ترغب بنشر مسار تعليمي؟ اضغط هنا
محرك بحث أكاديمي في 2000000 بحث علمي عربي وانكليزي موثوق من 57 جامعة

آخر الابحاث

يشكل الرصف المرن (Flexible Pavement) النوع الأكثر انتشاراً في انشاء الطرق في الجمهورية العربية السورية كما أنه يستخدم بشكل واسع في كافة مناطق العالم حيث تبلغ نسبة الطرق التي تعتمد في انشائها على هذا النوع من الرصف حوالي 93% في الولايات المتحدة الأمري كية ويعود ذلك الى سهولة وسرعة انشائه وصيانته . وهذا الانتشار الكبير للرصف يتطلب وضع منهجية للعمل في تصميم الخلطات الاسفلتية بحيث تحقق المتطلبات الفنية المتبعة في تنفيذ الطرق قادرة على مقاومة اجهادات التعب وحمولات المرور والعوامل الجوية . وفي بحثنا هذا قدمنا شرحا مفصلا عن مكونات الخلطة الاسفلتية وطريقة تصميم الخلطات الاسفلتية وفق خلطة مارشال . حيث قدمنا في الفصل الأول دراسة مفصلة عن الروابط البيتومينية وأنواعها وتصنيفها . أما في الفصل الثاني دراسة الخواص العامة للخلائط الحصوية المستخدمة في الطرق والتجارب التي تجري عليها وطرق دمجها . أما في الفصل الثالث والرابع تحدثنا عن مفهوم فلسفة الخلائط البيتومينية ومراحل تصميمها . وفي الفصل الخامس والفصل السادس ناقشنا الأسس النظرية لتصميم الخلطة الاسفلتية وفق طريقة مارشال . أما في الفصل الأخير تم تصميم خلطة اسفلتية تمثل المراحل التطبيقية لتصميم الخلطة الاسفلتية وجميع التجارب المنفذة على مكونات هذه الخلطة .
نقدم من خلال هذا المشروع دراسة عملية عن خدمات البث عبر الشبكة نحاكي من خلالها البث الإذاعي عبر الإنترنت ونتعرف على هذه الخدمة ضمن بيئة Shoutcast Server و تحليل أدائها عبر Wireshark و من ثم إجراء دراسة تقريبية لاستهلاك الطاقة ضمن الهواتف الذكية و بعض الحلول المتبعة للتخفيف من هذه المشكلة . انطلاقاً من التعرف على مفهوم Streaming و أنواع البروتوكولات المستخدمة في هذه العملية و من ثم كيفية تحقيقها عن طريق Shoutcast server و مشغل الموسيقا Winamp وذلك بعد التعرف بشكل نظري مفصل على الـ Shoutcast server ,انتهاءاً باستقبال الخدمة عبر أجهزة استقبال(Mobiles ) . عن طريق برنامج Wireshark نقوم بتحليل بروتوكول الخدمة السابقة وماهي أية عمله وما هو شكل البيانات التي يتعامل معها و من ثم تحليل أداء الخدمة وفق نماذج متعددة تشمل عدة حالات ( مستقبل واحد أو عدة مستقبلين ) مع تحديد قيم بارامترات التأخير والإنتاجية وغيرها من بارامترات جودة الخدمة . في القسم الأخير نقدم دراسة لمفهوم حفظ الطاقة ضمن البيئة المستخدمة من أجل الإضاءة على هذه المشكلة التي تعتبر تحدياً كبيراً أمام الهواتف الذكية عند استعراض Video أو Audio عبر الشبكات اللاسلكية مع تقديم بعض الاستراتيجيات التي تساهم في الحد من استهلاك الطاقة من قبل بطاريات الهواتف الذكية . تجدر الإشارة أن جميع القياسات تمّت ضمن بيئة شبكة حقيقية ( كما سنرى لاحقاً ) وليست عبر برامج محاكاة ، حيث فضلنا اتباع طريقة Measurement في تحليل الخدمة وذلك من أجل تقديم نتائج دقيقة و حقيقية قدر الإمكان .
لم تعد الطريقة الستاتيكية المكافئة أو طيف الاستجابة؛ التي كانت تستخدم عادة للتصميم الإنشائي لمعظم أنواع المنشآت التقليدية؛ من المنهجيات المفضلة في تصميم المنشآت الحديثة المعقدة التركيب والأداء خصوصا عند تعرضها لحمولات شديدة. ومن الناحية الأخرى أصبح ا لتحليل الخطي واللاخطي باستخدام السجل الزمني أداة عملية ومستخدمة على نطاق واسع، يعود ذلك للمتطلبات الزلزالية الجديدة إضافة للتطور والأداء العالي للحواسب، وأيضا بسبب الازدياد المستمر في قاعدة البيانات الخاصة بالحركات الأرضية القوية. لذلك أصبح استخدام وتقييس (معايرة) السجلات الحقيقية أحد أهم الأغراض الأساسية للأبحاث المعاصرة في هذا المجال. تأخذ معايير اختيار السجلات الزمنية بعين الاعتبار السمات الزلزالية لتلك السجلات كقوة الزلزال والمسافة عن البؤرة السطحية ومواصفات الموقع لأنها تؤثر على شكل طيف الاستجابة ومحتوى الطاقة ومدة الحركات الأرضية القوية، وبالتالي الطلب المتوقع على المنشأ. وبعد عملية اختيار السجلات الزلزالية الحقيقية يجب تقييسها لمطابقة شدة الزلزال المحتملة في الموقع. حيث تجرى عملية التقييس عادة باستخدام التقييس الموحد في مجال الزمن، وذلك ببساطة عن طريق تقییس السجلات الزمنية بتكبیرها أو تصغیرها بشكل موحد لتتم مطابقتها (بشكل متوسط) مع طیف الاستجابة الهدف ضمن المجال المحدد للدور بأفضل ما يمكن. إن عملية إيجاد معاملات التقييس لتأمين المطابقة الأفضل مع الطيف الهدف هي من مهام المهندس وهي عملية صعبة ومعقدة، لذلك قمنا باستخدام الخوارزمية الجينية في إيجاد تلك المعاملات بهدف الحصول على أفضل النتائج. يعتبر إجراء تحليل لاخطي باستخدام السجل الزمني للحركات الأرضية المختارة و المعايرة نهجا تقليديا بهدف شرعنة النتائج من خلال تقييم انحراف وتغير الاستجابة الإنشائية. فهذا يثبت كفاية وفعالية الطرائق المستخدمة. قمنا في هذا البحث بتلخيص المنهجيات الخاصة بعمليات الاختيار والتقييس، وناقشنا معايير اختيار وتقييس السجلات الزمنية الحقيقية لإرضاء متطلبات الكود السوري. وتم توظيف إجراءات التقييس باستخدام الخوارزمية الجينية لتقييس عشرة مجموعات من السجلات، تتكون كل مجموعة من سبعة سجلات من السجلات الزمنية الحقيقية المتوفرة لهدف مطابقة الطيف التصميمي السوري. ثم قمنا بفحص السجلات الزمنية الناتجة ومقارنتها لتبيان مدى ملائمتها للاستخدام كتوابع تحريض في التحليل بالسجل الزمني لمنشآت الهندسة المدنية، من خلال التحليل باستخدام السجل الزمني لمنشآت وحيدة درجة الحرية بهدف فحص فعالية طريقة المعايرة المستخدمة في خفض التبعثر في الاستجابة الإنشائية. حيث تم تمثيل المنشآت وحيدة درجة الحرية باستخدام نماذج ثنائية الخطية الهستيرية (الإرجاعي)، من خلال افتراض خمسة أدوار ومعامل مطاوعة R= 4.5 ونسبة صلابة ما بعد الخضوع α=3% وإجراء 700 عملية تحليل. وأخيرا تم عرض النتائج بدلالة الانتقالات اللدنة D.
الغاية من هذا البحث بناء نظام لتصنيف نطق الأرقام الانكليزية وذلك بالاعتماد على نماذج ماركوف المخفية في التصنيف وذلك بالاعتماد على طيف الإشارة في استخراج سمات الإشارات
أصبحت قضية استرجاع المعلومات في يومنا هذا من أهم القضايا والتحدّيات التي تشغل العالم كنتيجة منطقية للتطوّر التكنولوجي المتسارع والتقدم الهائل في الفكر الإنساني والبحوث والدراسات العلمية في شتى فروع المعرفة وما رافقه من ازدياد في كميات المعلومات إلى ح دّ يصعب التحكم بها والتعامل معها. لذا نهدف في مشروعنا إلى تقديم نظام استرجاع معلومات يقوم بتصنيف المستندات حسب محتواها إلا أن عمليّة استرجاع المعلومات تحوي درجة من عدم التأكد في كل مرحلة من مراحلها لذا اعتمدنا على شبكات بيز للقيام بعملية التصنيف وهي شبكات احتماليّة تحوّل المعلومات إلى علاقات cause-and-effect و تعتبر واحدة من أهم الطرق الواعدة لمعالجة حالة عدم التأكد . في البدء نقوم بالتعريف بأساسيّات شبكات بيز ونشرح مجموعة من خوارزميّات بنائها وخوارزميّات الاستدلال المستخدمة ( ولها نوعان دقيق وتقريبي). يقوم هذه النظام بإجراء مجموعة من عمليّات المعالجة الأوليّة لنصوص المستندات ثم تطبيق عمليات إحصائية واحتمالية في مرحلة تدريب النظام والحصول على بنية شبكة بيز الموافقة لبيانات التدريب و يتم تصنيف مستند مدخل باستخدام مجموعة من خوارزميات الاستدلال الدقيق في شبكة بيز الناتجة لدينا. بما أنّ أداء أي نظام استرجاع معلومات عادة ما يزداد دقّة عند استخدام العلاقات بين المفردات (terms) المتضمّنة في مجموعة مستندات فسنأخذ بعين الاعتبار نوعين من العلاقات في بناء الشبكة: 1- العلاقات بين المفردات(terms). 2- العلاقات بين المفردات والأصناف(classes).
أصبح التحليل الخطي واللاخطي باستخدام السجل الزمني أداة عملية ومستخدمة على نطاق واسع، يعود ذلك للمتطلبات الزلزالية الجديدة إضافة للتطور والأداء العالي للحواسب. كما يعتبر إجراء التحليل باستخدام السجل الزمني للحركات الأرضية المختارة و المعايرة نهجاً تقل يدياً بهدف شرعنة النتائج من خلال تقويم انحراف وتغير الاستجابة الإنشائية. فهذا يثبت كفاية وفعالية الطرائق المستخدمة. قمنا في هذا البحث بمناقشة معايير اختيار وتقييس السجلات الزمنية الحقيقية لإرضاء متطلبات الكود السوري. وتم اختيار وتقييس عشرة مجموعات من السجلات، تتكون كل مجموعة من سبعة سجلات من السجلات الزمنية الحقيقية المتوفرة، لهدف مطابقة الطيف التصميمي السوري. ثم قمنا بفحص السجلات الزمنية الناتجة ومقارنتها لتبيان مدى ملائمتها للاستخدام كتوابع تحريض في التحليل بالسجل الزمني لمنشآت الهندسة المدنية، من خلال استخدامها في التحليل لمنشآت وحيدة درجة الحرية لفحص فعالية طريقة التقييس المستخدمة في خفض تبعثر الاستجابة الإنشائية. حيث تم تمثيل المنشآت وحيدة درجة الحرية باستخدام نماذج ثنائية الخطية الهستيرية (الإرجاعي)، من خلال افتراض خمسة أدوار ونسبة صلابة ما بعد الخضوع α=3%، ثم إجراء 700 عملية تحليل. كما تم إجراء 280 عملية تحليل لمنشآت متعددة درجات الحرية.
نتيجةً للتطور الهائل في العلوم والتكنولوجيا، والانتشار الواسع للإنترنت، باتت المعرفة البشرية في متناول كل شخص منا. لكن ومع هذا الكم الهائل من المعلومات، اصبح القارئ مشتتا بين مصادر عديدة تجعله يضيع في هذا الفضاء الواسع. انفجار المعلومات هذا تطلب وسائ ل للسيطرة عليه تقوم بتنظيم هذه المعلومات وترتيبها تحت عناوين عريضة، وتتتبعها. من هنا بدء المجتمع التقني بالاتجاه نحو مجال جديد اطلق عليه اسم اكتشاف الموضوع وتتبعه. يطبق هذا المفهوم بشكل واسع في مجال شبكات التواصل الاجتماعي، الاخبار، المقالات العلمية وغيرها الكثير. ففي مجال الاخبار كثيرا ما ترى آلاف وكالات الاخبار تبث عشرات الاف القصص الاخبارية حول نفس الحدث، ما دفع البوابات الاخبارية وفي مقدمتها Google news لتطبيق نظام اكتشاف للموضوع وتتبعه. يعنى هذا النظام بمجموعة من المهام المعرفة من قبل منظمة DARPA، أولها مراقبة سيل من القصص النصية المتصلة لمعرفة الحدود الفاصلة بين كل قصة والاخرى، وتدعى تقطيع القصص، ثانيها مهمتها الاجابة على السؤال: هل تناقش قصتان معطاتان نفس الموضوع او الحدث؟ وتدعى اكتشاف الصلة. ثالثها معنية بمراقبة سيل من القصص لاكتشاف تلك التي تناقش موضوعا معرفا من قبل المستخدم، وتدعى بتتبع الموضوع. رابعها تهتم بالتعرف على القصص التي تناقش احداثا جديدة فور وصولها، وتدعى اكتشاف القصة الاولى. واخرها تدعى اكتشاف الموضوع، وهي مسؤولة عن فصل مجموعة من القصص المختلطة الى مواضيع، بدون اي معرفة مسبقة بهذه المواضيع، اي تجميع القصص التي تناقش موضوعا واحدا في نفس العنقود. نعمل من خلال هذا المشروع على تطبيق المهام الاربع الاخيرة وتقييمها. يتم استلام القصص في الزمن الحقيقي، اجراء معالجة مسبقة عليها (معالجة لغوية وغير ذلك)، ثم يتم تمثيل القصص بشكل اشعة وتوزين كلمات كل قصة، يتم بعدها اختيار مجموعة كلمات لتمثيل القصة. اما تمثيل المواضيع فنختبر اشكالا مختلفة، كالتمثيل الشعاعي او التمثيل بالقصص وغير ذلك. نناقش خلال هذا المشروع ايضاً استخدام معايير مختلفة لتمثيل القصص وقياس تشابهها، ونختبر استخدام عنوان القصة وتاريخها كمميزات بالإضافة الى مجموعة الكلمات. كما ونتحدث عن منهج خاص بنا لتقييس التشابهات بين القصص والتخفيف من تأثير عمليات اختيار العتبات في النظام، ونعرض التحسينات المذهلة التي يبديها هذا المنهج، والتي تمكن من بناء نظام اكتشاف موضوع وتتبعه، دون القلق حول تحديد العتبة اطلاقا، والذي لطالما كان يمثل التحدي الاكبر لهذا النوع من الانظمة. نتحدث عن تطبيقنا لخوارزميات العنقدة الاكثر تطورا في مهمة اكتشاف الموضوع، ونعرض كيفية قيامنا بتعديل مصفوفة التجاذب في خوارزمية العنقدة الطيفية المطروحة واستخدام طريقة تقييس مختلفة تم تكييفها مع حالة نظامنا، والتي ادت الى تحسين اداء العنقدة من 0.89 الى 0.97 مقاسا على F-measure
يتحدث المحتوى عن طرق الاستيفاء بالتحليل العددي بشكل برمجي وهما طريقتين طريقة استيفاء لاغرانج وطريقة سبلاين الخطية بلغة c++ والجافا وهما موجودين على شكل تطبيق اندرويد
وصف عام لمشروع التدفئة والتكيف: هو عبارة عن فندق في السويداء يتألف من أربعة طوابق وقبو.  الطابق الأرضي: هو عبارة عن غرف استقبال الزبائن وبهو للفندق ومطعم وتراسات صيفية.  الطابق الأول: هو طابق الميزانين ويحوي على مكتب المدير ومكاتب المضيفين و يوجد فيه صالة.  الطابق الثاني: هو عبرة عن طابق متكرر ويحوي غرف النزلاء.  الطابق الثالث: هو تكرار الطابق الثاني.  القبو: 1- يحتوي على غرف المستودعات ومطبخ وصالة انترنت وبلياردو وغرفة تحوي كامل تجهيزات التدفئة. 2- وسنقوم بالمشروع بتدفئة جزء من القبو والطابق الأرضي والميزانين والمتكرر بالمشعات. 3- وسنقوم بتكييف صالة البلياردو وصالة الأنترنت والبار والصالة العلوية والمطعم بوحدات المعالجة المركزية.

آخر الاعضاء المنضمين

Ibrahim

Ibrahim Djarma

لقد قام بالانضمام بتاريخ   من Chad باختصاص غير محدد

Ahmad

Ahmad Al Masre

لقد قام بالانضمام بتاريخ   من Syria باختصاص الهندسة الكيميائية والبترولية

سليم

سليم وسوف

لقد قام بالانضمام بتاريخ   من Syria باختصاص الهندسة الكيميائية والبترولية

آخر الاسئلة

تقسيم التعليم ما قبل الجامعي في سوريا

376  - - 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؟

449  - - 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؟

677  - - 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