما في ذلك إطار عمل EfficientNetV2B0-HOG ونموذج قائم على…


  • مراقبة كثافة الحشود المعززة القائمة على الشبكات العصبية التلافيفية العميقة للتخطيط الحضري الذكي في المدن الذكية Deep convolutional neural network-based enhanced crowd density monitoring for intelligent urban planning on smart cities

    2026 | المؤلف: Wahida Ali Mansouri وآخرون | المجلة: Scientific Reports | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)

    تقدم البحث تقنية جديدة لمراقبة كثافة الحشود تعتمد على الشبكات العصبية التلافيفية العميقة (DCNNCDM-IUP)، تهدف إلى تعزيز بنية المدينة الذكية من خلال تصنيف كثافة الحشود المتقدم. باستخدام طرق التعلم العميق (DL)، تستفيد تقنية DCNNCDM-IUP من معالجة الصور عبر التصفية الغاوسية وتستخدم بنية SE-DenseNet لاستخراج الميزات بشكل فعال. يتم تحسين النموذج باستخدام منهجية تحسين الثعلب الأحمر…


  • نموذج تعلم عميق هجين لنظام كشف التسلل الشبكي باستخدام Seq2Seq و ConvLSTM-Subnets A Hybrid Deep Learning Model for Network Intrusion Detection System Using Seq2Seq and ConvLSTM-Subnets

    2026 | المؤلف: S. Hariharan وآخرون | المجلة: IEEE Access | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)

    تقدم ورقة البحث نموذج هجين جديد لأنظمة كشف التسلل الشبكي (NIDS) يدمج بين بنية تسلسل إلى تسلسل (Seq2Seq) ووحدات الذاكرة طويلة وقصيرة المدى التلافيفية (ConvLSTM). يعالج هذا النموذج التحديات المتعلقة بالكشف عن التهديدات السيبرانية المعقدة التي تتضمن اعتمادات زمنية ومكانية معقدة في حركة مرور الشبكة. من خلال دمج الطبقات التلافيفية داخل خلايا LSTM، يعزز الهيكل…


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