تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الموضوعات الرئيسية
  3. البحوث في الصوتيات تحت الماء

الأبحاث ضمن الموضوع : البحوث في الصوتيات تحت الماء




  • CNN-SENet: نموذج استرجاع سرعة الرياح البحرية باستخدام GNSS-R يدمج آلية انتباه CNN وSENet

    2025 | المؤلف: Yimin Xia وآخرون | المجلة: Satellite Navigation | المجال: علم المحيطات (Oceanography)

    تقدم ورقة البحث نموذجًا جديدًا لشبكة الأعصاب التلافيفية (CNN) معززة بآلية انتباه شبكة الضغط والتحفيز (SENet)، المشار إليها باسم CNN-SENet، تهدف إلى تحسين استرجاع سرعة الرياح على سطح البحر من بيانات نظام الملاحة العالمي عبر الأقمار الصناعية-الانعكاسية (GNSS-R). تعالج نماذج CNN التقليدية جميع الميزات بشكل متساوٍ، مما قد يعيق كفاءة التدريب والدقة. يعالج نموذج CNN-SENet…


  • إطار تعلم عميق يعتمد على نموذج الفضاء الهيكلي لاكتشاف الأجسام الصغيرة في البيئات تحت الماء المعقدة

    2025 | المؤلف: Yaoming Zhuang وآخرون | المجلة: Communications Engineering | المجال: علم المحيطات (Oceanography)

    يتناول هذا القسم الحاجة الملحة للرصد المنتظم للحياة البحرية للحفاظ على استقرار النظم البيئية البحرية، مع تسليط الضوء على التحديات المرتبطة بالكشف عن الأهداف تحت الماء، وخاصة في تحقيق توازن بين الدقة وكفاءة النموذج والأداء في الوقت الحقيقي. لمواجهة هذه التحديات، يقترح المؤلفون نهجًا جديدًا يدمج نموذج الفضاء المنظم (SSM) مع تعزيز الميزات، مصمم خصيصًا…


  • BenthicNet: تجميع عالمي لصور قاع البحر لتطبيقات التعلم العميق

    2025 | المؤلف: Scott Lowe وآخرون | المجلة: Scientific Data | المجال: علم المحيطات (Oceanography)

    تقدم البحث BenthicNet، مجموعة بيانات شاملة عالمية من صور قاع البحر تهدف إلى تعزيز تحليل النظم البيئية القاعية من خلال تقنيات التعلم الآلي. على الرغم من التقدم في تكنولوجيا تصوير تحت الماء التي تسمح بجمع مجموعات بيانات واسعة من صور قاع البحر، إلا أن تحليل هذه البيانات لم يواكب ذلك، مما يحد من الاستخدام الفعال…


  • الكشف عن الأهداف الصغيرة تحت الماء باستخدام نموذج YOLOv8-LA

    2024 | المؤلف: Shenming Qu وآخرون | المجلة: Scientific Reports | المجال: علم المحيطات (Oceanography)

    في مجال هندسة البيئة البحرية، يعد اكتشاف الأهداف تحت الماء أمرًا حيويًا، وقد أظهرت التطورات الأخيرة باستخدام الشبكات العصبية التلافيفية (CNN) وعودًا كبيرًا. ومع ذلك، غالبًا ما تكافح الشبكات العصبية العميقة التقليدية من حيث سرعة المعالجة والدقة، خاصة بالنسبة للأهداف الصغيرة والمتقاربة. للتغلب على هذه التحديات، يقترح المؤلفون نموذج شبكة عصبية جديد، YOLOv8-LA، الذي يتضمن…


  • فك تنوع البيانات المعقدة في التعرف على الأهداف الصوتية تحت الماء من خلال مزيج من الخبراء القائم على الالتفاف

    2024 | المؤلف: Yuan Xie وآخرون | المجلة: Expert Systems with Applications | المجال: علم المحيطات (Oceanography)

    تناقش هذه القسم التحديات المتعلقة بالتعرف على الأهداف الصوتية تحت الماء، وذلك بسبب الطبيعة المعقدة للإشارات تحت الماء، التي تظهر تنوعًا عاليًا داخل الفئات وتشابهًا بين الفئات. لمواجهة هذه التحديات، يقترح المؤلفون نموذج مزيج من الخبراء القائم على الالتفاف (CMoE) الذي يستخدم طبقات خبراء متعددة كمتعلمين مستقلين، مكملًا بطبقة توجيه تقوم بتعيين الخبراء بناءً على…


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