3279 ورقة بحثية
تقدم هذه الدراسة نظام توجيه ذكي يعتمد على الرسوم البيانية للمعرفة وقابل للنشر محلياً لتدريب الإقامة في تخصص التخدير، يستخدم إطار عمل للتوليد المعزز بالاسترجاع ثنائي المحرك لتقديم دعم تعليمي دقيق ومتوافق مع الإرشادات ويحافظ على الخصوصية دون الاعتماد على النماذج اللغوية الكبيرة القائمة على السحابة.
تُظهر هذه الدراسة أنه بالنسبة لمهام التوصية بالمحاصيل، يحقق نموذج "غابة عشوائية" (Random Forest) واحد مضبوط بدقة دقةً تضاهي أساليب التجميع المعقدة، مما يشير إلى أن الحلول الأبسط والأقل تكلفة كافية دون الحاجة إلى مجموعات النماذج الزائدة عن الحاجة.
تقدم هذه الورقة دراسة في مجال "منهجية البحث العلمي التصميمي" حول نظام موارد بشرية ذكي مغلق النطاق للمؤسسات الصغيرة والمتوسطة، تُظهر أن التكيف بأسلوب "الاسترجاع المعزز بالتوليد التصحيحي" (Corrective RAG) مع تدريب "السلبيات الصعبة" (hard-negative training) ضمن نفس الفصل يحسن بشكل كبير من أمانة الإجابة مقارنة بأسلوب "الاسترجاع المعزز بالتوليد" (RAG) القياسي، على الرغم من وجود مقايضة في الدقة الإجمالية.
تقدم هذه الورقة البحثية SCOPE، وهو إطار عمل مدرك لعدم اليقين وخالٍ من التدريب، يعيد بناء سلوكيات الهجوم المتماسكة في ظل الملاحظات غير المكتملة من خلال دمج التجميع المرتكز على السلوك، ورسم خرائط توزيع تقنيات وأساليب وإجراءات (TTP) التوزيعية، واستدلال تسلسل "Top-K Viterbi"، ليتفوق على النماذج المرجعية الحالية في الدقة والمتانة.
تقدم هذه الورقة نموذجًا مُحسَّنًا للغاية ومُعدَّلًا بدقة من طراز EfficientNet-B0 باستخدام التعلم بنقل الخبرة، والذي يحقق دقة تصل إلى 97.57% في الكشف التلقائي عن تسعة أنواع من أمراض الذرة من صور واقعية، مما يوفر أداة فعالة حاسوبيًا لمساعدة صغار المزارعين في التحديد المبكر للأمراض.
تقدم هذه الورقة نظام ملاحة بصرياً كفؤاً في استهلاك الموارد للطائرات بدون طيار، يستخدم الضغط العصبي البانورامي ودمج اللقطات المزدوجة لتمكين تتبع المسار المستمر والمغلق وحوم العودة بأقل قدر من ذاكرة التخزين مع دقة عالية في تحديد الموقع.
تقترح هذه الورقة نظاماً محسناً لكشف التسلل يعتمد على الذكاء الاصطناًعي يستخدم تقنية GridSearchCV لضبط ستة نماذج من تعلم الآلة والتعلم العميق على مجموعة بيانات CICDDoS2019، مما يثبت أن خوارزميتي Random Forest وXGBoost تحققان دقة وكفاءة فائقتين في كشف هجمات DDoS المختلفة مقارنة بالخوارزميات الأخرى.
تقترح هذه الورقة البحثية خوارزمية Q-LDPSO، وهي مُحسِّن سرب جزيئات معزز كمومي يتميز بتهيئة سكان كمومية واستراتيجية بحث ثنائي الاتجاه كمومية، والتي تحقق أداءً فائقاً في اختيار الميزات وكشف التسلل (بدقة 99.63%) لبيئات إنترنت الأشياء عند دمجها مع مصنف تجميعي من نوع RF-XGBoost.
تقترح هذه الورقة "التحفيز بالوكالة المحافظ" (CPP)، وهو إطار عمل فعال من حيث المعلمات يعزز موثوقية نماذج الرؤية واللغة المجمدة في ظل فقدان الأنماط، وذلك عبر بناء تمثيلات وكيلة في فضاء الميزات وتنظيم مساهمتها بشكل محافظ لتجنب الإشارات المضللة.
تُظهر هذه الدراسة أنه في حين أن استرجاع الصفحات القائم على الرؤية يحسن بشكل كبير اختيار الأدلة وجودة الإجابات اللاحقة في مهام الأسئلة والأجوبة المرئية على المستندات مقارنة بالطرق المعجمية، إلا أن فجوات كبيرة في الأداء لا تزال قائمة بسبب قيود توليد الإجابات حتى عند توفير الصفحة الصحيحة، كما أن الدمج الهجين لا يقدم أي فائدة إضافية فوق المسترجعات المرئية القوية وحدها.