A learning classifier system is one of the methods for applying a genetic-basedapproach to machine learning applications. An enhanced version of the system thatemploys the Bucket-brigade algorithm to reward individuals in a chain of co-operatingrules is implemented and assigned the task of learning rules for classifying simpleobjects. The task is to classify an object that has one or more of the following features:wing, 2-legs/wheels, 3-legs/wheels, 4-legs/wheels, big, flies into one of the following:bird, vehicle. the main goal is to exploit the ability of the algorithm to perform well in anoisy environment and its ability to make little or no assumption about its problemdomain. Results are presented which show that the system was able to learn rules forthe task using only a few training examples and starting with classifiers that wererandomly generated. It is argued that a classifier based learning method requires littletraining examples and that by its use of genetic algorithms to search for new plausiblerules, the method should be able to cope with changing conditions. Results show alsoThe parallel implementation of the algorithm would speed up the training process.

أنظمة التصنيف التعليمية أحدى الوسائل التي تستخدم الخوارزمية الجينية في تطبيقات تعليمفي مكافأة القوانين التعليمية لتنفيذ (Bucket Brigade) المكننة.يعزز النظام بتوظيف خوارزمية ألمهمة القوانين التعليمية لتصنيف كائن بسيط.مهمة النظام تصنيف كائن يحمل مجموعة من الخصائص: له اجنحة ، له عجلتين ، ثلاث عجلات ، اربع عجلات ، كبير ، يطير و يصنفه الى طير اومركبة. الهدف الرئيسي هو اختبار قابلية الخوارزمية لكفاءة الاداء في بيئة مفعمة بالضجيج. النتائجبينت قابلية النظام في تعلم القوانين لأداء مهمته في تصنيف كائن بسيط باستخدام أمثلة تعليمية قليلةوالبدء بأمثلة تصنيفية متولدة عشوائيا. طرق التعليم المعتمدة على المصنفات تتطلب بعض الأمثلةالتعليمية وتستخدم الخوارزمية الجينية للبحث عن قوانين جديد أفضل تتلائم مع الشروطالمتغيرة.النتائج بينت كذلك أن المعالجة المتوازية للخوارزمية تسرع من عملية التعليم.

Classifiers --- Bucket brigade --- Genetic Algorithms --- Machine Learning

With the advent of the computer age, people have begun using computers to automate the data gathering process and store the information in databases. Computers are so well suited to this task that huge databases with terabytes of information have been generated. It is well beyond the scope of the human mind to sort through all of this data and find any useful patterns for predicting future events. The mining has been invented as one technique of the machine learning field to deal with this new problem by using computers to automate the process of searching data in huge databases for useful patterns, which is can used to build a new system. In this paper we need to show how data mining techniques can help the systems analysts people for studying and extract facts for building new systems.

أدى التطور المتصاعد في تكنولوجيا الحاسوب (كيانات مادية وبرامج) وكذلك التطور في نظم الأتصالات والأنترنيت وأعتماد الحاسوب في العمل اليومي الى بناء العديد من نظم قواعد بيانات لمختلف المجالات الأقتصادية والأجتماعية والعلمية. أن الأعتماد اليومي للحاسوب ادى الى نمو متصاعد في حجم المعلومات المخزونة في نظم قواعد البيانات وان دراسة هذه الأنظمة لغرض تطويرها.والتدقيق فيها والبحث في هذا الكم الضخم من البياتات بأستخدام الطرق التقليدية اصبح اكبر من طاقة العقل الأنساني. لذا فمن الأجدر ان يوظف الباحثون الحواسيب لاغراض اتمتة عملية التحليل واستخراج الأنماط المخفية للمتغيرات داخل نظم قواعد البيانات من خلال ايجاد طرق واساليب تتلائم والمرحلة الحالية،واستخدام النتائج في بناء وتطوير الأنظمة.أوجد الباحثون تقنية التعدين كواحد من اساليب تعلم الماكنة لكي تمثل حلا لمشكلة البحث في البيانات الكبيرة الحجم من خلال إستعمال الحواسيب لأتمتة عمليةالبحث في البيانات واستنباط المؤشرات المفيدة التي يمكن ان تستخدم لآغراض تطوير النظم الحالية اوبناء نظم جديدة.هذا البحث يبين تأثيرتقنية تعدين البيانات على اساليب تحليل ونصميم النظم واعتمادها كأحد طرق ايجاد الحقائق وأكتشاف الأنماط المخفية داخل قواعد البيانات حيث تعتبر من الأساليب المهة والناجحة للتعامل مع الكم الهائل في المعلومات.

Machine Learning --- System Analysis --- Data Mining --- Knowledge Discovery from Databases

A biological cell is a complex and complicated environment, where thousands the entities 'interact surprisingly between each other. This the integrated device the continuously receives external and internal signals to carry out the most 'vital processes to sustain life. Although thousands the interactions are stimulated in very small areas, biologists assert that, there are 'no the collisions or the incidental events. On other the hand, rapid discoveries in biology and the rapid evolution of data collection make it difficult to build a concrete perspective that scientifically explains all observations. Cooperation has therefore become necessary among physicists, mathematicians, biologists and the computer engineers. The aim of this virtual company is to pursue what is known as biological network modelling.

الخلية بيولوجية هي بيئة معقدة، والآلاف من الكيانات تتفاعل بشكل مفاجئ بين بعضها البعض. هذا الجهاز المتكامل يتلقى باستمرار الإشارات الداخلية والخارجية لإجراء معظم العمليات الحيوية للحفاظ على استمرار الحياة. على الرغم من تحفيز الآلاف من التفاعلات في مساحات صغيرة جدا، وعلماء الأحياء يؤكدون عدم وجود الصدف أو أحداث عرضية. من ناحية أخرى، والاكتشافات السريعة في مجال البيولوجيا والتطور السريع في تجمع البيانات تجعل الأمر أكثر صعوبة لبناء منظور ملموس على أن يفسر علميا جميع الملاحظات. وبالتالي، أصبح التعاون الضروري بين الأحياء، الرياضيات، الفيزياء ومهندسين الكمبيوتر. والهدف من هذه الشركة الافتراضية هو عمل وتحقيق ما يعرف بشبكة النمذجة البيولوجية.

Bioinformatics --- Machine learning --- Biochemistry --- System biology --- stochastic system

The huge amount of documents in the internet led to the rapid need of text classification(TC). TC is used to organize these text documents. In this research paper, a new model isbased on Extreme Machine learning (EML) is used. The proposed model consists of manyphases including: preprocessing, feature extraction, Multiple Linear Regression (MLR) andELM. The basic idea of the proposed model is built upon the calculation of feature weights byusing MLR. These feature weights with the extracted features introduced as an input to theELM that produced weighted Extreme Learning Machine (WELM). The results showed agreat competence of the proposed WELM compared to the ELM.

Text Classification --- Multiple Linear Regression --- Extreme Machine Learning

The great scientific progress has led to widespread Information as information accumulates in large databases is important in trying to revise and compile this vast amount of data and, where its purpose to extract hidden information or classified data under their relations with each other in order to take advantage of them for technical purposes. And work with data mining (DM) is appropriate in this area because of the importance of research in the (K-Means) algorithm for clustering data in fact applied with effect can be observed in variables by changing the sample size (n) and the number of clusters (K) and their impact on the process of clustering in the algorithm.

ان التقدم العلمي الكبير أدى الى الانتشار الواسع للمعلوماتية بحيث اصبحت المعلومات تتراكم بشكل هائل في قواعد بيانات كبيرة , وهنا تكمن اهمية البحث في محاولة تنقيح وتبويب هذا الكم الهائل من البيانات وتصنيفها بحيث تؤدي الغرض المطلوب في استخراج المعلومات المخفية او في تصنيف البيانات بموجب علاقاتها ببعضها بغية الافادة منها لأغراض تقنية . وان العمل بمصطلح التنقيب في البيانات (Data Mining) يعد ملائم في هذا المجال لأهمية البحث في استخدام خوارزمية K-Means)) لتصنيف البيانات بأسلوب تقني في واقع تطبيقي مع ما يمكن من ملاحظة التأثير في المتغيرات (v) من خلال تغيير حجم العينة (n) وكذلك عدد العناقيد (K) واثرهما في عملية العنقدة في مراحل الخوارزمية ، من خلال تكوين عناقيد مثالية بحيث تحقق مجموعة بيانات جديدة ومفيدة تجيب عن كل الاستفسارات وبحسب صفات البيانات (Object) العائدة لخوارزمية البحث وبحسب متغيرات البحث (V) المطبقة في برنامج الجانب التطبيقي.

object --- data mining --- clustering --- machine learning --- algorithm --- العناصر ، تنقيب البيانات ، العنقدة ، التعليم الالي ، الخوارزمية.