1741 ورقة بحثية
تقترح هذه الورقة إطار عمل مبتكر لتحديد كائنات المرور الهامة يستفيد من نمذجة التفاعل العالمي بمنظور عين الطائر ومنهجية ما قبل التدريب التبايني بين اللغة والحركة لدمج المعرفة البشرية، مما يتغلب على قيود الأساليب البصرية ثنائية الأبعاد الحالية في الاستدلال المكاني الزماني والفهم الديناميكي.
تقترح الورقة البحثية إطار عمل CATD-LPT-CFPM، الذي يعزز تنقيب الأنماط المتكررة المغلقة من خلال تجميع المعاملات لتقليل مساحة البحث واستخدام استراتيجية تقليم متعددة المستويات مع آلية تقليم الانغلاق من الأعلى إلى الأسفل لتقليل المعالجة الزائدة واستهلاك الذاكرة، على الرغم من تكبد بعض الأعباء الإضافية الناتجة عن التجميع وبناء الشجرة.
تقترح هذه الورقة إطار عمل محسناً قائماً على تقنية PointNet لتحديد العيوب ذاتياً في السحب النقطية ثلاثية الأبعاد، والذي يستخدم المحاذاة المعيارية القائمة على تحليل القيم المفردة (SVD) الحتمي وفقدان الإنتروبيا المتقاطعة الموزون للتغلب على التباين الهندسي وعدم توازن الفئات، محققاً دقة محسنة وزمن استجابة منخفض للاستدلال من أجل الفحص الصناعي في الوقت الفعلي.
تقترح هذه الورقة خوارزمية تحسين انجراف السحب الفوضوية (CI-CDO)، وهي خوارزمية استدلالية جديدة تم تعزيزها بديناميكيات الاضطرابات الجوية والخرائط الفوضوية، والتي تُظهر أداءً فائقاً في حل مشكلات التحسين المرجعية، واختيار المجموعات الفرعية المثلى للميزات من أجل التصنيف، والتنبؤ ببيانات بيئية من واقع الحياة.
تقترح هذه الورقة نهجاً يعتمد على الإشراف عبر البيانات الوصفية (metadata-supervised) لفصل البنية التشريحية عن التباينات المعتمدة على عملية الاستحواذ في التصوير الطبي الحيوي، مما يتيح إنشاء تمثيلات مدركة لعملية الاستحواذ ونموذج توحيد (harmonisation model) موحد يعزز القدرة على التعميم، وقابلية التفسير، والنشر السريري عبر مختلف بروتوكولات ومواقع التصوير.
تُظهر هذه الدراسة أن إطار عمل تعلم آلي تجميعي قابل للتفسير، وتحديداً باستخدام انحدار الأشجار الإضافية (Extra Trees Regression)، يمكنه التنبؤ بدقة بقطر ألياف نانوية من الـ TiO₂–PVP المغزولة كهربائياً بناءً على معايير العملية، مما يقدم بديلاً عالي الكفاءة والدقة لطرق التحسين التجريبية التقليدية المستهلكة للوقت.
تقترح هذه الورقة البحثية MSF-TrashDet، وهي شبكة دمج ميزات متعددة المقاييس خفيفة الوزن تستخدم كتلة تعزيز الميزات متعددة المقاييس مبتكرة وتقليم القنوات الهيكلي لتحقيق كشف عالي الدقة وفعال للأجسام النفايات على مجموعة بيانات TrashNet، متفوقة بذلك على النماذج الرائدة مثل YOLOv5n وYOLOv8n وYOLOv11n بنسبة 91.91% mAP50 مع الحفاظ على تعقيد حسابي منخفض.
تقترح هذه الورقة إطار تشفير هجين قابل للتوسع يجمع بين شفرة هيل أحادية المقياس (Unimodular Hill Cipher) وشفرة تدفق XOR قائمة على الخريطة اللوجستية الفوضوية لتوفير حماية آمنة وفعالة ومستقلة عن التنسيق للملفات الثنائية التعسفية، محققةً عشوائية تقارب المثالية، ومقاومة قوية للهجمات الإحصائية، واسترداداً غير فاقد للبيانات مع إنتاجية عالية.
تقدم هذه الورقة نظام التشفير الفوضوي الهجين القائم على التقسيم (HSBCC)، وهو إطار عمل موحد يدمج شفرة هيل أحادية الوحدات المولدة ديناميكيًا، واشتقاق المفتاح القائم على خريطة لوجستية، وتشفير المنحنى الإهليلجي لتحقيق تشفير آمن وغير فاقد للبيانات ومحافظ على الحجم للملفات الثنائية التعسفية.
تُظهر هذه الدراسة أنه في حين أن التقليم المتفرق كتلويًا (block-sparse pruning) يضغط نموذج كشف التسلل للتعلم العميق بشكل كبير من أجل النشر على الحافة دون تحسين زمن انتقال الاستدلال على الأجهزة القياسية، إلا أنه يتسبب في عدم استقرار خاص بالفئات ويفشل في معالجة مشكلات الأداء لأنواع الهجمات الأقلية.