ترغب بنشر مسار تعليمي؟ اضغط هنا

تم تطبيق هذه الدراسة التجريبية على منصة غوغل كولاب السحابية، من خلال تنفيذ التعليمات البرمجية والمكتبات المتطورة في لغة البايثون، قمنا بإجراء المعالجة المسبقة لبيانات بحثنا لإعداد صور الحقيقة الأرضية، ثم تدريب النموذج، تطلبت عملية التدريب والتحقق (4) فترات، بحجم دفعة للبيانات (4) صور، تناقصت دالة الخسارة إلى حدودها الدنيا بقيمة (0.025)، واستغرق زمن التدريب ثلاث ساعات وعشرة دقائق، وذلك بالاستعانة بـوحدة معالجة الرسومات المتطورة (GPU) وذاكرة وصول عشوائي إضافية. حققنا نتائج جيدة في تقييم الدقة في صحة تنبؤات النموذج المدرب بقيمة (التقاطع إلى الاتحاد=0.953)، فتم اختباره على منطقتين مختلفين إحداهما سكنية وأخرى زراعية في مدينة اللاذقية، أظهرت النتائج أن النموذج (+DeepLabv3) المدرب في بحثنا يمكنه استخراج شبكة الطرق بدقة وفعالية، لكن أداؤه ضعيف في بعض المناطق التي تحوي أشجار بسبب تأثير الظلال على حواف الطرق، وحيث تكون الخصائص الطيفية مشابهة للطرق كأسطح بعض المباني، وهو غير صالح لاستخراج الطرق الفرعية وغير المعبدة. قدم البحث عدة توصيات بتحسين أداء النموذج (+Deeplabv3) في استخراج الطرق من صور الأقمار الصناعية عالية الدقة، بما يفيد في تحديث خرائط الطرق وأعمال التخطيط الحضري.
تعاني خدمة الطاقة الكهربائية في الجمهورية العربية السورية من العديد من الصعوبات الناتجة عن نقص الموارد (الفيول) بالإضافة إلى التخريب الذي تعرضت له العديد من مراكز التوليد من قبل المجموعات الإرهابية، ترافق ذلك مع حصار جائر تعرضت له بلدنا أدى إلى تخفيض كميات وقود التشغيل الذي تزود به محطات التوليد, وقد تسبب كل ماسبق إلى تطبيق برامج التقنين في المحافظات وفقاً لاستهلاك تلك المحافظات ومراكز الإنتاج الموجودة فيها (مصانع، مراكز ضخ، مستشفيات وعدد السكان). كما يتطلب التنبؤ باستهلاك الطاقة الكهربائية معرفة كميات الاستهلاك اليومية وأوقات الاستهلاك وغيرها من العوامل المؤثرة والتي تشكل كميات كبيرة من البيانات [1]. ولا يزال التنبؤ الدقيق بالحمل الكهربائي يمثل مهمة صعبة بسبب العديد من المشاكل مثل الطابع غير الخطي للسلسلة الزمنية أو الأنماط الموسمية التي يعرضها، والتي تستغرق وقتاً كبيراً كما تؤثر على دقة الأداء في التنبؤ. يمكن تحسين العملية باستخدام شبكاتRNN . [2] بدايةً، تم تحديد الاستهلاك المثالي والمناسب للمنطقة ومقارنته مع الانتاج وإمكانية تمرير الفائض لعمليات احتياطية أخرى أو تزويد مراكز الانتاج بالفائض الذي يمكن الحصول عليه من خلال عملية التنبؤ السابقة. كما تم استخدام الشبكات العصبية التكرارية RNN (Recurrent Neural Network) وهي عبارة عن سلاسل زمنية تعتمد على تسلسل البيانات وفقاً لدلائل زمنية وقدرتها على التنبؤ بالقيم المستقبلية اعتماداً على البيانات السابقة. ثم تم مقارنة أداء تلك الشبكات مع شبكات DNN (Dense Neural Network) للحصول على تنبؤ مستقبلي أمثل قابل لخدمة وزارة الكهرباء في الجمهورية العربية السورية وحل مشكلة التنبؤ بالحمل الكهربائي بالمقارنة مع الدراسات السابقة. تم أيضاً اعتماد طريقة التقسيم المتتالي القائم على الوقت، والتي لها القدرة على العمل بصورة أعلى دقة بالنسبة للبيانات ذات العينات العشوائية. وبالنسبة لحالات انخفاض تنظيم البيانات الساعية لاستهلاك القدرة الكهربائية، يمكن لنا أخذ عينات لمجموعة من البيانات بالنسبة للزمن وأخذ 20 بالمئة من البيانات على سبيل المثال كعينات تدريب واختبار. بناءً على قيم التنبؤ الناتجة عن هذه الدراسة يتم العمل على توزيع الطاقة الكهربائية بالشكل الأنسب وبما يتوافق مع أهمية الاستخدام الأعلى.
الهدف يهدف هذا البحث إلى وصف العديد من المجالات التي يمكن أن يلعب فيها الذكاء الاصطناعي دورًا في تطوير الطب الشخصي ومراقبة الأدوية، والتحولات التي أحدثها في مجال علم الأحياء والعلاج. كما تناول القيود التي يواجهها تطبيق تقنيات الذكاء الاصطناعي وقدم ا قتراحات لمزيد من البحث. المنهج لقد أجرينا مراجعة شاملة للبحوث والأوراق المتعلقة بدور الذكاء الاصطناعي في الطب الشخصي وفحص الأدوية، وقمنا بتصفية قائمة الأعمال لتلك المتعلقة بهذه المراجعة. النتائج يمكن للذكاء الاصطناعي أن يلعب دورًا مهمًا في تطوير الأدوية الشخصية ومراقبة الأدوية في جميع المراحل السريرية المتعلقة بتطوير وتنفيذ منتجات صحية مخصصة جديدة، بدءًا من إيجاد الأدوية المناسبة لاختبار فائدتها. بالإضافة إلى ذلك، يمكن للخبرة في استخدام تقنيات الذكاء الاصطناعي أن تلعب دورًا خاصًا في هذا الصدد. المناقشة ستعتمد قدرة الذكاء الاصطناعي على تعزيز عملية اتخاذ القرار في الطب الشخصي وفحص الأدوية إلى حد كبير على دقة الاختبارات ذات الصلة والطرق التي يتم بها تخزين البيانات المنتجة وتجميعها والوصول إليها ودمجها في النهاية. النتائج كشفت مراجعة الأدبيات ذات الصلة أن تقنيات الذكاء الاصطناعي يمكن أن تعزز عملية صنع القرار في مجال الطب الشخصي وفحص الأدوية من خلال تحسين طرق تجميع البيانات المنتجة والوصول إليها ودمجها في النهاية. تتمثل إحدى العقبات الرئيسية في هذا المجال في أن معظم المستشفيات ومراكز الرعاية الصحية لا تستخدم حلول الذكاء الاصطناعي ، بسبب افتقار المتخصصين في الرعاية الصحية إلى الخبرة اللازمة لبناء نماذج ناجحة باستخدام تقنيات الذكاء الاصطناعي ودمجها مع سير العمل السريري.
يأتي تلخيص الحوار مع تحديات خاصة به على عكس تلخيص الأخبار أو المقالات العلمية. في هذا العمل، نستكشف أربعة تحديات مختلفة لهذه المهمة: التعامل مع أجزاء من الحوار والتمييز بين المتحدثين المتعددين، وفهم النفي، والمنطق حول الوضع، وفهم اللغة غير الرسمية. باستخدام نموذج لغة متسلسل مدرب مسبقا، نستكشف محل استبدال اسم المتكلم، وإبراز نطاق النفي، والتعلم المتعدد المهام مع المهام ذات الصلة، وإحصاء البيانات داخل المجال.تظهر تجاربنا أن تقنياتنا المقترحة تحسن أداء الملخصات، وتتفوق على نظم أساسية قوية.
يستكشفة هذا المنظور التحليلي أثار انتشار الذكاء الاصطناعي في مجالين رئيسين يتعلقان بالسياسات هما الأمن والتوظيف. وقد ركزنا ههنا نقاط الضعف وعدم الانصاف التي قد يفرضها استخدام الذكاء الاصطناعي على هذين البعدين للمجتمع. حدد فريق من الزملاء في مؤسسة رن د ذوي خبرات وتجارب متنوعة هذين المجالين من بين سواهما باعتبارهما يستحقان اهتماما دقيقا في عصر الذكاء الاصطناعي. ومن المجالات التي تمت الاشارة إليها أيضا نذكر: تأثير الذكاء الاصطناعي على الصحة وصنع القرارات وتسوية النزاعات في المنازعات والأمن الالكتروني. وتوضح الطبيعة متعدد التخصصات التي تتسم بها المشاكل التي خلصنا إليها الحاجة إلى مواصلة إشراك الباحثين والمحللين الذي يتمتعون بمجموعة متنوعة من الخبرات والتجارب من أجل اطلاع صناع القرارات المتعلقة بالسياسات على المواقف والخطوات الواجب القيام بها في ما يتعلق بالأدوات الاصطناعية والذكاء الصنعي على اوسع نطاق. يبين هذا البحث المحارو الشاملة لأثار الذكاء الاصطناعي: ١- الأدوات الاصطناعية هي في الواقع مضاعفات للانتباه قادرة على ان تحدث اثارا نظامية غير متوقعة وخطيرة. ٢- يزيد الاعتماد على الادوات الاصطناعية خطر تقلص المرونة. ٣- للذكاء الاصطناعي القدرة على التسبب بفوضى اقتصادية اجتماعية سريعة غير مسبوقة. ٤- تعد تفضيلات هجرة وتوظيف ذوي المواهب في مجال بحث وتطوير الذكاء الاصطناعي حول العالم من المخاوف الجغرافية السياسية المهمة.
: هدفت الدراسة إلى التعرف على دور الذكاء الاصطناعي في رفع كفاءة النظم الإدارية لإدارة الموارد البشرية بجامعة تبوك. وقد اعتمدت الباحثة لإجراء الدراسة المنهج التحليلي. ولتحقيق أهداف الدراسة تم تطوير أداة الدراسة (الاستبانة) كأداة لجمع البيانات من أفراد عينة الدراسة التي تم اختيارها بأسلوب الطريقة العشوائية لجمع البيانات من إداري الموارد البشرية بجامعة تبوك والبالغ عددهم (70) موظفا وموظفة بعد أن تم التأكد من صدقها وثباتها. تكونت أداة الدارسة من (٣٦) فقرة لقياس فاعلية برنامج قائم على الذكاء الاصطناعي في رفع كفاءة النظم الإدارية لإدارة الموارد البشرية بجامعة تبوك. أظهرت نتائج الدراسة عدم وجود فروق ذات دلالة إحصائية (α =0.05) في أداة الدراسة تعزى لمتغيرات الدراسة (الجنس، المستوى التعليمي، عدد سنوات الخبرة) عند مستوى دلالة (0.05). وعلى ضوء النتائج التي توصلت إليها الدراسة فقد أوصت الباحثة بالعديد من التوصيات منها ضرورة إجراء المزيد من الدراسات حول الذكاء الاصطناعي وعلاقته بكفاءة النظم الإدارية لإدارة الموارد البشرية بحيث تشمل عينات أكبر من الجامعات على مستوى المملكة.
تشكّل هذه الدراسة خطوة تمهيدية لوضع موديل رياضي للتنبؤ بالحوادث المرورية في مدينة اللاذقية، يعتمد على عدد من العوامل الخارجية، والتي تشمل كلّاً من الخصائص الهندسية، والغزارات المرورية، وبيانات الحوادث المرورية. وأما هدفها الرئيسي فهو تخفيض عدد الحواد ث المرورية المتوقعة مستقبلاً على الشوارع الرئيسية في المدينة، حيث تمت الدراسة على شوارع شريانية مختلفة فيها من حيث أهميتها ومن حيث عدد الحوادث المرورية المسجلة عليها، ومن حيث تنوع خصائصها هندسياً، وذلك من أجل الإلمام الكافي بظروف الحركة المرورية في المدينة اعتماداً على أسباب مختلفة، لا تعتمد على السلوك الإنساني للسائقين أو على خصائص العربة. تم إجراء تحليل إحصائي لبيانات الحوادث المرورية للأعوام 2014 و 2015 و 2016 و 2017 على الشوارع المدينية في مدينة اللاذقية، حيث تم تصنيف الحوادث حسب خطورتها وزمن حدوثها ومكان وقوعها، وتمّ جمع البيانات اللازمة ورقمنتها ضمن بيئة برمجية في برنامج Excel Microsoft، ومن ثم بناء نموذج التنبؤ باستخدام أداة الشبكات العصبونية الصنعية في برنامج الماتلاب MATLAB، حيث تمّ إدخال بيانات 319 حادثاً مرورياً كانت قد سُجلت في الأعوام 2015 و 2016 و 2017، والتي تمّ تقسيمها في ثلاث مجموعات( التدريب والتحقق والاختبار). أعطت الشبكة العصبونية ذات الهيكلية(10-10-1) قيماً عالية لمعامل الارتباط، حيث بلغت قيمة R الكلية خلال المراحل الثلاث 0.931236 ، وهي قيمة قريبة جداً من الواحد، وبالتالي الشبكة المصممة مثالية وتحقق الاستجابة للتنبؤ بالحوادث المرورية شهرياً وبدقة عالية جداً.
مع زيادة الشبكات الاجتماعية ، بدأ الناس في مشاركة المعلومات عبر أنواع مختلفة من وسائل التواصل. في هذا العمل قمنا بالاستفادة من قصص الأطفال وتوظيفها لتعليم الاطفال وذلك عن طريق قراءة قصة لهم وتحويلها إلى نص ومعالجة النص باستخدام اللغات الطبيعية و استخراج المشاعر بشكل اتوماتيكي من هذه القصة و لتحقيق ذلك قمنا باستخدام عدة تقنيات و دمجها و قارنا بين نتائجها على عدد من القصص القصيرة المخصصة للأطفال حيث تم استخدام كل من التقنيات المختلفة غير الخاضعة للإشراف مثال Dictionary Basedأو خاضعة للإشراف كالشبكات العصبونية التي تعتمد على البيانات لتحليل المشاعر حيث استخدمنا مصنفات متعددة وهي Support Vector Machineوstochastic Gradient Descent و Decision Tree و Random ForestوNaïve BayesوK-Nearest NeighborوNearest Centroidكذلك استخدمنا الشبكات العصبونية العميقة كمثال الشبكات العصبونية التكرارية RNNو في النهاية تم التوصل إلى استنتاج المشاعر الصحيحة للقصة من خلال Dictionary Basedالتي اعطت افضل دقة ثم إظهار صورة التعبير الصحيح الذي يبين للطفل التعبير المراد إبداؤه عند سماع أحداث هذه القصةليتفاعل معه ويتعلم التعبير الصحيح
يهدف المشروع في المقام الأول إلى توظيف الذكاء الاصطناعي ، وتحديداً مهارات برمجة شبكة عصبية حيث الشبكات العصبية بدورها هي شبكات مهتمة بالتدريب والتعلم من الخطأ ، وتوظيف هذا الخطأ لتحقيق أفضل النتائج. (CNN) على وجه الخصوص هي واحدة من أهم الشبكات العص بية التي تعالج مشاكل وقضايا التصنيف. وبالتالي فإن هذا المشروع يهدف إلى تصميم شبكة عصبية التفافية تصنف المركبات إلى عدة أنواع حيث سنقوم بتصميم الشبكة وتدريبها على قاعدة البيانات حيث أن قاعدة البيانات تتضمن صورًا لأنواع متعددة من المركبات وستقوم الشبكة بتصنيف كل صورة إلى نوعها ، بعد تعديل الصور وإجراء التغييرات المناسبة وتحويلها إلى اللون الرمادي واكتشاف الحواف والخطوط وبعد أن تصبح الصور جاهزة تبدأ عملية التدريب وبعد انتهاء عملية التدريب سنخرج بنتائج التصنيف وبعدها اختبار بمجموعة جديدة من الصور ومن اهم تطبيقات هذا المشروع الالتزام برصف السيارات والشاحنات والمركبات بشكل عام وكأن صورة تم ادخالها كسيارة لعينة السيارة وهي شاحنة ، على سبيل المثال ، سيعطي هذا خطأ حيث ستكتشف الشبكة ذلك من خلال فحصها وتصنيفها. كشاحنة ، نكتشف أن هناك انتهاكًا لقوانين الرصف
انتشرت كلمة "البيانات الضخمة" في عام 2017 وأصبحت الأكثر شيوعًا في صناعة التكنولوجيا المتقدمة، حيث يستخدم التعلم الآلي الذي يسمح لأجهزة الكمبيوتر لتحليل البيانات السابقة والتنبؤ بالبيانات المستقبلية على نطاق واسع في الأماكن المألوفة. ويمكن لغير المتخص صين في التعلم الآلي استخدامه أيضًا. ولدراسة الطريقة التحليلية للتعلم الآلي الإحصائي لا بد من التعرف على مفهوم الذكاء الاصطناعي وتصنيفه الرئيسي والتقنيات التحليلية المتضمنة والمتمثلة في التعلم الالي والتعلم العميق. لقد تطور التعلم الآلي بفضل بعض الاختراقات في مجال الذكاء الاصطناعي . وهي ادراك كفاءة تعليم أجهزة الكمبيوتر اضافة الى اختراع الانترنت. ويبقى للشبكات العصبية دور مهم وضروري لتعليم أجهزة الكمبيوتر التفكير مثل البشر ، حيث تُستخدم هذه الشبكات البيانات التي يستطيعون الوصول إليها لاتخاذ القرارات. وتوجد العديد من الخوارزميات للتعرف على التعلم الالي ،وما نؤكد عليه في دراستنا إظهار طرق وتطبيقات التحليل الإحصائي الآلي ، مثل "تحليل الانحدار" و "شجرة القرارات" و "طريقة متوسط k" و"تحليل الرابطة"
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا