3279 ورقة بحثية
تقترح هذه الورقة خوارزمية قطرة المطر الاصطناعية متعددة الأهداف ذات التطور المشترك الهرمي (HCMOARA) التي تدمج أخذ العينات بالتربيع اللاتيني، والمجموعات الفرعية المقسمة مع استراتيجيات بحث متخصصة، وآلية تحديث عامل التدفق التكيفي لتحسين زمن الإنجاز واستهلاك الطاقة والتكلفة بفعالية في مشكلات جدولة ورش العمل المرنة.
تقدم هذه الدراسة إطار عمل متكامل لتعلم الآلة يستخدم معالجة اللغات الطبيعية، وتقليل الأبعاد، وخوارزميات التجميع لتحليل المحفظة البحثية لجامعة ما، كاشفةً أن كلية الهندسة والعلوم الطبيعية تهيمن على الميزانية وتحدد فرصاً كبيرة لإعادة التوجيه الاستراتيجي إلى جانب وجود ملف مشاريع عالي المخاطر بنسبة 33.4%.
تقترح هذه الورقة أربع تقنيات استدلالية جديدة، بما في ذلك BEFRA وBEQRA، والتي تستفيد من معلومات تردد الحواف وجودتها غير المستغلة لتعزيز أداء ومتانة خوارزميات تحسين مستعمرة النمل لحل مسألة البائع المتجول المتماثلة بشكل كبير.
تقترح هذه الورقة إطار عمل هجينًا يجمع بين LSTM وLightGBM معززًا بتقنية SHAP للكشف عن هجمات حجب الخدمة الموزعة (DDoS) متعددة الفئات في الوقت الفعلي، وبشكل قابل للتفسير في شبكات الجيل الخامس (5G) وإنترنت الأشياء (IoT)، مما أظهر دقة ومتانة فائقتين عبر مجموعات بيانات CICIDS2017 وCIC-DIAD2024 وCICIoT2023.
تقترح هذه الورقة البحثية وتقيم نظاماً للكشف عن الاحتيال يعتمد على الذكاء الاصطناعي ومصمماً خصيصاً لخدمات الدفع القائمة على الاشتراكات، حيث تُثبت أن بنية هجينة تجمع بين (XGBoost+Bi-LSTM) تتفوق على النماذج المنفردة عبر مقاييس متعددة على مجموعة بيانات اصطناعية تغطي ستة أنواع متميزة من الاحتيال، مع الإقرار صراحةً بأن النتائج هي بمثابة دليل لإثبات المفهوم وليست أداءً مُتحققاً منه في العالم الحقيقي.
تقدم هذه الورقة البحثية "شبكة المشبك المناعي" (ISN)، وهي بنية جديدة للتعلم العميق مستوحاة من آليات التعرف لدى الخلايا التائية، والتي تكتشف بفعالية الشذوذات الضعيفة المستمرة في البيانات السلاسل الزمنية من خلال تصفية الإشارات العابرة عبر عملية "إثبات القراءة الحركي"، متفوقة بذلك على النماذج القياسية في المهام التي تُحدد بناءً على الاستمرارية الزمنية بدلاً من المقدار اللحظي.
تُقيّم هذه الدراسة الجدوى أداء نماذج تعلم الآلة التقليدية والتعلم العميق على التقارير المالية لإدارة المراقب والمحاسب العام في غانا، حيث كشفت أنه بينما حقق نموذج XGBoost المضبوط بدقة تصنيفاً مثالياً للفئات، إلا أن دراسة الاستئصال اللاحقة أظهرت أن ميزات الكلمات المفتاحية قد ضخمت هذه النتائج بشكل كبير، مما يؤكد الحاجة الماسة إلى التحقق الصارم من الميزات قبل نشر مثل هذه الأدوات في سياقات القطاع العام.
تقترح هذه الورقة إطار عمل Gdlcn–dsbo، وهو إطار هجين يجمع بين الشبكات التلافيفية المعتمدة على الرسوم البيانية والموسومة (GDLCN) وتحسين الفراشة العميق المجدول (DSBO) لتحسين تخصيص موارد السحابة والمهام متعدد الأهداف، مما يعزز كفاءة النظام، ويقلل التكاليف، ويضمن العدالة في بيئات إنترنت الأشياء الديناميكية.
تقترح هذه الورقة وتقيم تجريبيًا لغة أنماط مرشحة تتكون من سبعة أنماط تصميمية لخطوط أنابيب البيانات المرنة في المؤسسات الصغيرة والمتوسطة ذات الموارد المحدودة، مبرهنةً من خلال تجارب حقن الفشل أن هذه الأنماط تعالج بفعالية أوضاع فشل محددة — مثل التكرارات، وانحراف المخطط، وفقدان البيانات الصامت — مقارنة بالنماذج القياسية، مع الإقرار صراحةً بمحدودية الدراسة كإسهام قائم على النماذج الأولية وغير مُثبت ميدانيًا.
تُظهر هذه الدراسة أن اختيار نموذج لغوي كبير للتقييم يؤثر بشكل كبير على دقة القياس والامتثال لمعايير السلامة في الملخصات الطبية الحيوية المُنشأة بواسطة الذكاء الاصطناعي، حيث تختلف معدلات الخطأ التي تنتجها النماذج المختلفة بمعامل قدره أربعة، مما يؤدي إلى استنتاجات متباينة حول جودة الملخص.