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

آخر الابحاث

هدفت الدراسة إلى تعرف على مدقق الحسابات بشركة المساهمة، وبيان مفهوم وشروط وحقوق والتزامات مدقق الحسابات، وتمثلت إشكالية الدراسة في مدى فاعلية مدقق الحسابات بشركة المساهمة، وتم تقسيم الدراسة إلى مطلبين المطلب الأول – مفهوم وشروط مدقق الحسابات بشركة ال مساهمة العامة، والمطلب الثاني حقوق والتزامات مدقق الحسابات بشركة المساهمة العامة، ولتحقيق هدف الدراسة تم استخدام المنهج التحليلي، وأشارت الدراسة إلى فاعلية مدقق الحسابات وذلك من خلال مراقبة واطلاعه على سجلات الشركات وإعداد الميزانية وبيان الأرباح والخسائر.
يتضمن هذا البحث طريقة للتحكم بسرعة محرك حثي ثلاثي الطور باستخدام تقنية سيطرة المتجه المباشر بدون متحسس للسرعة بالاعتماد على نظرية تقييم فيض الجزء الساكن للمحرك. وتتكون منظومة سوق المحرك من معدل قنطري ثلاثي الطور غير محكوم وعاكس يعمل بنظام تضمين عرض ا لنبضة بتقنية المتجه الفراغي للتشغيل والسيطرة على سرعة المحرك تحت عزوم ميكانيكية مختلفة. تم تقييم سرعة الدوار من خلال تقييم تردد الانزلاق للمحرك واستخدامه كتغذية خلفية بدل متحسس السرعة ألاسترجاعي (تاكوميتر) وفق التقنية أعلاه. تم استخدم تقنية الفولتية/تردد مع المتحكم التكاملي التناسبي للحصول على استجابة دقيقة من خلال المقارنة بين السرعة المطلوبة والسرعة المخمنة للوصول إلى دقة واستجابة جيدة بعد حساب قيم الكسب التناسبي وزمن التكامل للمتحكم. وكانت نتائج التمثيل الحاسوبي باستخدام برنامج (Matlab\Simulink) لاستجابة السيطرة على سرعة المحرك للحالة المستقرة والديناميكية لعزوم بحدود (5-10N.m) مرضية وبأقل خطأ ممكن وكذلك أوضحت النتائج فولتية وتيار وفيض الساكن المقيّمة للمحرك في أطار المرجع الثابت والمرجع التزامني الدوار للمحور المباشر والعمودي، والسرعة التزامنية وسرعة الدوار وسرعة الانزلاق المخمنة لسرع تتراوح (250-1486rpm).
يستند نموذج الجودة الأوروبي والذي يميز هذه الطبعة على الافتراض التالي: إرضاء العملاء، والموظفين، والتأثير الإيجابي على المجتمع، كلها أشياء يمكن تحقيقها عن طريق القيادة، السياسة الاستراتيجية، والإدارة الصحيحة للموظفين، والاستخدام الفعال للموارد المتاح ة، والتعريف الصحيح للعمليات، والتي تسفر في النهاية عن التميز في النتائج. ذلك أن هذا المنهج يحاول تقديم منظور واسع لمفاهيم الإدارة المعنية، والتي تغطى مجالات مثل الإدارة الاستراتيجية، أو أنظمة المعلومات والموارد البشرية. ومن ثم فإن هذه المعايير تتصل إتصالا وثيقا بالموارد الرئيسية الخاصة بالمؤسسات والقدرات الأساسية التي تتحكم فيها وتديرها. وقد تطورت مناهج تحسين أداء كل من الأعمال والعمليات وذلك خلال العقود الأخيرة بدءا بالإدارة بالأهداف والنتائج ومرورا بمراقبة الجودة الكلية ثم إدارة الجودة الشاملة ثم ستة سيجما ثم نظرية القيود ثم إعادة الهندسة فمنهجية استبعاد الفاقد ثم إدارة المعرفة ثم إدارة سلاسل التوريد الإلكترونية ثم الدمج مابين منهجية ستة سيجما ومنهج إستبعاد الفاقد LSS وأخيرا المنظمات عالية الأداء. فهذه المناهج منها ما يركز على كفاءة الأداء ومنها ما يركز على فعالية الأداء والبعض الثالث يركز على تنمية القدرات المعرفية للمنظمة ومن ثم تطوير رأس المال الفكري بها من أجل تحقيق التنمية الذاتية والمستدامة. ويركز الكتاب على منهجية ستة سيجما كمقياس للجودة وبرنامج للتحسين حيث تم تطويرها عن طريق شركة موتورولا حيث ركزت على رقابة العملية إلى النقطة سنة سيجما او ٣،٤ عيب لكل مليون وحدة يتم إنتاجها، ويشمل ذلك تحديد العوامل الأكثر أهمية للجودة والتي يتم تحديدها عن طريق العميل، ومن خلال ذلك يتم تخفيض تغيرات العملية وتحسين القدرات وزيادة درجة الثبات، وتصميم النظم المساعدة والتي قد تكون منها التصميم من أجل ستة سيجما DFSS للمساعدة على تحقيق هدف سنة سيجما.
إن عملية نقل إشارة الكلام بسرية عالية وبأسرع وقت عبر شبكة الانترنيت يحتاج إلى تطوير تقنيات كبس وتشفير إشارة الكلام، وذلك لتقليل حجمها وجعلها غير مفهومة للأشخاص غير المخولين بالاستماع إليها. تم في هذا البحث تصميم نظام لتشفير الصوت عبر بروتوكو ل الانترنيت (VoIP) واستخدام تقنيات الكبس لغرض تقليل حجم البيانات وإرسالها عبر الشبكة، إذ تم استخدام خوارزمية (A_law PCM) في كبس بيانات الصوت. ومن ثم تم تطبيق خوارزميتي التشفير المتكرر الثلاثي القياسي (TDES)، ومقياس التشفير المتقدم (AES). تم اقتراح خوارزمية تشفير جديدة تعتمد في أساس عملها على نظام التشفير الكتلي، أُطلق عليها اسم خوارزمية المباشر والمعكوس، حيث تعتمد على ثلاث خطوات أساسية وهي توسيع المفتاح الأولي، وتوجيه التشفير لكل دورة باتجاه معين، وكذلك تبديل الـ (Bytes) حسب صندوق التعويض المستخدم في خوارزمية AES وذلك بجعله متحركاً. تم حساب نسبة الكبس بصورة عامة وكانت 50%، وتمت مقارنة نتائج معامل الارتباط للخوارزمية المقترحة مع نتائج خوارزميتي (AES, TDES).
يهدف التنقيب عن البيانات التعليمية إلى دراسة البيانات المتوفرة في المجال التعليمي وإخراج المعرفة المخفية منه بغية الاستفادة منها في تعزيز عملية التعليم واتخاذ قرارات ناجحة من شأنها تحسين الأداء الأكاديمي للطالب. تقترح هذه الدراسة استخدام تقنيات التنق يب عن البيانات لتحسين التنبؤ بأداء الطلاب، حيث تم تطبيق ثلاث خوارزميات تصنيف Naïve Bayes, J48, Support Vector Machine)) على قاعدة بيانات أداء الطلاب ، ثم تم تصميم مصنف جديد لدمج نتائج تلك المصنفات الفردية باستخدام تقنية الدمج Voting Method . تم استخدام الأداة WEKAالتي تدعم الكثير من خوارزميات و طرائق التنقيب في البيانات. تظهر النتائج أن مصنف الدمج لديه أعلى دقة للتنبؤ بمستويات الطلاب مقارنة بالمصنفات الأخرى ، حيث حقق دقة تعرف وصلت إلى74.8084 % . و أفادت خوارزمية العنقدةsimple k-means في تجميع الطلاب المتشابهين في مجموعات منفصلة بالتالي فهم مميزات كل مجموعة مما يساعد على قيادة وتوجيه كل مجموعة على حدى.
هدفت الدراسة الى التعرف على أثر استخدام بعض استراتيجيات الحمل المعرفي المتقدمة في تدريس علم النفس لتنمية بعض مهارات التفکير المستقبلي وادارة المعرفة الاکاديمية الناجحة لدى طلاب المرحلة الثانوية ، وقام الباحث بإعداد مواد وأدوات الدراسة التي تمثلت في د ليل المعلم القائم على بعض استراتيجيات الحمل المعرفي المتقدمة ، واختباراً ومقياسا لقياس بعض مهارات التفکير المستقبلي وادارة المعرفة الاکاديمية الناجحة لدى طلاب المرحلة الثانوية على الترتيب، وقام الباحث بضبط أدوات الدراسة وحساب مدى کفاءتها من خلال استخدام الاساليب الاحصائية المختلفة حيث قام بحساب الصدق والثبات من خلال استخدام الصدق المنطقي وتحليل التباين ، کما تم حساب الثبات باستخدام معامل الفا کرونباخ ، ولقد تم تطبيق أدوات الدراسة على (30) طالب وطالبة من طلاب المرحلة الثانوية ، واستخدم الباحث التصميم التجريبي ذو المجموعة الواحدة ، وتوصلت نتائج الدراسة الى مدى فاعلية بعض استراتيجيات الحمل المعرفي المتقدمة في تنمية بعض مهارات التفکير المستقبلي ، وکذلک تنمية ادارة المعرفة الاکاديمية الناجحة لدى طلاب المرحلة الثانوية ، حيث وجدت فروق ذات دلالة احصائية بين متوسطات درجات التطبيقين القبلي والبعدي لصالح التطبيق البعدي في نتائج کل من اختبار التفکير المستقبلي ومقياس ادارة المعرفة الاکاديمية الناجحة ، کما اتضح أن لاستراتيجيات الحمل المعرفي أثر کبير في تنمية المتغيرات التابعة المتمثلة فى التفکير المستقبلي وادارة المعرفة الاکاديمية الناجحة .
بعد نجاح اهتمام DOT-Product في المحولات، تم اقتراح تقريب عديدة مؤخرا لمعالجة تعقيدها التربيعي فيما يتعلق بطول الإدخال. في حين أن هذه المتغيرات هي الذاكرة وتحسب كفاءة، فمن غير الممكن استخدامها مباشرة مع نماذج اللغة المدربة مسبقا مسبقا تدربت باستخدام ا هتمام الفانيليا، دون مرحلة ما قبل التدريب التصحيحية باهظة الثمن. في هذا العمل، نقترح تقريب بسيط ولكن دقيق للغاية لاهتمام الفانيليا. نقوم بمعالجة الاستعلامات في قطع، ولكل عملية استعلام، حساب أعلى الدرجات * K * فيما يتعلق بالمفاتيح. يوفر نهجنا عدة مزايا: (أ) استخدام ذاكرةه خطي في حجم الإدخال، على غرار متغيرات الانتباه الخطي، مثل أداء و RFA (B) هو استبدال انخفاض في انتباه الفانيليا الذي لا يتطلب أي تصحيحية -إجراء (ج) يمكن أن يؤدي أيضا إلى وفورات كبيرة في الذاكرة في طبقات الأعلاف إلى الأمام بعد إلقاءها في إطار القيمة المألوفة ذات القيمة الرئيسية. نحن نقيم جودة أعلى - * K * تقريب طبقات الاهتمام متعدد الأطراف على أساس الساحة الطويلة المدى، وللطبقات التغذية من T5 و unifectqa على مجموعات بيانات QA متعددة. نظرا لأن نهجنا يؤدي إلى الدقة التي تظل مما يقرب من انتباه الفانيليا في إكمال متعددة بما في ذلك التدريب من الصفر والضبط الناعم والاستدلال بالرصاص الصفر.
التدريب نماذج لغة كبيرة يمكن أن تستهلك كمية كبيرة من الطاقة.نفترض أن تكوين نموذج اللغة يؤثر على استهلاكها في مجال الطاقة، وأن هناك مجالا لتحسين استهلاك الطاقة في نماذج اللغة الكبيرة الحديثة.للتحقيق في هذه المطالبات، نقدم عامل استهلاك الطاقة في الوظيف ة الموضوعية، واستكشاف مجموعة النماذج وتكوينات HyperParameter التي تؤثر على الطاقة.نحدد عوامل تكوين متعددة يمكن أن تقلل من استهلاك الطاقة أثناء التدريب على نموذج اللغة مع الحفاظ على جودة النموذج.
يتم استخدام نماذج اللغة المحددة على كورسا شاسعة للنص غير منظم باستخدام إطار التعلم الذاتي للإشراف في العديد من فهم اللغة الطبيعية ومهام الجيل. تشير العديد من الدراسات إلى أن الاستحواذ على اللغة في البشر يتبع نمطا بسيطا مهيكيا ومجهدا بهذا الحدس، وتعلم المناهج الدراسية، مما يتيح تدريب النماذج الحسابية في ترتيب مغزى، مثل معالجة العينات السهلة قبل الصعب، وقد عرضت للحد من وقت التدريب المحتمل. لا يزال السؤال ما إذا كان يمكن لمعرفة المناهج الدراسية أن تستفيد من نماذج اللغة. في هذا العمل، نقوم بإجراء تجارب شاملة تنطوي على استراتيجيات مناهج متعددة تختلف معايير التعقيد وجداول التدريب. النتائج التجريبية لتدريب نماذج لغة المحولات على الإنجليزي كوربوس وتقييمها جوهريا وكذلك بعد التقليل من ثمانية مهام من معيار الغراء، تظهر مكاسب تحسن متسقة حول تدريب الفانيليا التقليدي. ومن المثير للاهتمام، في تجاربنا، عند تقييمها على عصر واحد، أفضل نموذج في أعقاب المناهج الدراسية ذات المستوى الثابت على مستوى المستند، تتفوق على نموذج الفانيليا بنسبة 1.7 نقطة (متوسط ​​درجة الغراء) ويستغرق نموذج الفانيليا ضعف العديد من خطوات التدريب للوصول إلى أداء مماثل.

آخر الاعضاء المنضمين

Osama

Osama Mouadamani

لقد قام بالانضمام بتاريخ   من باختصاص غير محدد

يارا

يارا عراقي

لقد قام بالانضمام بتاريخ   من باختصاص غير محدد

Omar

Omar Alhayek

لقد قام بالانضمام بتاريخ   من Jordan باختصاص العلوم الهندسية

آخر الاسئلة

تقسيم التعليم ما قبل الجامعي في سوريا

378  - - 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؟

451  - - 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؟

681  - - 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