البحث — المستودع الرقمي العراقي

نتائج البحث: 25 من أصل 48

تطوير نظام توصيات مدرك للسياق باستخدام التصفية التعاونية Developing a Context-Aware Recommendation System Using Collborative Filtering

اسم المؤلف: دعاء حسين حميد

اسم المشرف: رحاب فليح حسن

الموضوع العام: علوم الحاسبات

السنة: 2023

الموضوع الدقيق: تطبيقات ذكائية

الدرجة: ماجستير

الجامعة: الجامعة التكنولوجية

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

اكتشاف وتشفير كائنات الفيديو في السحابة باستخدام التعلم العميق وترميز الحمض النووي Object Detection and Encryption of Video in Cloud Using Deep Learning and DNA Coding

اسم المؤلف: اسماء حسن الربيعي

اسم المشرف: ميساء عبد علي خضر

الموضوع العام: علوم الحاسبات

السنة: 2023

الموضوع الدقيق: تطبيقات ذكائية

الدرجة: دكتوراه

الجامعة: الجامعة التكنولوجية

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

الكشف عن الحشود البشرية وتتبعها باستخدام التعلم العميق عبر الشبكة اللاسلكية Human Crowd Detection and Tracking Using Deep Learning Via Wireless Network

اسم المؤلف: محمد عبد الجليل مكتوف

اسم المشرف: ابراهيم نذير ابراهيم اسراء تحسين علي

الموضوع العام: علوم الحاسبات

السنة: 2023

الموضوع الدقيق: تطبيقات ذكائية

الدرجة: دكتوراه

الجامعة: الجامعة التكنولوجية

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

تقدير الحجم والسرعة بالوقت الحقيقي للمركبات المتحركة بواسطة التعلم العميق Real Time Estimating Size and Speed of Moving Vehicles Using Deep Learning

اسم المؤلف: سيف بشار نعمة

اسم المشرف: عبد الامير عبد الله كريم

الموضوع العام: علوم الحاسبات

السنة: 2023

الموضوع الدقيق: تطبيقات ذكائية

الدرجة: دكتوراه

الجامعة: الجامعة التكنولوجية

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

المراب الذكي بناء على تقنية التعلم الالي Smart Garage Based on Machine Learning Technique

اسم المؤلف: سهى قصي احمد

اسم المشرف: اقباس عز الدين علي اخلاص فالح ناصر

الموضوع العام: علوم الحاسبات

السنة: 2023

الموضوع الدقيق: تطبيقات ذكائية

الدرجة: ماجستير

الجامعة: الجامعة التكنولوجية

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

محرك بحث مخصص لتحسين استرجاع المعلومات بناء على تقنيات التنقيب في الويب Customized Search Engine for Improving Information Retrieving Based on Web Mining Techniques

اسم المؤلف: اسراء قاسم نعمة

اسم المشرف: مثيل عماد الدين عبد المنعم

الموضوع العام: علوم الحاسبات

السنة: 2023

الموضوع الدقيق: تطبيقات ذكائية

الدرجة: دكتوراه

الجامعة: الجامعة التكنولوجية

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

التنقيب عن المقطع البسيط والمنظم في بيانات الحمض النووي والحمض النووي الريبي والبروتين باستخدام تقنيات اكتشاف المعرفة Simple and Structured Motif Mining in DNA, RNA, and Protein Data Using Knowledge Discovery Techniques

اسم المؤلف: علي باسم يوسف الخفاجي

اسم المشرف: حسين كيطان الخفاجي ذكرى حيدر علي عباس

الموضوع العام: علوم الحاسبات

السنة: 2023

الموضوع الدقيق: تطبيقات ذكائية

الدرجة: دكتوراه

الجامعة: الجامعة المستنصرية - كلية العلوم - قسم علوم الحاسبات

اللغة: الانكليزية

مكان الجامعة: بغداد

الصفحات الاولى:

المستخلص: المقاطع (القطيفات) هي سلاسل متكررة غالباً ما يكون لها مدى من الاطوال ، (عدة قواعد الى عشرات او حتى مئات من ازواج القواعد) ، وتمثل العديد من الخصائص المختلفة لجزيئات الحمض النووي الريبي منقوص الاوكسجين والحمض النووي الريبوزي والبروتين. تعدين المقطع (القطيفة) في قواعد بيانات الحمض النووي الريبي منقوص الاوكسجين والحمض النووي الريبوزي والبروتين هو تحدي حديث واتجاه مثير للاهتمام في مجال المعلوماتية الحيوية نظراً لاهميته في العديد من التطبيقات مثل الكشف عن الاستعداد للاصابة بالامراض ، والتشخيص ، والطب الشرعي ، ومختبرات الاطراف الاصطناعية ، والمختبرات الجنائية ، وتحديد هوية الجثث ، وتصنيع الادوية ، والكشف عن التلوث البيئي الكيميائي والنووي المسبب للطفرات الجينية. . تقدم هذه الاطروحة طريقة جديدة لتعدين القطيفة البسيطة والمنظمة في قواعد بيانات الحمض النووي الريبي منقوص الاوكسجين والحمض النووي الريبوزي والبروتين اساس على تقنيات اكتشاف المعرفة وخوارزميات تعلم الشبكات العصبية الاصطناعية. النظام المقترح مقسم الى خمسة مراحل ، مرحلة المعالجة الاولية لقالب القطيفة ، ومرحلة التدريب ، ومرحلة المعالجة الاولية لقاعدة البيانات ، ومرحلة الاختبار (تعدين القطيفة) ، ومرحلة التحقق من مسافة الفجوة. المدخل الى النظام المقترح هو قالب القطيفة وقاعدة البيانات. يتم استخلاص الامثلة الايجابية والسلبية للتدريب من قالب القطيفة المدخل ، بينما المخرج هو القطيفات المكتشفة مع مواصفاتها. عملية كشف القطيفة تعتمد على مرحلة الاختبار ومرحلة التحقق من مسافة الفجوة. ليس هناك هيكل ثابت للشبكات العصبية الاصطناعية ، تتولد وفقاً لهيكل قالب القطيفة واساس على خوارزميات التدريب (تقييس الانحدار المترافق ، والانتشار الخلفي المرن ، Levenberg-Marquardt ، متغير معدل التعلم النزول المتدرج ، النزول المتدرج). . قاعدة البيانات البيولوجية المستخدمة لانجاز التجارب هي (Homo sapiens dystrophin (DMD); RefSeqGene (LRG 199) on chromosome X) تتضمن سلاسل الحمض النووي الريبي منقوص الاوكسجين والحمض النووي الريبوزي والبروتين والتي تم تنزيلها من موقع المركز الوطني لمعلومات التكنولوجيا الحيوية (NCBI). . يتم تقييم اداء النظام المقترح باستخدام قواعد بيانات الحمض النووي الريبي منقوص الاوكسجين والحمض النووي الريبوزي والبروتين. اطوال سلسلة الحمض النووي الريبي منقوص الاوكسجين هي 2,227,382 قاعدة ، والحمض النووي الريبوزي هي 298,369 قاعدة ، والبروتين هي 69,554 حمض اميني. اطوال القطيفات البسيطة هي 189 قاعدة في الحمض النووي الريبي منقوص الاوكسجين والحمض . النووي الريبوزي ، و139 حمض اميني في البروتين. يتراوح مدى الفجوات في القطيفات المنظمة من 1 الى 2,227,372 قاعدة في الحمض النووي الريبي منقوص الاوكسجين ، ومن 1 الى 14,073 قاعدة في الحمض النووي الريبي ، ومن 1 الى 3695 حمض اميني في البروتين. واظهرت النتائج ان دقة النظام المقترح هي 100%. بالمقارنة مع الخوارزميات السابقة ، تعتبر الخوارزميتين (تقييس الانحدار المترافق ، والانتشار الخلفي المرن) متفوقتين بسبب دقتهما العالية اثناء عملية التدريب ووقت التدريب القصير نسبياً. تم حساب القياسات (accuracy, precision, recall, and specificity) لتقييم عملية تعدين القطيفة. اظهرت النتائج ان جميع هذه القياسات اعطت 100% باستخدام خوارزمية تقييس الانحدار المترافق. . نستنتج ان خوارزمية تقييس الانحدار المترافق ذات الاربع طبقات مخفية افضل خوارزمية من بين الخوارزميات الخمسة ، حيث اعطت نتائج دقيقة 100% لان هذه الخوارزمية لديها عدة خصائص عامة وهي ان خوارزمية تقييس الانحدار المترافق اقترحت حلاً جديدًا لتقليل دالة الخطا العالمية المعتمدة على اوزان الشبكة ، كما ان هذه الخوارزمية لا تنفذ بحث خطي مع كل تكرار و التي تستغرق وقتًا طولاً لكل تعلم على عكس خوارزميات التدرج المترافق الاخرى. بالاظافة الى خوارزمية اختبار البيانات المجزاة المرمزة وخوارزمية التحقق من مسافة الفجوة ، حققت نتائج دقيقة بنسبة 100% في عملية اكتشاف القطيفة.