Discodvt: توليد نص طويل مع خطاب محول متغيرات منفصلة

على الرغم من التطورات الأخيرة في تطبيق نماذج اللغة المدربة مسبقا لتوليد نصوص عالية الجودة، فإن توليد مقاطع طويلة تحافظ على تماسك طويل المدى أمر صعب للغاية لهذه النماذج.في هذه الورقة، نقترح Discodvt، وهو محول متغيرات منفصلة على درايته لمعالجة مشكلة عدم الاتساق.يتعلم Discodvt تسلسل متغير منفصل يلخص الهيكل العالمي للنص، ثم ينطبق عليه لتوجيه عملية التوليد في كل خطوة فك التشفير.لزيادة تضمين المعلومات التي تدرك الخطاب في التمثيلات الكامنة المنفصلة، نقدم هدف إضافي لنموذج علاقات الخطاب داخل النص.نقوم بإجراء تجارب واسعة على مجموعة من مجموعات بيانات من القصة المفتوحة وإثبات أن الرموز الكامنة تعلم مراسلات ذات معنى لهياكل الخطاب التي توجه النموذج لتوليد النصوص الطويلة مع التماسك طويل المدى أفضل.

تمثيل الأحداث بمتغيرات منفصلة متسلسلة وشبه إشراف

في سياق نمذجة الأحداث والتفاهم، نقترح طريقة جديدة للنمذجة التسلسل العصبية التي تأخذ تسلسلات ملحوظة جزئيا من المعرفة المنفصلة والخارجية في الاعتبار.نقوم بإنشاء AutoNcoder Neal STUITENCODER المتسلسل، والذي يستخدم إعادة تجديد Gumbel-Softmax ضمن تشفير محددة بعناية، للسماح بعملي ناجح خلال التدريب.تتمثل الفكرة الأساسية في السماح بالمعرفة المنفصلة الخارجية شبه الإشراف للتوجيه، ولكن لا تقيد، المعلمات الكامنة المتنوعة أثناء التدريب.تشير تجاربنا إلى أن نهجنا لا يتفوق فقط على خطوط أساسية متعددة وحديث الحديث في تحريض النصي السردي، ولكن أيضا التقارب بسرعة أكبر.

دراسة المتغيرات العشوائية وفق منطق النيتروسوفيك

نقدم في هذا البحث المتغيرات العشوائية النيتروسوفيكية و التي هي عبارة عن تعميم للمتغيرات العشوائية الكلاسيكية و التي حصلنا عليها من تطبيق منطق النيتروسوفيك ( و هو منطق جديد غير كلاسيكي تم تأسيسه من قبل الفيلسوف و الرياضي الأميركي فلورنتن سمارانداكه Florentin Smarandache الذي قدمه كتعميم للمنطق الضبابي و خاصة المنطق الضبابي الحدسي ) على المتغيرات العشوائية الكلاسيكية .

التكامل العشوائي المنقطع

نقدم في هذه المقالة لعبة حظ (لعبة بيترسبورغ) و نعممها على فضاء احتمالي كمثال عن عملية قابلة للتوقع و التي من خلالها نحصل على تكامل عشوائي منقطع بعد ذلك نعرف المارتينجال و نقدمه كعنصر تفاضلي جيد للتكامل العشوائي المنقطع الذي يدعى تحويل المارتينجال بواسطة عملية قابلة للتوقع. بعد ذلك نقدم أهم خصائص التكامل العشوائي المنقطع التي تتضمن بأن التكامل العشوائي المنقطع هو من جديد مارتينجال كما تشرح نظرية الاستقرار له و تعرف تباين مارتينجالين معطيين و تبين أن التكامل العشوائي متمركز بتباين محدد معطى. أخيراً نعرف تقسيم دوب والتباين التربيعي ونقدم صيغة العالم إتو كنوع محدد من تقسيم دوب .

استخدام الشبكات العصبية الصنعية مع تقنية التحويل المويجي للتنبؤ بالتدفق اليومي الوارد إلى بحيرة سد 16 تشرين

يُعدُّ تقييم موارد المياه السطحية من المدخلات الضرورية لحل قضايا إدارة المياه، و التي تتضمن إيجاد علاقة بين الأمطار و الجريانات السطحية، و تعتبر هذه العلاقة على درجة عالية من التعقيد، حيث أن الأمطار من أهم العوامل التي تؤثر بشكل كبير على جريان الأنهار، و عملية التنبؤ بهذه الجريانات يجب أن تأخذ هذا العامل بعين الاعتبار، و بكثير من الاهتمام و الدراسة، و تعتبر الشبكات العصبية الصنعية من أهم الطرائق الحديثة من حيث دقة نتائجها في الربط بين هذه العوامل المتعددة و البالغة التعقيد. و من أجل التنبؤ بالجريان اليومي الوارد إلى بحيرة سد 16 تشرين في اللاذقية، موضوع بحثنا، تم تطبيق نماذج مختلفة من الشبكات العصبية الصنعية (ANN)، كانت مدخلاتها تدفقات سابقة للأمطار و الجريانات. قسمت مجموعة البيانات للفترة الممتدة بين عامي (2006-2012) إلى مجموعتين: تدريب و اختبار، و قد تم معالجة البيانات قبل إدخالها إلى الشبكة العصبية باستخدام تقنية تحويل المويجات المتقطع، للتخلص من مشاكل القيم العظمى و القيم الصفرية، حيث حللت السلاسل الزمنية إلى ثلاثة مستويات من الدقة و استخدمت السلاسل الفرعية الناتجة كمدخلات للشبكة العصبية أمامية التغذية التي تعتمد على خوارزمية الانتشار العكسي لتدريبها. أشارت النتائج إلى أن الشبكة العصبية ذات الهيكلية (1-2-6) نموذج Wavelet-ANN، هي الأفضل في تمثيل الظاهرة المدروسة و الأقدر على التنبؤ بالجريان اليومي الوارد إلى بحيرة سد 16 تشرين ليوم واحد قادم، حيث بلغ معامل الارتباط و جذر مربع متوسط الخطأ (R2=0.96، RMSE=1.97m3/sec)، على الترتيب.

استخدام التحويل المويجي المتقطع و الشبكات العصبونية في الكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس

الصرع هو اضطراب عصبي مزمن يحدث في الدماغ، و يصيب ما يقارب 2% من سكان العالم، حيث يواجه المرضى الكثير من الصعوبات في الحياة اليومية بسبب حدوث النوبات. تستخدم إشارات التخطيط الكهربائي للدماغ (EEG) في الكشف الآلي لحدوث نوبات الصرع, EEG لديها خصائص غير خطية و غير ثابتة. في هذا البحث قمنا بالكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس باستخدام التحويل المويجي المتقطع DWT من المستوى 5 لتحليل الإشارة و استخراج المميزات الإحصائية مثل (الحد الأقصى، الحد الأدنى، المتوسط، متوسط الطاقة، الانحراف المعياري، النسبة بين متوسط القيم) و استخدمت الشبكات العصبونية ANN من أجل التصنيف و حقق نظام الكشف المقترح دقة 89.85 % و حساسية 90.69 %، و خصوصية 89.1%.

التنّبؤ بالأمطار الشّهرية في محطة حمص باستخدام تقنية تحويل المويجات و الشّبكات العصبية الاصطناعية

التنبّؤ بالطقس و خاصةً الأمطار، هي واحدة من المهام العملية الأكثر تحدياً و أهمية، و التي تقوم بها خدمات الأرصاد الجوية في جميع أنحاء العالم، علاوة على كونه إجراء معقد يتطلب مجالات متخصصة و متعددة من الخبرات. في هذه الورقة، أقترح نموذج الشبكات العصبيَّة (ANNs) مع تحويل المويجات كأداة للتنبؤ بالأمطار الشّهرية بشكل متتالي بالاعتماد على البيانات السابقة لهطول الأمطار (1933-2009)، المأخوذة من محطة حمص للأرصاد الجوية. حيث تم تحليل السلسلة الزمنية للأمطار إلى معاملاتها التفصيلية و التقريبية على ثلاث مستويات باستخدام تحويل المويجات المتقطع (Discrete Wavelet Transform (DWT، و استخدمت الشَّبكة العصبيَّة أمامية التغذية مع خوارزمية الانتشار العكسي في عملية التعلم و التنبّؤ. توصلت الدراسة إلى أن الشبكة العصبية WNN ذات الهيكلية (1-8-8-8-5)، قادرة على التنبؤ بالأمطار الشهرية في محطة حمص على المدى الطويل بمعامل تحديد وجذر متوسط مربعات الأخطاء (7.74mm,0.98) على الترتيب. تقدم تقنية تحويل المويجات ميزة مفيدة قائمة على تحليل البيانات، مما يحسن من أداء النموذج، و تطبق هذه التقنية في نماذج الشبكات العصبية الاصطناعية للأمطار لأنها بسيطة، كما يمكن تطبيق هذه التقنية لنماذج أخرى.

تقديم محرك محاكاة موزع يعمل بطريقة الأحداث المتقطعة

قمنا في هذا البحث بمراجعة الجهود الحالية و السابقة في هذا المجال ثم قدّمنا محرك محاكاة موزع للأغراض العامة يعمل بطريقة الأحداث المتقطعة. تم تحقيق هذا المحرك باستخدام الأداة Akka و باستخدام خوارزمية التزامن optimized loop CMB و قد تم اختبار أداء المحرك و تجربته في حقل محاكاة الدارات المنطقية و نظام الأرتال بمخدم واحد.

دراسة فعالية و جودة الصوت في خوارزميات ضغط الصوت

يعد الصوت عنصراً أساسياً من عناصر الأوساط المتعددة، و نتيجة الحاجة إلى استخدامه في كثير من التطبيقات الحياتية كالبث التلفزيوني و برامج التواصل، لذا كانت الضرورة لوجود تقنيات لمعالجة إشارة الصوت من ضغط و تحسين و تقليل ضجيج. تكمن أهمية عملية ضغط البيانات في تخفيض معدل البتات المستخدمة، و ذلك عن طريق ترميز المعلومات باستخدام عدد أقل من البتات من التمثيل الأصلي من أجل الإرسال و التخزين. حيث تقوم بتحديد المعلومات غير الضرورية و إزالتها، أي تعطي المعلومات التي ضُغطت ضغط الاستخدام ما نحتاجه كشكل أساسي و ليس أدق التفاصيل. يهدف البحث إلى دراسة كيفية معالجة الصوت و الإشارة الموسيقية، و هي عملية تضم بعض التطبيقات كالترميز و الضغط الرقمي بهدف النقل الفعال و التخزين على الهواتف النقالة و مشغلات الموسيقا المحمولة، و نمذجة واستنساخ صوت الآلات الموسيقية و قاعات الموسيقا و توافقيات الموسيقا الرقمية، و تحرير الموسيقا الرقمية، و تصنيف محتوى الموسيقا بالإضافة إلى أمور أخرى.

مقارنة بين تحويل الحواف و التحويل المويجي المتقطع و التحويل التجيبي المتقطع في تطبيق العلامة المائية على الصور الرقمية

العلامة المائية هي عبارة عن إشارة يتم تضمنيها ضمن البيانات الرقمية (نص ، صورة ، صوت ، فيديو ) بطريقة تمكن من استخراجها لاحقاً ، و غالباً ما تستخدم لتضمين معلومات حقوق الملكية الفكرية للبيانات ، و يتم ذلك من خلال تضمين نموذج ما يحوي بيانات المؤلف ضمن البيانات الرقمية. نقدم في هذا البحث مقارنة بين ثلاثة أنواع من التحويلات المستخدمة لتضمين العلامة المائية ضمن المجال الترددي بطريقة فعالة و آمنة تسمح بتعليم جميع الصور الرقمية بدقة.