Abdelmalek Essaâdi University

Abstract The design, fabrication, and performance evaluation of a compact, high-isolation two-port MIMO antenna for the 2.4 GHz ISM band are presented in this paper. Constructed on a cost-effective FR-4 substrate, the antenna employs orthogonal polarization diversity and modified rectangular patches to minimize mutual coupling between the two ports. Stepped impedance feed lines and a partial ground plane are incorporated to enhance impedance matching and radiation characteristics. Simulated and measured results demonstrate close agreement, with a return loss (S11) of approximately -30 dB and inter-port isolation (S21) exceeding - 22 dB at 2.4 GHz. The MIMO antenna achieves a stable peak gain of 2.75 dBi and radiation efficiency above 85%. Key diversity metrics include an envelope correlation coefficient (ECC) below 0.0004, a diversity gain (DG) greater than 9.99 dB, a channel capacity loss (CCL) below 0.012 bits/s/Hz, a total active reflection coefficient (TARC) below -26 dB, and a mean effective gain (MEG) of approximately -3.0 dB. These characteristics, combined with the antenna's compact size, render it highly suitable for integration into modern IoT devices and compact wireless communication systems.

In this work, we propose a supervised learning approach for initialising local tension parameters in non-uniform and non-stationary subdivision schemes. A neural network generates an initial tension vector from a control polygon, replacing manual parameter selection. These tensions are then propagated according to the analytical evolution rule of the Ω-NSS scheme, preserving its theoretical properties. Numerical results show that this learned initialization strategy yields stable and consistent tension distributions, while improving reproducibility and reducing user intervention.

يروم هذا البحث معالجة الإشكال المتعلق بتفسير الأسباب والعوامل التاريخية التي كانت وراء الانتشار المبكر للفقه المالكي ببلاد المغرب، عبر اختيار علمين من أعلام القرنين: السابع والثامن الهجريين، وهما: ابن تيمية الحراني، وابن خلدون الحضرمي. ويهدف إلى تحقيق أمرين اثنين: أولهما، الكشف عن التفسير التاريخي لكل من ابن تيمية وابن خلدون حول الفقه المالكي وانتشاره ببلاد المغرب والأندلس؛ والثاني، إبراز الخلفيات النظرية أو الفرضيات التي فسر من خلالها ابن تيمية وابن خلدون مسار الفقه المالكي وتطوره ببلاد المغرب والأندلس. ويمكن صوغ إشكال البحث في السؤالين التاليين: بم فسر كل من ابن تيمية وابن خلدون دخول الفقه المالكي إلى الأندلس؟ وما الخلفيات المعرفية والافتراضات الفلسفية الكامنة وراء تفسيريهما لهذا الدخول والانتشار؟ وسعيًا للإجابة عنهما، يفترض البحث أنَّ اختلاف الإطار المعرفي لكل من ابن خلدون وابن تيمية قد أثَّر في نظرتهما لتاريخ الفقه؛ ففي حين كان ابنُ خلدون مؤرخًا عامًّا، ينظر إلى الفقه في إطار أوسع، يربطه بالصنائع وبالعمران، ويربط صعود الفقه ونزوله بقوة العمران وضعفه؛ كانت نظرة ابن تيمية -وإن كانت تراعي السياق الأوسع- مركزة أكثر على الحركة الداخلية للفقه، وتأثير الفاعلين المباشرين في الفقه، كما كانت أبعد من فرضية تأثير الحضارة والبداوة على تطور الفقه. توصل البحث إلى أن ابن تيمية يرى أن دخول الفقه المالكي للأندلس نتج عن عوامل فقهية وسياقية ودعم السلطة، بينما فسّره ابن خلدون تفسيرًا فلسفيًا عامًا يبحث عن قانون كلي لانتشار المذهب، مع عناية أقل بالتفاصيل.

This study addresses the critical challenge of semantic similarity and lexical disambiguation in natural language processing, focusing on sentences with structural and lexical ambiguities. We introduce an innovative hybrid approach that synergistically combines symbolic and neural methods to better align with human judgment. Our methodology dynamically integrates fuzzy Jaccard’s lexical precision with SBERT embeddings’ contextual sensitivity, enabling adaptive semantic ambiguity resolution. Experimental evaluation on 33 ambiguous sentences demonstrates that our approach significantly outperforms conventional artificial intelligence (AI) systems, achieving an 11.7% reduction in mean absolute error compared to reference models, with statistical analysis confirming robust results (d = -0.80, p < 0.001). This represents a 65% improvement in human evaluation alignment over existing methods. Our research contributes to advancing the field by showing that architectural intelligence can surpass mere parameter scaling, offering an effective solution for applications requiring both precision and interpretability, with promising directions for multilingual extension and explainable AI integration.