جامعة الصفوة

يتناول هذا المشروع مشكلةً جوهريةً في مجال إدارة حركة المرور الحضري. ويستند الحل المقترح إلى وكيل Double DQN مشترك مدرَّب على شبكة محاكاة مكونة من 50 تقاطعاً، يتعلم زيادة الوقت او انقاص وقت عبور السارات بالتوافق مع الطلب المروري مع دعم تحديد أولويات سيارات الإسعاف عبر GPS، بهدف تقليل وقت انتظار السائقين والحد من الازدحام وخفض الانبعاثات الناتجة عن توقف المركبات. وتشمل النتائج تخفيض وقت انتظار السائقين بنسبة 22%، ووقت انتظار سيارات الإسعاف بنسبة 85%، ورفع معدل مرور السيارات بنسبة 7%، وخفض الازدحام الشديد بنسبة 24%، موثَّقةً عبر 48 سيناريو متطابق الطلب المروري.

يعد مرض الرجفان الاذيني من الامراض الرئيسية في حدوث الازمات القلبية والدماغية المتمثلة بالسكتات الدماغية وفشل القلب , رغم التطور في استخدام الانظمة المؤتمتة وانظمة الذكاء الاصطناعي في تشخيص مشاكل القلب , فأن هذه الانظمة تعاني من عدم قابلية التفسير حيث تصنف كأنها صناديق سوداء تفتقر لآلية محددة تفسر قرارتها للكادر الطبي . يقدم فريق Safwa Cardio AI-Unit نظام "CardioSense AI" , وهو نظام متكامل لدعم الكادر الطبي وتسهيل عملية الفرز الاولي السريع والمدعم بالذكاء الاصطناعي المفسر لحالات الرجفان الاذيني , يتكون النظام من 1 - الهارد وير : عبارة عن جهاز محمول صغير يعتمد في عمله على ) مستشعر AD8232 والمتحكم الدقيق ESP32-C3 ( ومن 2 - سوفت وير : منصة سحابية متكاملة : حيث تم تصميمها وفق معايير مخصصة من حي ث الاستخدام السهل والتصميم والالوان المريحة للمستخدم تشمل المنصة على خوارزمية فرز ذكية لكشف الاشارات المشوشة الناتجة ع ن حركة المريض يعتمد النظام على بنية شبكية من نوع SE-ResNet1D، جرى تحسينها باستخدام تقنية مقياس درجة الحرارة (Temperature Scaling( لتقديم احتمالات تنبؤية معايرة رياضيا بدقة. ومن خلال دمج هذه الاحتمالات مع مقياس إنتروبيا شانو ن ، يعمل النظام وفق إطار يضمن وجود العنصر البشري في حلقة اتخاذ القرار؛ حيث يحسم النظام ذاتيا الحالات ذات الثقة العالية )والتي شكل ت 83.8% من عينة الاختبار لدينا)، بينما يحيل التسجيلات المشكوك فيها اختياريا إلى الأطباء الاختصاصيين. وحقق النموذج دقة بلغ ت 98.77% على مجموعة البيانات الفرعية التي حُسمت ذاتيا من قا عدة بيانا ت PhysioNet 2017 , توفر لوحة التحكم المخصصة للأطبا ء خرائط بصرية للذكاء الاصطناعي القابل للتفسير (XAI( حيث توضح اماكن انتشار النقاط المهمة في الاشارة لدى النموذج في تشخيصه , وتقارير مدعومة بالنماذج اللغوية , مما يسهم في الحد من انحياز الأتمتة وتوفير بيئة تشخيصية أكثر أمان اً

Across Iraq, learners from primary school to university face fragmented study tools, intermittent connectivity, weak support for colloquial Iraqi Arabic, and weak privacy safeguards for a mostly-minor user base. This paper presents Ulfana, a privacy-first educational platform that serves all tiers (school, institute, university, vocational) from a single Arabic right-to-left application, unifying capabilities usually scattered across separate tools. It contributes a multi-tier adaptive architecture; a study-feed ranker governed by an education-specific 'golden rule' with per-post transparency; action-linked gamification with an anonymised leaderboard; a cross-tier Academic Passport and a Smart Transition Bridge that schedules prerequisite review to peak on the enrolment date; and the Speaking Library, an offline Arabic Retrieval Augmented Generation (RAG) assistant that answers each student from their own books by fusing BM25 and FAISS HNSW retrieval with cross-encoder re-ranking and a per-user BM25 sub-index, local Qwen2.5 generation, Iraqi-dialect post-processing, and offline neural speech. The Speaking Library runs fully offline on commodity CPUs; the implementation was verified through 60+ application and 161 backend tests.