ترغب بنشر مسار تعليمي؟ اضغط هنا
محرك بحث أكاديمي في 2000000 بحث علمي عربي وانكليزي موثوق من 56 جامعة

آخر الابحاث

إن السؤال الذي يفرض نفسه على كل ذي قول يدعي أنه قول أول، أي قول فاتح طريقَه نحو الحكمة، والمعرفة الأصيلة، هو كالآتي : كيف يطمئن القائل لحقيقة قوله؟ ثم حين يدعو إلى هذه الحقيقة، كيف يدعي بكل امتلاء ويقين، أن ما يعبر عنه من مفردات القول هو عين الحقيقة وأسها؟
الخواص الفيزيائية للترب من حيث حساب نسبة الماء الايجروسكوبي وحساب الرطوبة في التربة وحساب المسامية من خلال حساب الكثافة الظاهرية والحقيقية
تعد التغذية في وحدات العناية الحرجة من الإجراءات الهامة التي تقلل مدة البقاء و لكن لأ تخلو من مضاعفات مثل الاستنشاق الرئوي،لذا كان من الاهمية بمكان تقييم حدوثه لدى مرضى العناية الحرجة.تم إجراء البحث على عينة متاحة من 15 مريض و تم تقييم علامات حدوث ا لاستنشاق على مدى ثلاثة أيام و توصل البحث إلى ظهور معظم هذه العلامات بعد تلقيه التغذية عبر الأنبوب الأنفي المعدي
تهدف هذه الدراسة العلمية إلى تقييم آثار تحضير الأمعاء على نتائج جراحة القولون والمستقيم المبرمجة. شملت الدراسة مجموعة من 83 مريضا، 37 دون تحضير الأمعاء و 46 مع تحضير الأمعاء. تم تقييم النتائج المحيطة بالجراحة للمرضى، بما في ذلك معدلات انتان ساحة العم ل الجراحي (SSI)، ومضاعفات ما بعد الجراحة، وطول مدة الإقامة في المستشفى. أشارت النتائج إلى أن تحضير الأمعاء قبل جراحة القولون والمستقيم المبرمجة كان تأثيره محدودا في الحد من SSI والمضاعفات بعد العمل الجراحي( التسريب من المفاغرة، حدوث خراجات بطنية أو حوضية)، وكذلك تقصير مدة الإقامة في المستشفى، و لم يظهر أي أفضلية واضحة عنه لدى المرضى غير المحضرين.
درس في هذا البحث تأثير تراكيز مختلفة من زيت اللافندر، في نمو فطري Fusarium oxysporum وAcremonium strictum ، وقد أبدت جميع التراكيز المدروسة تأثيراً تثبيطياً واضحاً ضد هذين الفطرين. اختلفت الفعالية التثبيطية باختلاف التراكيز، وقد أبدت التراكيز (0.0 6 – 0.04 – 0.03 – 0.02- 0.01 ml/g) تثبيطاً بنسبة 100% ضد فطر A. strictum ، وبلغت نسبة التثبيط 64.51% عند التركيز 0.002غ/مل و58.04% و35.48% و12.90% عند التراكيز (0.004 0.002- 0.001 غ/مل)، وذلك في اليوم السابع من الحضن. كما وأبدت التراكيز (0.06 – 0.04 – 0.03 – 0.02- 0.01- 0.006 – 0.004 – 0.002 ml/g) تثبيطاً كاملاً ضد فطر F. oxysporum ، وعند التركيز 0.001 غ/مل كانت النسبة المئوية للتثبيط 38.82% ، وذلك في اليوم السابع من الحضن. بلغت قيمة التركيز القاتل ( MBC) لزيت اللافندر ضد فطر A. strictum 0.01 غ/مل، والتركيز المثبط (MIC) 0.02غ/مل، أما عند الفطر F. oxysporum فقد كانت قيمة التركيز المثبط (MIC) والقاتل MBC)) 0.002 غ/مل.
هدفت الدراسة إلى تعّرف صعوبات استخدام منصة مودل (MOODLE ) من وجهة نظر أعضاء الهيئة التعليمية في كلية التربية بجامعة تشرين، حيث تكونت عينة الدراسة من (50)عضواً من أعضاء الهيئة التعليمية في كلية التربية بجامعة تشرين، طبقت عليهن أداة الدراسة التي هي عب ارة عن استبانة مكونة من ثلاث محاور (صعوبات متعلقة بأعضاء الهيئة التعليمية، صعوبات متعلقة بالطلبة، صعوبات متعلقة بالبنية التحتية)، كل محور يشتمل على عدد من البنود، استخدمت الدراسة المنهج الوصفي، وأظهرت النتائج أن أكثر الصعوبات التي يعاني منها أعضاء الهيئة التعليمية من وجهة نظرهم صعوبة عدم الاقتناع بفعالية منصة مودل لدى عضو الهيئة التعليمية، وصعوبة عدم القدرة على فهم المادة الدراسية عبر المنصة لدى الطالب، وجاءت بدرجة مرتفعة، ولوحظ أيضاً بأنه لا يوجد فروق ذات دلالة إحصائية بين متوسطات درجات أعضاء الهيئة التعليمية على استبانة صعوبات استخدام منصة مودل بحسب متغيرات (الدرجة العلمية، عدد سنوات الخبرة، الجنس).
يُعدّ موضوع واجهة الدماغ والحاسوب BCI (Brain Computer Interface) وخاصةً أنظمة التعرف على الإشارات الدماغية باستخدام التعلم العميق بعد توصيف هذه الإشارات عن طريق مخطط كهربائية الدماغ EEG (Electroencephalography) من المواضيع البحثية الهامة التي تثير ا هتمام الكثير من الباحثين في الوقت الراهن, وتعد الشبكات العصبونية الالتفافية CNN (Convolutional Neural Nets) من أهم مصنفات التعلم العميق المستخدمة في عملية التعرف هذه، إلا أنه لم يتم بعد تحديد بارامترات هذا المصنف بشكل دقيق بحيث يعطي أعلى نسبة تعرف ممكنة وبأقل زمن تدريب وزمن تعرف ممكن. يقترح هذا البحث نظام تعرف على إشارات EEG باستخدام شبكة CNN مع دراسة تأثير تغيير بارامترات هذه الشبكة على نسبة التعرف وزمني التدريب والتعرف على الإشارات الدماغية, وبالنتيجة تم الحصول بواسطة نظام التعرف المقترح على نسبة تعرف 76.38 %, وانقاص زمن تدريب المصنف (3 seconds) باستخدام النمط المكاني المشترك CSP (Common Spatial Pattern) في عملية المعالجة المسبقة لقاعدة البيانات IV2b, كما تم الوصول لنسبة تعرف 76.533 % من خلال إضافة طبقة للمصنف المقترح.
نفذ البحث في مركز البحوث العلمية الزراعية في محافظة حماه خلال عامي 2020و2021 بهدف دراسة تأثير الرش الورقي بمستخلص الطحالب البحرية في نمو وانتاجية شجرة الزيتون صنف قيسي ، حيث طبق الرش ورقي بمستخلص الطحالب البحرية alga 600 تركيز (0,5غ/ل) وفق المعاملا ت: A0 شاهد بدون رش مستخلص طحالب بحرية، A1 رشة واحدة قبل الإزهار بأسبوع، A2 رشة واحدة بعد العقد، A3رشة واحدة قبل القطاف بشهر، A4 رشتان (قبل الإزهار و بعد العقد)، A5 رشتان (بعد العقد وقبل القطاف بشهر)، A6 ثلاث رشات (قبل الإزهار وبعد العقد وقبل القطاف بشهر). مع إضافة التسميد الأرضي حسب التوصية السمادية. بينت نتائج التسميد الورقي تأثير معنوي في صفات النمو الخضري حيث تفوقت معاملة قبل القطاف بشهر على باقي المعاملات بمتوسط طول طرود 6,94 سم بينما الشاهد 4,75 سم, في حين أثر مستخلص الطحالب البحرية بشكل إيجابي على عدد الأزهار الكلي حيث تفوقت معاملة الرش قبل الإزهار وبعد العقد على باقي المعاملات حيث بلغ متوسط عدد الأزهار 203,11 مقارنة بالشاهد بمتوسط عدد أزهار 164,19 وكذلك في نسبة عقد الثمار إذ كانت أعلى نسبة للعقد عند معاملة الرش قبل الإزهار 3,20 % وفي الشاهد 2,19 % كما أظهرت النتائج تفوقاً واضحا في إنتاجية الشجرة خصوصاً المعاملة قبل الإزهار وبعد العقد إذ بلغ متوسط إنتاجية الشجرة 37,07 كغ وفي الشاهد 14,07 كغ ، وقد لوحظ وجود زيادة معنوية في نسبة الزيت للثمار فقد تفوقت معاملة قبل القطاف بشهر معنويا على باقي المعاملات بكلا الموسمين حيث بلغت أعلى قيمة لنسبة الزيت 20,28 % تليها معاملة قبل الإزهار وبعد العقد وقبل القطاف بشهر بنسبة زيت 20,27 مقارنة بقراءة الشاهد 17,17%.
تعتبر المديونية أحد أهم المشاكل التي تواجه الدول العربية، نظراً لأبعادها السلبية على عملية التنمية الاقتصادية في هذه الدول وتهديدها لاستقرار نظامها المالي، وعلى الرغم من الجهود المتواصلة من جانب هذه الدول لمواجهة أعباء خدمة ديونها والتغلب عليها إلا أ ن هذه الأعباء فاقت قدرة هذه الدول على تحملها، مما دفع هذه الدول إلى الاقتراض، مما شكل عبئاً كبيراً على الدول العربية المقترضة في تسديد الأقساط المتفق عليها من الجهة الدائنة والفوائد المترتبة على هذه القروض، وبطبيعة الحال فإن هذه الأعباء التي يتم تسديدها تكون على حساب الخدمات الأساسية المقدمة من قبل هذه الدول لمواطنيها مما يترك آثار سلبية على الأوضاع الاجتماعية والسياسية بالإضافة إلى أنها تضيق الخناق على معدلات النمو الاقتصادي، ويهدف هذا البحث إلى تسليط الضوء على العوامل التي لعبت دوراً هاماً في تفاقم أزمة المديونية الخارجية للدول العربية، وتحديد السبل التي يمكن أن تخفف من وطأة المديونية الخارجية على الصعيد المحلي والعربي والدولي.
يهدف البحث الحالي إلى تعرف درجة التوافق الزواجي لدى الطالبات المتزوجات في جامعة تشرين، وتعرف الفروق في التوافق الزواجي وفق بعض المتغيرات (طريقة الزواج، مكان السكن، وجود أبناء)، طُبّق البحث على عينة من الطالبات المتزوجات في جامعة تشرين بلغ عددهن (100) طالبة، ولتحقيق هذا الهدف تم استخدام الأداة التالية: مقياس التوافق الزواجي من إعداد (عمار، 2015) الذي يضم أبعاد (التوافق الفكري، التوافق الوجداني الانفعالي، التوافق الجنسي، التوافق الاجتماعي) موزعة ضمن (54) بند، وقامت الباحثة بإجراء الدراسة السيكومترية للمقياس للتأكد من صدقه وثباته بالنسبة لعينة البحث الحالي، وبينت النتائج أن نسبة درجة التوافق الزواجي لدى عينة البحث مرتفعة،وأنهلا توجد فروقاً دالة إحصائياً في التوافق الزواجي لدى عينة البحث وفقاً لمتغيرات مكان السكن ووجود أبناء، أما بالنسبة لمتغير طريقة الزواج تبين وجود فروق دالة إحصائياً لصالح الزواج بعد قصة حب

آخر الاعضاء المنضمين

Ahmed

Ahmed ELkersh

لقد قام بالانضمام بتاريخ   من Egypt باختصاص علم النفس

Rf

Rf Nn

لقد قام بالانضمام بتاريخ   من باختصاص غير محدد

ذات حظ

ذات حظ عظيم

لقد قام بالانضمام بتاريخ   من Syria باختصاص اقتصاد زراعي

آخر الاسئلة

تقسيم التعليم ما قبل الجامعي في سوريا

213  - - أحمد نشر من قبل أحمد العبد الله   - طرح في مجتمع الباحثين  

ما هي المراحل المعتمدة من قبل الوزارة للتعليم ما قبل الجامعي كوثيقة رسمية توثق ذلك؟



مرحلة التعليم الأساسي، الثانوية ، – حلقة ثانية

كيف يتم تقييم أداء نظام الترجمة الآلية بشكل آلي؟

283  - - Shadi نشر من قبل Shadi Saleh   - طرح في الذكاء الصنعي  

يمكن القيام به باستخدام مقاييس ومعايير مختلفة. إليك بعض الطرق الشائعة لتقييم أداء نظام الترجمة الآلية بشكل آلي:

  1. BLEU (Bilingual Evaluation Understudy): BLEU هي إحدى القياسات الأكثر شيوعًا لتقييم أداء نظام الترجمة الآلية. يقوم BLEU بمقارنة الترجمة المولدة آليًا بالترجمة الإنسانية المرجعية ويقيم مدى تشابههما من خلال قياس الأتفاق بين الكلمات.


BLEU (Bilingual Evaluation Understudy) هو مقياس شائع يُستخدم لتقييم جودة الترجمة الآلية عن طريق مقارنتها بالترجمة الإنسانية المرجعية. يستخدم BLEU معلومات على مستوى الكلمات لقياس التشابه بين الترجمتين. يمكنك استخدام مكتبة Python لحساب مقياس BLEU بسهولة. فيما يلي شرح مفصل لمقياس BLEU مع مثال في Python:

أولاً، تحتاج إلى تثبيت مكتبة nltk (Natural Language Toolkit) إذا لم تكن مثبتة بالفعل. يمكنك فعل ذلك باستخدام الأمر التالي:

pip install nltk 


استيراد المكتبات الضرورية:

import nltk
from nltk.translate.bleu_score import sentence_bleu, SmoothingFunction


تحديد النصوص المرجعية والترجمة المستهدفة, النصوص المرجعية reference هيي النصوص التي تعبر عن الترجمة الصحيحة, اي دائما تحتاج إلى هذه النصوص لكي تقوم باختبار النظام, بالاضافة إلى النصوص المترجمة من قبل النظام الآلي candidate:

reference = [['the', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']]
candidate = ['the', 'fast', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']


بالنهاية يمكن حساب مقياس BLEU كمايلي:

bleu_score = sentence_bleu(reference, candidate)


NIST (The National Institute of Standards and Technology): يستخدم NIST مقاييس مشابهة لـ BLEU لتحسين تقييم أداء الترجمة الآلية من خلال مقارنة الترجمة بالترجمة الإنسانية المرجعية.


METEOR (Metric for Evaluation of Translation with Explicit ORdering): يقيم METEOR الأداء باستخدام عدة معايير مثل الأتفاق على مستوى الكلمات والترتيب والأمانة. يمكن أن يكون أكثر دقة في بعض الحالات من BLEU.


ROUGE (Recall-Oriented Understudy for Gisting Evaluation): يستخدم ROUGE بشكل رئيسي في تقييم جودة الخلاصات والملخصات النصية. يمكن أن يكون مفيدًا في تقييم الترجمة الآلية للملخصات النصية.


تقييم يدوي بشري: بالإضافة إلى القياسات الآلية، يمكن أيضًا اللجوء إلى تقييم بشري حيث يتم طلب آراء وتقييمات من الناس لفهم مدى جودة الترجمة. يمكن استخدام هذا التقييم لتحسين أداء نظام الترجمة.

يعتمد اختيار الطريقة على نوع النصوص والغرض من الترجمة. تذكر أنه يمكن تحسين أداء نظام الترجمة الآلية باستمرار من خلال تجربة وتعديل الموديلات والمعايير المستخدمة.


المزيد

الترجمة الآلية

ماهي الشبكات العصبونية المتكررة؟

513  - - Shamra نشر من قبل Shamra Editor   - طرح في الذكاء الصنعي  

الشبكات العصبونية المتكررة Recurrent Neural Network هي نوع خاص من الشبكات العصبية الاصطناعية التي تتكيف مع بيانات السلاسل الزمنية أو البيانات التي تتضمن تسلسلات حيث يتم تغذية الاخراج من الخطوة السابقة كمدخل إلى الخطوة الحالية.

في الشبكات العصبية التقليدية تكون جميع المدخلات والمخرجات مستقلة عن بعضها البعض ولكن في حالات مثل عندما يكون مطلوباً التنبؤ بالكلمة التالية من الجملة تكون الكلمات السابقة مهمة وبالتالي هناك حاجة لتذكر الكلمات السابقة.

وهكذا ظهرت شبكات RNN والتي حلت هذه المشكلة بمساعدة الطبقات المخفية. تمتلك RNNs مفهوم الذاكرة الذي يساعد على تخزين حالات أو معلومات المدخلات السابقة لتوليد المخرجات التالية من التسلسل وهذا يجعلها قابلة للتطبيق على مهام مثل التعرف على خط اليد غير المقسم و المتصل أو التعرف على الكلام.


مشاكل نواجهها الـ RNNs:

  1. تلاشي التدرجات
  • في تسلسل طويل، يتم ضرب التدرجات في (transpose أو منقول)مصفوفة الأوزان في كل خطوة زمنية. إذا كانت هناك قيم صغيرة في مصفوفة الوزن، فإن معيار (norm) التدرج يتقلص بمقدار أسي.
  1. انفجار التدرجات
  • إذا كانت لدينا مصفوفة ذات أوزان كبيرة و اللاخطية في الطبقة التكرارية غير مشبعة، فسوف تنفجر التدرجات. سوف تتباعد الأوزان في كل خطوة. و قد نُضطر إلى استخدام معدل تعلم صغير حتى يعمل الانحدار التدريجي بشكل جيد.

أحد أسباب استخدام الـ RNNs هو ميزة تذكر المعلومات السابقة. ومع ذلك، قد تفشل RNN بسيطة في حفظ المعلومات لفترة طويلة دون بعض الحيل.

مثال لمشكلة التدرجات المتلاشية:

تمثل المدخلات رموزًا من برنامج بلغة C. سيحدد النظام ما إذا كان برنامجًا صحيحًا نحويًا أم لا. يجب أن يحتوي البرنامج الصحيح نحويًا على عدد صالح من الأقواس. و بالتالي، يجب أن تتذكر الشبكة عدد الأقواس والأقواس المفتوحة التي يجب التحقق منها، و ما إذا كنا قد أغلقناها جميعًها. يجب أيضا على الشبكة تخزين هذه المعلومات في حالات مخفية مثل العداد. ومع ذلك، و بسبب التدرجات المتلاشية، فإنها ستفشل في الحفاظ على هذه المعلومات في برنامج لمدة طويلة.




المزيد

الشبكات العصبونية الشبكات العصبونية المتكررة الشبكات العصبونية الالتفافية الذكاء الاصطناعي
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا