Explore the vast range of titles available.

خلفية الدراسة: منذ اكتشافها في بدايات القرن الماضي، حظيت نماذج (ماركوف) على قبول واستحسان الباحثين، واستخدمت في مجالات متعددة، وكان لها حظ وافر ونصيب بارز من الأبحاث المتعلقة بحوسبة اللغة، أو ما يعرف (بـ معالجة اللغات الطبيعية). يعد التمثيل الإحصائي الرياضي للعمليات العشوائية الأساس الذي بنيت عليه نظرية ماركوف إذ تعتمد على أساس رياضي متين، منحها شهرة واسعة، وجعلها محط أنظار الباحثين لفترة طويلة، الأمر الذي أحدث نقلة نوعية في عمليات التنبؤ والتصنيف، وفتح المجال لحوسبة اللغة وغيرها من العلوم، مثل الرعاية الصحية، والتسويق، وأسواق المال والأعمال، والتنبؤات الجوية الخ. وتشمل نماذج ماركوف نوعين رئيسين: نماذج ماركوف الظاهرة (اختصارا يطلق عليها نماذج ماركوف)، ونماذج ماركوف المخفية. ورغم أن النوع الأول أفاد في مجالات بحثية كثيرة، إلا أنه لم يلب جميع الاحتياجات، فكانت نماذج ماركوف المخفية امتدادا لها، وتلبية لحاجة شريحة أوسع وأنماط مختلفة من المسائل البحثية. إلا أن السنوات الأخيرة شهدت توجهاً كبيراً نحو استخدام الشبكات العصبية الاصطناعية سواء في مجال حوسبة اللغات وفي غيرها من المجالات. أهداف الدراسة: تهدف هذه الدراسة إلى رصد عملية انتقال الباحثين التحول نحو استخدام الشبكات العصبية الاصطناعية، وأثر ذلك على نماذج ماركوف المخفية. منهجية الدراسة: تم الاستعانة بقواعد البيانات الرقمية ومصادر الأبحاث الإلكترونية لجمع أكبر عدد ممكن من الأوراق العلمية التي تتعلق بنماذج ماركوف المخفية والشبكات العصبية الاصطناعية، ثم فرزت هذه الأوراق لاختيار قائمة قصيرة من الأوراق النوعية المتعلقة بحوسبة اللغات، ثم صنفت الأوراق المختارة حسب فترة النشر، للخروج بتصور يوضح عملية الانتقال نحو الشبكات العصبية الاصطناعية. النتائج: تشير نتائج هذه الدراسة إلى أن العقد الأخير شهد تراجعاً في استخدام نماذج ماركوف المخفية، مقابل زيادة الاهتمام بالشبكات العصبية الاصطناعية (خاصة التعلم العميق)، ويمكن القول أن الشبكات العصبية الاصطناعية تهيمن اليوم على الأعمال البحثية الجديدة في مجال حوسبة اللغات وغيرها من المجالات. الخلاصة والتوصيات: أن التوجه الجديد نحو استخدام الشبكات العصبية الاصطناعية يفرض على الباحثين الجدد مواكبة هذا الانتقال، والاطلاع على نتائجه، والمساهمة فيه.

This paper applied the artificial neural network (ANN) to forecast electricity consumption in Algeria. Two independent variables, GDP (Gross Domestic Product) per capita and population are used to forecast electricity consumption. The models' performance is evaluated using the coefficient of determination (R2) and the mean absolute percentage error (MAPE). The results show that the ANN model that models electricity consumption as a function of economic indicators outperforms the ANN time input model. In addition, the results indicate that Algeria's projected electricity consumption will be 76.06 and 94.66 billion Kwh in 2020 and 2025, respectively. As a result, improved electricity forecasting is critical for policymakers when constructing future energy plants.

يهدف البحث إلى بيان كيفية تطبيق بعض النماذج الحديثة لتحسين دقة التنبؤ بمعدلات الوفاة مع الأخذ في الاعتبار التحسن في الرعاية الصحية والذي أدى إلى ظهور ظاهرة طول العمر، حيث أن التنبؤ الجيد بمعدلات الوفاة يساعد شركات تأمينات الحياة والحكومات في إدارة مخاطر الوفيات ومخاطر طول العمر بشكل أفضل، ونتج عن تطبيق النموذج المقترح نتائج أكثر دقة في التنبؤ بمعدلات الوفاة وفقا لمعياري (RMSE, AFE) وأكثر تعبيرا عن التوزيع الديموغرافي في المجتمع بالشكل الذي يعكس أثر التغير في العوامل التي تؤثر على معدلات الوفاة. ومن أهم النتائج التي توصلت إليها الدراسة إمكانية استخدام النموذج المقترح في التنبؤ باحتمالات الوفاة للفئات العمرية المختلفة وفي فترة زمنية مستقبلية تصل إلى ستة عشر سنة. وتوصي الدراسة بتطبيق خوارزميات الذكاء الاصطناعي وخصوصا طريقة (ANN) في تأمينات الحياة للتنبؤ بمعدلات الوفاة أو معدلات الوفاة المركزية.

هدف البحث الحالي إلى قياس التأثيرات المباشرة وغير المباشرة لأبعاد الذكاء الاصطناعي (الشبكات العصبية الاصطناعية، النظم الخبيرة، الوكيل الذكي، الخوارزميات الجينية) على الميزة التنافسية بأبعاده (التكلفة المناسبة، الجودة، التسليم، المرونة) عبر توسيط القدرة الاستيعابية بأبعادها (اكتساب المعرفة - استيعاب المعرفة - تحويل المعرفة - استغلال المعرفة) وذلك من خلال دراسة تطبيقية على البنوك التجارية بمدينة المنصورة، وتم الاعتماد على أسلوب الحصر الشامل. حيث تم تجميع (262) استمارة صالحة للتحليل الإحصائي باستخدام أداة التحليل SPSSV.25 لاختبار التأثيرات المباشرة، إلى جانب أداة التحليل Amos V.23 لاختبار التأثيرات غير المباشرة. وقد توصلت نتائج البحث إلى وجود تأثير معنوي إيجابي للذكاء الاصطناعي على القدرة الاستيعابية، كما توصلت إلى وجود تأثير معنوي إيجابي للقدرة الاستيعابية على الميزة التنافسية. وأكدت النتائج وجود تأثير معنوي إيجابي للذكاء الاصطناعي على الميزة التنافسية. بالإضافة إلى وجود تأثير معنوي إيجابي غير مباشر للذكاء الاصطناعي على الميزة التنافسية عند توسيط القدرة الاستيعابية. وفي ضوء ما أسفرت عنها الدراسة من نتائج فقد اقترحت مجموعة من التوصيات التي يمكن أن تسهم في بناء وتعزيز الميزة التنافسية في البنوك.

يهدف البحث إلى تطبيق الشبكات العصبية الاصطناعية (ANN) لبعض متغيرات التوقع الحركي لناشئات حائط الصد في الكرة الطائرة من خلال التعرف علي الأهمية النسبية لبعض متغيرات التوقع لناشئات حائط الصد باستخدام الشبكات العصبية الاصطناعية، وقد استخدم الباحثون المنهج الوصفي لملائمته لطبيعة الدراسة، وطبقت هذه الدراسة علي عينه قوامها (۹) ناشئات للكرة الطائرة بنادي سموحة الرياضي بالإسكندرية حيث تم استخدام جهاز فيينا لقياس التوقع الحركي وبالإضافة إلى قياس اختبارات مهاريه لحائط الصد وهما (تكرار حائط الصد- صد الضرب الساحق) وتم تطبيق الشبكات العصبية الاصطناعية (Artificial Neural Network Structure (ANN) ذات الثلاث طبقات والتغذية الأمامية بطبقة واحدة مخفية وخلية خلفية واحدة مع تحديد نسبة ۷۷٫۸% للتدريب و۲۲٫۲% لاختبار تكرار حائط الصد، بينما كانت نسبة ٥٥,٦% للتدريب و٤٤,٤% للاختبار في اختبار صد الضرب الساحق وأظهرت النتائج تفاوت النسب المئوية لمتغيرات التوقع الحركي بالنسبة لاختبارات حائط الصد (تكرار حائط الصد- صد الضرب الساحق) حيث جاء قياس التشتت أثناء زمن الاستجابة الحركية في الترتيب الأول لكل من (تكرار حائط الصد- صد الضرب الساحق) بنسبه أهميه بلغت ۱۰۰% تليها الاستجابات الصحيحة بنسبه ٦٥,٧% وتليها متوسط اتجاه الانحراف بنسبه ٦٢,٧% وهو ما يعبر عن اختبار قياس توقع زمن وسرعة ومسافة هدف متحرك في حين بلغت نسبة الأهمية لمتغير متوسط الاستجابات ٥٧,٨% تليها الاستجابات ثم متوسط زمن الاستجابة الحركية لاختبار تكرار حائط الصد وكان متغير متوسط زمن الانحراف (قياس توقع الزمن والسرعة والمسافة لهدف متحرك) لاختبار تكرار حائط الصد في الترتيب الأخير لدرجه الأهمية وبنسبه أهميه بلغت ٦,٩%. ومن خلال هذه النتائج يوصي الباحثون بالاعتماد على نتائج الشبكات العصبية الاصطناعية للأهمية النسبية لمتغيرات التوقع الحركي لحائط الصد لما لها أهمية كبيره في دقة النتائج واستخدام تطبيقات أخري للشبكات العصبية كالتنبؤ والتجميع والتصنيف للاعبين لأنماط الأداءات الحركية الرياضية المختلفة.

تهدف هذه الدراسة إلى مقارنة تنبؤ نموذج الشبكات العصبة ذات دالة الأساس الشعاعي RBF مع شبكة متعددة الطبقات MLP ونماذج ARIMA في تحليل السلسلة الزمنية الخاصة بحوادث المرور الشهرية لولاية تلمسان للفترة من 2011 إلى 2019، وقد تم الاعتماد على معيار جدر متوسط مربعات الخطأ (SMSE) للمقارنة بين النماذج الثلاث. ومن خلال البحث تم التوصل إلى مجموعة من النتائج التجريبية أهمها أن النموذج RBF يعطى نتائج أفضل من شبكة متعددة الطبقات MLP ونموذج ARIMA في التنبؤ بحوادث المرور بولاية تلمسان.