نوقشت اليوم الاثنين الموافق 25-8-2025في كلية علوم الحاسوب والرياضيات / قسم علوم الرياضيات / أطروحة دكتوراه للباحث ( محمد قاسم ابراهيم ) الموسومة:
(A versatile metaheuristic optimization algorithm: from benchmark functions to CNN hyperparameters optimization)
بإشراف (أ.د.نزار خلف حسين )
هذا وقد جاء في مستخلص الدراسة ما يلي:
اصبحت الشبكات العصبية الالتفافية أساسية في مجال الرؤية الحاسوبية، وخاصةً تصنيف الصور. تعتمد هذه الشبكات بشكل كبير على معاملات الضبط، والتي يصعب تعديلها يدوياً بالتجربة والخطأ، وقد أدى هذا التحدي إلى الحاجة إلى أساليب آلية جديدة، وخاصة تلك التي تأتي من خوارزميات فوق الحاسبية لتحسين معاملات الضبط وبناء هياكل هيكلية جديدة.
قدمت هذه الدراسة مقاربة مختلفة عن الشبكات العصبية الالتفافية، بما في ذلك طبقاتها وتصاميمها أو أوزانها وسبل تحسينها، لا سيما من خلال استخدام خوارزميات الفوق الحاسبية. سلطت الضوء على خوارزميات الفوق الحاسبية المختلفة والنماذج الرياضية المستخدمة في الدراسات السابقة، والحاجة المُلِحة إلى تحسين اختيار معاملات الضبط.
اقترح وطُوِّر في هذه الدراسة نهجاً جديداً، وهو خوارزمية تحسين فوق حاسبية جديدة تعتمد على الرياضيات. طُوِّرت استناداً إلى مبادئ طريقة القطاع، وتسمى خوارزمية تحسين طريقة القطاع (SOA). تُحسن خوارزمية (SOA) مواقع البحث من خلال تغيير مواقع العوامل تدريجياً باستخدام المعلومات القريبة وتقدير المنحدرات. في المرحلة الأولى تستخدم الخوارزمية اتجاهات حركة لتتبع على القطاع لتوجه بحث المتجهات نحو أفضل المواقع الممكنة، أما المرحلة الثانية فهي استراتيجية استكشاف عشوائية لها عامل توسيع، مما يعزز بحث أوسع عبر فضاء البحث لتجنب الوقوع في الحل الأمثل المحلي.
تم تقييم أداء (SOA) باستخدام مجموعة متنوعة من دوال القياس، بما في ذلك اختبارات CEC2021 وCEC2020، ذات العشرين بعداً، والستة بعد، وعشرة بعد، وتحقيق مهام التحسين غير الخطية منخفضة إلى عالية الأبعاد.
طُبِّقت خوارزمية (SOA) على مشاكل هندسية واقعية في أنظمة الطاقة لتحسين عملية استخدام المعلملات لوحدات الطاقة الشمسية الكهروضوئية. النتيجة أظهرت استخدامها الفعّال في تحسين نماذج وحدات الطاقة الشمسية لمعادلة المصمامات، وقابلية المصمامات، والكفاءة الكلية. هذه النتائج قادت (SOA) كأداة متعددة الاستخدامات وفعّالة ذات قابلية تطبيق واسعة في مجالات مثل الهندسة، والتمويل، وعلوم الحاسب.
تم استخدام خوارزمية تحسين طريقة القطاع (SOA) لضبط معاملات الضبط لشبكة CNN لتصنيف الصور لإظهار مدى قابليتها للتطبيق في العالم الواقعي. تم اختبار CNN-SOA على أربع مهام لتصنيف صور واقعية، MNIST، MNIST-RD، Convex-I_9، Rectangle-I_9. تقلدت صعوبتها، في مقارنة التحسين في التجارب، حققت خوارزمية SOA أداءً أفضل بكثير من تقارب السرع والدقة البيانية. أظهر الرسم البياني للخوارزمية أنه توضح سرعة مرتفعة والاختبار الإحصائي أنها كانت بالإجماع لتحقيق أفضل النتائج، مما يجعلها مفيدة في العديد من المهام الهندسية والحاسوبية الصعبة.
توصلت هذه الدراسة إلى أن الخوارزميات الفوق حاسبية تعمل على تحسين أداء الشبكة العصبية الالتفافية دون تغيير البنية بشرية، مع إمكانات ممتازة للتحسين الآلي.
تألفت لجنة المناقشة من السادة:
1.أ.د. مزعل حمد ذاوي جامعة تكريت/كلية علوم الحاسوب والرياضيات رئيساً
2. أ.د. فراس عادل فوزي جامعة تكريت/كلية علوم الحاسوب والرياضيات عضواً
3. أ.د. زياد محمد عبدالله جامعة تكريت/كلية علوم الحاسوب والرياضيات عضواً
4. أ.د. هوراز ناظم جبار جامعة كركوك /كلية العلوم عضواً
5. أ.م.د. محمد عبدالرزاق محمد جامعة الموصل /كلية التربية للعلوم الصرفة عضوا
6. أ.د. نزار خلف حسين جامعة تكريت/كلية علوم الحاسوب والرياضيات عضواً ومشرفاً .
هذا وقد حضر المناقشة السيد عميد الكلية الأستاذ المساعد الدكتور محمود ماهر صالح المحترم و عدد من التدريسيين وطلبة الدراسات العليا، من جانبه قدم السيد عميد الكلية كتب شكر وتقدير للدكتور هوراز ناظم جبار والدكتور محمد عبدالرزاق محمد تثميناً لجهوده العلمية في تقييم هذه الاطروحة .
