هدفت هذه الدراسة إلى تحليل تطبيق تقنيات تعلم الآلة من الذكاء الاصطناعي لتحسين تقييم المخاطر المصرفية في البنوك السورية. تضمنت عينة الدراسة بيانات مالية تاريخية ومعلومات ديموغرافية لعملاء البنوك، وتم استخدام أساليب التعلم الآلي لتحليل البيانات وتطوير
نموذج للتنبؤ بالمخاطر الائتمانية بدقة. استخدمت الدراسة تقنيات مختلفة مثل الأشجار العشوائية والشبكات العصبية لتحليل البيانات وبناء نموذج تقييم الجدارة الائتمانية.
توصلت الدراسة إلى أن استخدام تقنيات تعلم الآلة، مثل الأشجار العشوائية والشبكات العصبية، يعزز بشكل كبير دقة تقييم المخاطر الائتمانية مقارنة بالأساليب التقليدية. يسهم هذا التحسن في تقليل معدلات التعثر وزيادة الربحية للبنوك، مما يعزز الاستقرار المالي والنمو الاقتصادي. أظهرت النتائج تفوق النماذج المستندة إلى تعلم الآلة في الكشف المبكر عن المخاطر المحتملة، مما يمكّن البنوك من اتخاذ إجراءات وقائية فعالة.
أظهرت النتائج أن تطبيق هذه التقنيات يسهم في تحسين كفاءة العمليات المصرفية وتقليل التكاليف، مما يتيح للبنوك تقديم خدمات أفضل للعملاء وتعزيز قدرتها على المنافسة في السوق. كما سلطت الدراسة الضوء على التحديات المرتبطة بتكامل هذه التقنيات مع الأنظمة الحالية، بما في ذلك الحاجة إلى تدريب مستمر للموظفين وتحديث البنية التحتية التكنولوجية لضمان الاستخدام الأمثل لتقنيات تعلم الآلة.
قدمت الدراسة عدة توصيات، منها تعزيز استخدام تقنيات تعلم الآلة في البنوك السورية، وتوفير الدعم الفني والتدريب المستمر للموظفين، والاستفادة من التجارب العالمية الناجحة لتطوير استراتيجيات فعالة لتقييم المخاطر الائتمانية. كما أوصت بضرورة إنشاء وحدات متخصصة في البنوك لإدارة وتطوير تطبيقات تعلم الآلة والذكاء الاصطناعي.
الكلمات المفتاحية: تعلم الآلة، الذكاء الاصطناعي، المخاطر المصرفية، التنبؤ بالائتمان، البنوك السورية.
تعاني خدمة الطاقة الكهربائية في الجمهورية العربية السورية من العديد من الصعوبات الناتجة عن نقص الموارد (الفيول) بالإضافة إلى التخريب الذي تعرضت له العديد من مراكز التوليد من قبل المجموعات الإرهابية، ترافق ذلك مع حصار جائر تعرضت له بلدنا أدى إلى تخفيض
كميات وقود التشغيل الذي تزود به محطات التوليد, وقد تسبب كل ماسبق إلى تطبيق برامج التقنين في المحافظات وفقاً لاستهلاك تلك المحافظات ومراكز الإنتاج الموجودة فيها (مصانع، مراكز ضخ، مستشفيات وعدد السكان).
كما يتطلب التنبؤ باستهلاك الطاقة الكهربائية معرفة كميات الاستهلاك اليومية وأوقات الاستهلاك وغيرها من العوامل المؤثرة والتي تشكل كميات كبيرة من البيانات [1]. ولا يزال التنبؤ الدقيق بالحمل الكهربائي يمثل مهمة صعبة بسبب العديد من المشاكل مثل الطابع غير الخطي للسلسلة الزمنية أو الأنماط الموسمية التي يعرضها، والتي تستغرق وقتاً كبيراً كما تؤثر على دقة الأداء في التنبؤ. يمكن تحسين العملية باستخدام شبكاتRNN . [2] بدايةً، تم تحديد الاستهلاك المثالي والمناسب للمنطقة ومقارنته مع الانتاج وإمكانية تمرير الفائض لعمليات احتياطية أخرى أو تزويد مراكز الانتاج بالفائض الذي يمكن الحصول عليه من خلال عملية التنبؤ السابقة.
كما تم استخدام الشبكات العصبية التكرارية RNN (Recurrent Neural Network) وهي عبارة عن سلاسل زمنية تعتمد على تسلسل البيانات وفقاً لدلائل زمنية وقدرتها على التنبؤ بالقيم المستقبلية اعتماداً على البيانات السابقة. ثم تم مقارنة أداء تلك الشبكات مع شبكات DNN (Dense Neural Network) للحصول على تنبؤ مستقبلي أمثل قابل لخدمة وزارة الكهرباء في الجمهورية العربية السورية وحل مشكلة التنبؤ بالحمل الكهربائي بالمقارنة مع الدراسات السابقة.
تم أيضاً اعتماد طريقة التقسيم المتتالي القائم على الوقت، والتي لها القدرة على العمل بصورة أعلى دقة بالنسبة للبيانات ذات العينات العشوائية. وبالنسبة لحالات انخفاض تنظيم البيانات الساعية لاستهلاك القدرة الكهربائية، يمكن لنا أخذ عينات لمجموعة من البيانات بالنسبة للزمن وأخذ 20 بالمئة من البيانات على سبيل المثال كعينات تدريب واختبار.
بناءً على قيم التنبؤ الناتجة عن هذه الدراسة يتم العمل على توزيع الطاقة الكهربائية بالشكل الأنسب وبما يتوافق مع أهمية الاستخدام الأعلى.
نحن نحقق في تنبؤات الكراهية المضادة للآسيوية بين مستخدمي Twitter في جميع أنحاء Covid-19.مع ظهور كره الأجانب والاستقطاب الذي رافق استخدام وسائل التواصل الاجتماعي الواسع النطاق في العديد من الدول، أصبحت الكراهية عبر الإنترنت قضية اجتماعية كبرى، وجذب ال
عديد من الباحثين.هنا، نطبق تقنيات معالجة اللغة الطبيعية لتوصيف مستخدمي وسائل التواصل الاجتماعي الذين بدأوا في نشر رسائل الكراهية المضادة للآسيوية خلال CovID-19.قارننا مجموعتين من المستخدمين --- أولئك الذين نشروا من المضادة للآسيا وأولئك الذين لم يفعلوا - فيما يتعلق بمجموعة غنية من الميزات المقاسة بالبيانات قبل CovID-19 وإظهار أنه من الممكن التنبؤ الذي في وقت لاحقنشرت المناهضة للآسيا.يؤكد تحليلنا للميزات التنبؤية على التأثير المحتمل لوسائط الإعلام وإعلام المعلومات التي تبلغ عن الكراهية عبر الإنترنت وتدعو إلى مزيد من التحقيق في دور شبكات الاتصالات الاستقطابية وسائط الإعلام.
في التحقق الآلي المطالبة، نسترجع الأدلة من قاعدة المعرفة لتحديد صحة المطالبة.بشكل حدسي، يلعب استرجاع الأدلة الصحيحة دورا حاسما في هذه العملية.في كثير من الأحيان، يتم تناول اختيار الأدلة بمثابة مهمة تصنيف جملة الزوجية، أي نحن ندرب نموذجا للتنبؤ بكل جم
لة على حدة ما إذا كان دليلا على المطالبة.في هذا العمل، نحن نغلق محولات مستوى المستندات لاستخراج جميع الأدلة من وثيقة ويكيبيديا في وقت واحد.نظل أن هذا النهج ينفذ أفضل من الأحكام المصنفة للنموذج القابل للمقارنة بشكل فردي على جميع مقاييس اختيار الأدلة ذات الصلة في الحمى.ينتج بناء خط أنابيبنا الكامل على إجراء اختيار الأدلة هذا نتيجة جديدة للحمى، وهو معيار التحقق من المطالبات الشعبية.
تؤيد الأدلة الحديثة دورا للمعالجة الأساسية في توجيه التوقعات البشرية حول الكلمات القادمة أثناء القراءة، بناء على مخبأ بين أوقات القراءة والكلمة المفاجئة التي يقدرها نموذج المعالجة الدلالي المفيد (Jaffe et al. 2020). الدراسة الحالية تستنسخ وتطويرهافي
هذا النتيجة (1) تمكين المحلل المحلل لمعالجة معلومات الكلمات الفرعية التي قد تقريب من المعرفة المورفولوجية البشرية بشكل أفضل، و (2) تمديد تقييم آثار COMERIAL من القراءة الذاتية لبيانات التصوير بالدماغ البشري.تشير النتائج إلى أن تأثير المعالجة القائم على التوقعات في كور معلومات لا يزال واضحا حتى في وجود خط الأساس النفسي القوي الذي يوفره نموذج الكلمة الفرعية، وأن تأثير comeference لوحظ في كل من بيانات القراءة والنفس ذاتي، وتوفير دليل علىتأثير متواضع.
يحتوي الرسم البياني المعرفي المفتوح المجال (KG) على كيانات كعقد، وعلاقات اللغة الطبيعية كحواف، ويتم بناؤها عن طريق الاستخراج (الموضوع، العلاقة، كائن) ثلاث مرات من النص. مهمة التنبؤ ارتباط المجال المفتوح هو أن يستنتج العلاقات المفقودة في كجم. استخدم ا
لعمل السابق التنبؤ بالصلة القياسية للمهمة. نظرا لأن ثلاثة أضعاف استخراج من النص، فيمكننا أن ننظر إليها في السياق النصي الأكبر الذي تم العثور عليه أصلا. ومع ذلك، فإن أساليب التنبؤ بالصلة القياسية تعتمد فقط على هيكل KG وتجاهل السياق النصي الذي تم استخراج كل ثلاث مرات منه. في هذه الورقة، نقدم المهمة الجديدة لتنبؤ ارتباط السياق المفتوح الذي يمكنه الوصول إلى كل من السياق النصي وبنية كجم لإجراء تنبؤ الارتباط. نحن نبني مجموعة بيانات للمهمة واقتراح نموذج لذلك. تظهر تجاربنا أن السياق أمر حاسم في التنبؤ بالعلاقات المفقودة. كما نوضح فائدة التنبؤ بالوصلة السياقية في اكتشاف الاستراتيجية المستقلة للسياق بين العلاقات، في شكل رسوم بيانية استقامة (على سبيل المثال)، والتي تكون فيها العقد العلاقات. تعقد العكس أيضا: المساعدات المستقلة للسياق EGS في التنبؤ بالعلاقات في السياق.
تعتمد اللغة الطبيعية على معجم محدود للتعبير عن مجموعة غير محدودة من الأفكار الناشئة. هناك نتيجة واحدة لهذا التوتر هي تشكيل مؤلفات جديدة، بحيث يمكن دمج الوحدات اللغوية الحالية مع العناصر الناشئة في تعبيرات جديدة. نحن نطور إطارا يستغل الآليات المعرفية
للسلاسل والمعرفة متعددة الوسائط للتنبؤ التعبيرات التركيبية الناشئة عبر الزمن. نقدم نموذج تمديد الإطار النحوي (SFEM) الذي يستمد على نظرية المدعون والمعرفة من الاهتمام "، والفهور"، واللغة "" لاستنتاج كيفية توسيع الأفعال إطاراتها لتشكيل مؤلفات جديدة مع الأسماء الحالية والرواية. نقيم SFEM بصرامة على 1) طرائق المعرفة و 2) تصنيف نماذج من التفصيل، في كوربوس الإنجليزية المحلينة على مدى 150 عاما الماضية. نظرا لأن SFEM Multimodal يتوقع بناء جملة الفعل والجدات التي ظهرت حديثا أفضل بكثير من النماذج المتنافسة باستخدام المعرفة اللغوية أو غير المستمرة البحتة. نجد دعما لوجهة نظر مثالية للسلاسل بدلا من عرض النموذج الأولي والكشف عن كيفية أن يكون النهج المشترك للسلسل متعدد الوسائط أمرا أساسيا لإنشاء استخدام اللغة الحرفية والجازرة بما في ذلك الاستعارة و Methymyy.
إن فهم متانة وحساسية نماذج بيرت التي تتنبأ بمرض الزهايمر من النص أمر مهم لكلا نماذج تصنيف أفضل وفهم قدراتها وقيودها.في هذه الورقة، نقوم بتحليل كيفية تأثير كمية خاضعة للرقابة من التعديلات المرجوة وغير المرغوبة التي تؤثر على أداء بيرت.نظهر أن بيرت قوية
للتغيرات اللغوية الطبيعية في النص.من ناحية أخرى، نظهر أن بيرت ليست حساسة لإزالة المعلومات المهمة سريريا من النص.
في هذه الورقة، نقدم مهمة التنبؤ بشدة من الجوانب التي يقيم بها العمر من محتوى السينما على أساس البرنامج النصي للحوار.إننا نحقق أولا تصنيف شدة الأفلام الترتيبية على 5 جوانب: الجنس والعنف والبهجة واستهلاك المواد المخدرة والمشاهد المخيفة.يتم التعامل مع ا
لمشكلة باستخدام إطار عمل متعدد القائم على شبكة سيامي يعمل بشكل متزامن على تحسين إمكانية تفسير التنبؤات.تظهر النتائج التجريبية أن أسلوبنا تتفوق على نموذج الحالة السابقة للدولة السابقة ويوفر معلومات مفيدة لتفسير تنبؤات النموذج.يتم توفير مجموعة البيانات والمصدر المقترحة للجمهور في مستودع GitHub الخاص بنا.
تنبؤ نوع نقطة الفائدة (POI) هو مهمة استنتاج نوع المكان الذي تم فيه مشاركة مشاركة وسائل التواصل الاجتماعي. إن الاستنتاج من نوع POI مفيد للدراسات في العلوم الاجتماعية الحاسوبية بما في ذلك الاجتماع الاجتماعي، والجيولوجيوسيوس، والجغرافيا الثقافية، ولديه
تطبيقات في تكنولوجيات الشبكات الجيولوجية مثل أنظمة التوصية والتصور. الجهود السابقة في التنبؤ بنوع POI التركيز فقط على النص، دون أخذ معلومات مرئية في الاعتبار. ولكن في الواقع، مجموعة متنوعة من الطرائق، فضلا عن علاقاتهم شبهية مع بعضها البعض، شكل التواصل والتفاعلات في وسائل التواصل الاجتماعي. تقدم هذه الورقة دراسة حول التنبؤ بنوع POI باستخدام معلومات متعددة الوسائط من النص والصور المتوفرة في وقت النشر. لهذا الغرض، فإننا نشعر بإثراء البيانات المتاحة حاليا لتنبؤ بنوع POI مع الصور التي ترافق الرسائل النصية. يتم استخراج الأسلوب المقترح لدينا المعلومات ذات الصلة من كل طريقة لالتقاط التفاعلات الفعالة بين النصوص والصورة تحقيق ماكرو F1 من 47.21 من 4 فئات تتفوق بشكل كبير على الطريقة التي من بين الفني للتنبؤ بنوع POI بناء على طرق النص فقط. أخيرا، نقدم تحليلا مفصلا لإلقاء الضوء على التفاعلات عبر الوسائط والقيود المتمثلة في أفضل نموذج أداء لدينا.
