الأبحاث ضمن الموضوع : تعلم الآلة وتصنيف البيانات
-
تعلم كيفية تعلم المخطط الأساسي الكلي باستخدام التعلم الآلي المستنير بالفيزياء وغير المعتمد على النموذج
2026 | المؤلف: Amalie Roark وآخرون | المجلة: Transportation Research Part C Emerging Technologies | المجال: الذكاء الاصطناعي (Artificial Intelligence)تتناول ورقة البحث التحدي المتمثل في تقدير الرسم البياني الأساسي الكلي (MFD) في شبكات المرور الحضرية، لا سيما في ظل ظروف ندرة البيانات حيث تكون أجهزة الكشف عن الحلقات محدودة. لمواجهة هذه المشكلة، يقترح المؤلفون إطار عمل للتعلم الفوقي يستخدم التعلم الفوقي غير المعتمد على النموذج (MAML) للاستفادة من الأنماط القابلة للنقل من المدن الغنية…
-
التخفيف من استراتيجيات هانس الذكي في مصنفي الصور من خلال توليد أمثلة مضادة
2026 | المؤلف: Sidney Bender وآخرون | المجلة: Information Fusion | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا القسم، يتناول المؤلفون نقاط الضعف في نماذج التعلم العميق تجاه الارتباطات الزائفة، والتي يمكن أن تؤدي إلى توقعات غير موثوقة، خاصة في النماذج الكبيرة والأساسية والنماذج ذاتية الإشراف. ينتقدون طرق القوة التوزيعية الجماعية الحالية، مثل إعادة وزن الميزات العميقة (DFR)، التي تعتمد على تسميات جماعية صريحة غالبًا ما تكون غير متاحة أو غير…
-
تقييم تصنيف الصور الطبية في العالم الحقيقي مع تسميات مشوشة: التحديات، الممارسة، والرؤية المستقبلية
2026 | المؤلف: Yuan Ma وآخرون | المجلة: Pattern Recognition | المجال: الذكاء الاصطناعي (Artificial Intelligence)يقدم هذا القسم نظرة عامة على التحديات المرتبطة بالتعلم من التسميات الضوضائية في تحليل الصور الطبية، حيث المعرفة الخبيرة مطلوبة للتعليق وغالبًا ما تؤدي التباينات بين المراقبين إلى تسميات غير متسقة. لتقييم قوة الطرق الحالية في هذا المجال بشكل منهجي، يقدم المؤلفون LNMBench، وهو معيار شامل مصمم للضوضاء في التسميات في التصوير الطبي. يتضمن LNMBench…
-
تقنيات التخفيف من الإفراط في التكيف في التعلم الآلي: مراجعة شاملة، تصنيف، ودليل عملي
2026 | المؤلف: Zhenyun Du | المجلة: Frontiers in Artificial Intelligence | المجال: الذكاء الاصطناعي (Artificial Intelligence)تتناول ورقة البحث القضية المستمرة للتكيف المفرط في تعلم الآلة، وخاصة ضمن نماذج التعلم العميق المفرطة المعلمات. من خلال مراجعة سردية لحوالي 95 دراسة أساسية مستمدة من قواعد بيانات أكاديمية متنوعة، يقوم المؤلفون بتجميع الآليات والافتراضات والأدلة التجريبية المتعلقة باستراتيجيات التخفيف البارزة للتكيف المفرط. يصنفون هذه التقنيات إلى تصنيف موحد يتكون من خمسة عائلات: طرق…
-
تعلم مخاطر التصادم بشكل استباقي من بيانات القيادة الطبيعية على نطاق واسع
2026 | المؤلف: Yiru Jiao وآخرون | المجلة: Nature Machine Intelligence | المجال: الذكاء الاصطناعي (Artificial Intelligence)يقدم القسم مقياس السلامة البديل العام (GSSM)، وهو نهج مبتكر قائم على البيانات مصمم لتعزيز سلامة الطرق من خلال تنبيه السائقين أو الأنظمة الآلية بشكل استباقي إلى التصادمات المحتملة في البيئات الحضرية المعقدة. على عكس الطرق الحالية التي تعتمد على التعليقات اليدوية المكثفة أو تقتصر على سيناريوهات محددة، يتعلم GSSM مخاطر التصادم من بيانات القيادة…
-
إطار مرن لتحسين المعلمات الفائقة باستخدام الهوموتوبيا والنماذج البديلة
2026 | المؤلف: Sophia J. Abraham وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)في السنوات الأخيرة، تقدم التعلم الآلي بشكل كبير بسبب التحسينات في الخوارزميات وتوافر مجموعات بيانات كبيرة وعالية الجودة. عامل حاسم في تحقيق أداء مثالي للنموذج هو تحسين المعلمات الفائقة (HPO)، والذي، على الرغم من أهميته، يقدم عدة تحديات. تعتمد العديد من تقنيات HPO الحالية على طرق بحث بسيطة أو تفترض وجود دوال خسارة سلسة ومستمرّة،…
-
تقسيم البيانات لتجنب تسرب المعلومات مع DataSAIL
2025 | المؤلف: Roman Joeres وآخرون | المجلة: Nature Communications | المجال: الذكاء الاصطناعي (Artificial Intelligence)تناقش هذه الفقرة القضية الحرجة لتسرب المعلومات في تعلم الآلة، وخاصة في التطبيقات الطبية الحيوية. يحدث تسرب المعلومات عندما يحفظ النموذج بيانات التدريب عن غير قصد بدلاً من تعلم أنماط قابلة للتعميم، مما يؤدي إلى مقاييس أداء مضللة أثناء الاستدلال. لمعالجة هذا التحدي، يقدم المؤلفون DataSAIL، حزمة بايثون مصممة لتسهيل تقسيم البيانات مع تقليل التسرب،…
-
تعزيز أداء أشجار تعزيز التدرج في مشاكل الانحدار
2025 | المؤلف: Lydia Wahid Rizkallah | المجلة: Journal Of Big Data | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذه الورقة البحثية، يقدم المؤلفون نهجًا هجينًا يعزز القوة التنبؤية لأشجار تعزيز التدرج (GBT) من خلال دمج تقنيات التجميع K-means و Bisecting K-means. تُستخدم GBT، المعروفة بفعاليتها في التعلم الجماعي، بالتزامن مع التجميع لمعالجة قيود نموذج GBT واحد، الذي قد لا يلتقط بشكل كافٍ الخصائص المتنوعة لمجموعات البيانات المعقدة. يتم تقييم الطريقة المقترحة على…
-
نهج غير مرتبط بالمشكلة لاختيار الميزات والتحليل باستخدام SHAP
2025 | المؤلف: John Hancock وآخرون | المجلة: Journal Of Big Data | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا البحث، يقدم المؤلفون تقنية جديدة لاختيار الميزات باستخدام SHapley Additive exPlanations (SHAP) التي يمكن تطبيقها عبر سيناريوهات مختلفة لتوافر التسميات في تحليل البيانات. من خلال استخدام مجموعة بيانات كشف الاحتيال ببطاقات الائتمان من كاجل، يحاكون ثلاثة سيناريوهات: عدم وجود بيانات معنونة، وتوافر فئة واحدة، وتوافر كلا الفئتين. تُظهر الدراسة أن SHAP يمكنه تصنيف…
-
تصنيف الصور المعتمد على نموذج وراثي ونموذج CNN من خلال تعزيز ضبط المعلمات الفائقة
2025 | المؤلف: Wajahat Hussain وآخرون | المجلة: Scientific Reports | المجال: الذكاء الاصطناعي (Artificial Intelligence)تناقش هذه القسم التحديات المتعلقة بتحسين النموذج في تصنيف الصور، مع التأكيد على الدور الحاسم لاختيار المعلمات الفائقة في تعزيز قدرة النموذج على التعلم من بيانات الصور المعقدة. تهدف خوارزمية الجينات التجميعية المقترحة والشبكة العصبية التلافيفية (EGACNN) إلى تحسين أداء تصنيف الصور من خلال ضبط المعلمات الفائقة مثل عدد الطبقات، حجم النواة، معدلات التعلم، معدلات…