1707 ورقة بحثية
تُظهر هذه الدراسة أن وحدة التكرار المبوّبة (GRU) تتفوق بشكل كبير على كل من نماذج تعلم الآلة وبنيات التعلم العميق الأخرى في التنبؤ بأسعار صادرات قهوة الروبوستا الفيتنامية خلال فترة من الانكسارات الهيكلية الشديدة، مع معالجة القيود المنهجية بشفافية وتوفير معاملات مخاطر قابلة للتنفيذ للعقود الآجلة.
تقدم هذه الورقة إطار عمل مبتكرًا ثلاثي الميتاهيوستيك (tri-metaheuristic) مستوحى من الروبوتات ومدمج مع ذكاء حافة عصبي، يعمل على تحسين معالجة الإشارات الطبية الحيوية متعددة الأنماط في الوقت الفعلي لتحقيق دقة تشخيصية عالية واستهلاك فائق الانخفاض للطاقة، مما يتيح مراقبة مستمرة عبر الأجهزة القابلة للارتداء لمدة 72 ساعة ويعزز بشكل كبير دعم القرار السريري للكشف المبكر عن الأمراض.
تقترح هذه الورقة إطار عمل EC-ARAG، وهو إطار توليد معزز بالاسترجاع وكيلِيّ مقيد بالأدلة، يعمل على تعزيز الموثوقية والاتساق والكفاءة بشكل كبير في صياغة التصميم الأولي للهندسة المدنية للمحطات الفرعية من خلال دمج الاسترج𝚊ع المدرك للوائح، وحل النزاعات، وحلقات التحقق المزدوج للتفوق على أنظمة RAG التقليدية.
تقدم هذه الورقة أول خطوط أساس منهجية وبروتوكولات تقييم لمجموعة بيانات CIC-YNU-IoTMal2026 لبرمجيات إنترنت الأشياء الخبيثة متعددة الوسائط، كاشفةً عن عثرات حرجة مثل تسرب البيانات الناتج عن التقسيم العشوائي، وارتفاع معدلات الفشل في اكتشاف العينات الخاملة في ظل ظروف خالية من التسرب، وهشاشة شديدة عبر البنى المختلفة، مع إثبات أن خيارات البروتوكول هي التي تهيمن في النهاية على الأداء المُبلغ عنه بدلاً من اختيار النموذج.
تقدم هذه الورقة البحثية نموذجاً لشبكة عصبية تلافيفية متباينة متعددة المكونات ومدركة للموضع مع دمج عصبي ميتافيزيقي، توضح كيف تتحول المكونات الحرجة لمسارات تصنيف أمراض النباتات من اتساع التجميع والواصفات المصممة يدوياً في المختبرات إلى تحديد موضع الأوراق والدمج المتعلم عند التطبيق على صور الحقول، وهو ما تم التحقق منه من خلال دراسات استئصال دقيقة على مجموعتي بيانات PlantVillage وPlantDoc.
تقترح هذه الورقة إطار عمل هجينًا جديدًا للتعلم العميق يدمج بنيات 3D-CNN وBi-LSTM وTransformer مع وحدة عتبة تكيفية وتحسين خسارة متعدد الأهداف لتحقيق كشف عن الشذوذ في الوقت الفعلي وبأداء متفوق في مراقبة الفيديو من خلال تقليل الإنذارات الكاذبة بشكل كبير عبر ظروف بيئية متنوعة.
تُعد CEGNN-Fraud شبكة عصبية رسومية زمنية غير متجانسة وقابلة للتوسع، تعمل على تعزيز كشف الاحتيال المالي من خلال بوابة موثوقية مشروطة بالأحداث ونموذج لغوي كبير مقيد لتقديم تقارير مخاطر قائمة على الأدلة، مما أظهر أداءً فائقاً في الدقة والمتانة والتعميم مقارنة بالنماذج المرجعية الحالية.
تقدم هذه الورقة البحثية DMAP-RAG، وهو إطار عمل يعزز التوليد المعزز بالاسترجاع من خلال دمج بنية ذاكرة ثنائية التخزين ذات هيكل شجري واتخاذ قرار عميل مخصص لتحقيق أداء تنافسي في تماسك الحوار متعدد الأدوار ورضا المستخدم.
تقدم هذه الورقة تحليلاً مقارناً لسبعة نماذج تعلم عميق مدربة مسبقاً على صور الرنين المغناطيسي من نوع T1-CE لتصنيف أورام الدماغ، حيث أظهرت أن نموذج VGG-16 يحقق أعلى دقة (92.45%) عند تدريبه باستخدام تقنيات تعزيز وتدسين مختلفة، مع استخدام Grad-CAM لتعزيز قابلية تفسير النموذج.
تقدم هذه الورقة بنية مبتكرة ذاتية الإصلاح تكتشف وتخفف ذاتياً من الهلوسات الببليوغرافية في النصوص الأكاديمية المولدة بواسطة النماذج اللغوية الكبيرة عبر الجمع بين التحقق متعدد الطبقات وعملية تنقية فعالة قائمة على الجمل، محققة دقة تحديد عالية (0.96) ومقللة التكاليف الحسابية بشكل كبير مع ضمان النزاهة العلمية.