البيانات الاساسيه

السيره الذاتيه

School:  Primary, preparatory and Secondary stages in El- Masra School 
                   Sep, 1992 to Jun, 2004.                   
College:  - Bachelor Degree of Computer Science, 2008
              Faculty of Computer Science and Information Systems, Cairo University.
Master Degree in Geo-graphical information systems, Cairo University with subject “A Unified Approach for Spatial Data Query”. 2014
Ph.D degree in information systems, Cairo University with subject “Predictive Queries on Moving Object Databases”. 2020   

عنوان رسالة الماجستير

نهج موحد للاستعلام عن البيانات المكانية

ملخص رسالة الماجستير

مع التطور السريع في نظم المعلومات الجغرافية (GISs) وتطبيقاتها ، أصبح المزيد والمزيد تم تطوير المزيد من قواعد البيانات الجغرافية بواسطة بائعين مختلفين. ومع ذلك ، تكامل البيانات و لا يزال الوصول يمثل مشكلة كبيرة لتطوير تطبيقات نظم المعلومات الجغرافية حيث لا توجد إمكانية التشغيل البيني بينها قواعد البيانات المكانية المختلفة. في هذه الورقة نقترح نهجا موحدا للاستعلام عن البيانات المكانية. الورقة يصف إطار عمل لتكامل المعلومات من المستودعات التي تحتوي على مجموعات بيانات متجه مختلفة التنسيقات والمستودعات التي تحتوي على مجموعات البيانات النقطية. النهج المقدم يحول بيانات المتجه المختلفة تنسيقات في تنسيق واحد موحد (File Geo-Database “GDB”). بالإضافة إلى ذلك ، نحن نستخدم "البيانات الوصفية" لـ دعم مجموعة واسعة من استعلامات المستخدمين لاسترداد المعلومات الجغرافية ذات الصلة من غير المتجانسة و المستودعات الموزعة. مثل هذا العمل يعزز كل من معالجة الاستعلام والأداء.

عنوان رسالة الدكتوراه

Predictive Queries on Moving Objects Databases

ملخص رسالة الدكتوراه

التنبؤ بالمسار المستقبلي للأجسام المتحركة ، مثل المركبات ، له أهمية كبيرة التأثير على العديد من الخدمات القائمة على الموقع مثل البحث المدرك للموقع وحركة المرور الإدارة وإعلانات الجوال وإرشادات السفر. التقنيات الموجودة التي تتنبأ بالمسار (المسارات) المستقبلية للأجسام المتحركة تعتمد بشكل أساسي على حركاتها التاريخ لأداء عملية التنبؤ. نتيجة لذلك ، تفشل هذه التقنيات عندما سجل الأجسام المتحركة غير متاح. تهدف هذه الأطروحة إلى تقديم كفاءة حلول للتنبؤ بمسارات الأجسام المتحركة دون الاعتماد عليها مساراتهم الماضية. الحلول المقترحة تشمل - (1) نفس الحركة: أ نظام التنبؤ القائم على التشابه لتحريك المسار المستقبلي للكائن ، (2) DeepMotions: نظام التعلم العميق للتنبؤ بالمسار المستقبلي للكائن المتحرك ، و (3) SAM: نموذج الانتباه المكاني للتنبؤ بالمسار المستقبلي. الفكرة الرئيسية لـ إن برنامج مماثل هو الحصول على المسارات المستقبلية لاستعلام الكائن المتحرك من حيث كائنات أخرى تتحرك حاليًا بشكل مشابه لكائن الاستعلام. بعد ذلك ، سميلار موف يستخدم نموذج ماركوف المخفي الذي يتلقى هذه المسارات المماثلة مثل إدخال وإنشاء المسارات المستقبلية المحتملة مع الاحتمالات ذات الصلة كإخراج. تستخرج الحركة العميقة أنماط الحركة الكامنة من K. تتحرك الكائنات المجاورة الأقرب مثل الكائن المتحرك الاستعلام. ثم، تم بناء نموذج التعلم العميق المتكرر ثنائي الاتجاه بناءً على هذه المستخرجة الحركات وتوليد التنبؤات. الفكرة الرئيسية لـ SAM هي إنشاء تنبؤات من خلال عدم مسح تسلسل مسار الإدخال بالكامل ، ولكنه يركز فقط على مواقع هامة لتسلسل مسار الإدخال لإنتاج المخرجات. هذا يسمح بالتمثيل الداخلي لمسارات الإدخال ليتم صقلها على أساس على المعلومات ذات الصلة من كائن الاستعلام. ثم ، من خلال جمع ذات الصلة المعلومات في التمثيل النهائي ، يتم توفير المعلومات الضرورية فقط للتنبؤ بالإجابة النهائية لكائن الاستعلام. المساهمات الرئيسية ل يمكن تلخيص هذه الأطروحة على النحو التالي: (1) وظائف تشابه جديدة هي يتم تنفيذها داخل أنظمة DeepMotions وأنظمة مماثلة ، هذه الوظائف حذف ميزات الإدخال غير ذات الصلة ويؤدي إلى زيادة كبيرة في كفاءة التنبؤ عن طريق إزالة المخالفات في بيانات الإدخال ومنع التخصيص الزائد حدوث مشكلة أثناء عملية التنبؤ. ، (2) يؤكد نظام DeepMotions توليد تنبؤات دقيقة للغاية من خلال اعتماد ثنائي الاتجاه المتكرر شبكة عصبية عميقة تحافظ على المعلومات من الماضي والمستقبل تسلسل الحركة. ، (3) تعتمد DeepMotions على خوارزمية KNN للاختيار ميزات الإدخال ، وتعتمد ميزة مماثلة على "وحدة الصلاحية" لتحديد الإدخال المميزات. هذا يجعل هذه الأنظمة تعمل بشكل فعال عندما تصبح مجموعة البيانات كبير جدا. (4) تعتبر SAM واحدة من أولى المحاولات التي يتم توظيفها نماذج الانتباه في التنبؤ بالمسار. (5) تضمن SAM أداء النموذج التحسين عند التعامل مع تسلسلات الإدخال الطويلة مقارنة بالنماذج الأخرى. أخيرًا ، نجري تجارب مكثفة على مجموعات البيانات الواقعية. تجريبي تؤكد النتائج أن الأنظمة المقترحة تتفوق في الأداء فيما يتعلق بالأداء والدقة.