الأبحاث المرتبطة بالكلمة المفتاحية: ReliefF
-
تحسين الكشف عن التصيد الاحتيالي القائم على URL باستخدام XGBoost واختيار ميزات Relief Optimizing URL-Based Phishing Detection Using XGBoost and Relief Feature Selection
2026 | المؤلف: Wahyu Suryaning Tyas وآخرون | المجلة: SinkrOn | المجال: نظم المعلومات (Information Systems)تتناول هذه الورقة البحثية التهديد المتزايد لهجمات التصيد الاحتيالي من خلال اقتراح نموذج للكشف عن التصيد الاحتيالي يعتمد على عنوان URL ويستخدم خوارزميات التعزيز، مع التركيز بشكل خاص على تأثير اختيار الميزات على أداء التصنيف وكفاءة الحوسبة. تقيم الدراسة ثلاث خوارزميات تعزيز – تعزيز التدرج، XGBoost، وAdaBoost – على مجموعة بيانات تحتوي على 10,000 حالة…
-
تعزيز توقعات الطاقة الشمسية من خلال اختيار الميزات والشبكات العصبية الاصطناعية: دراسة حالة Enhancing PV power forecasting through feature selection and artificial neural networks: a case study
2026 | المؤلف: Mokhtar Ali وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)تستكشف هذه الورقة البحثية تحسين توقعات الطاقة الكهروضوئية (PV) من خلال دمج تقنيات اختيار الميزات مع الشبكات العصبية الاصطناعية. تستخدم الدراسة طرق اختيار ميزات مختلفة، بما في ذلك ReliefF، الحد الأدنى من الارتباط، واختبار كاي-تربيع، لتحديد المتنبئين الرئيسيين لإنتاج الطاقة الكهروضوئية. تم تطوير وتقييم نموذجين تنبؤيين، وهما الشبكة العصبية متعددة الطبقات (MLP) وشبكات الذاكرة طويلة…