Skip Navigation Links

عنوان ترجمه شده مقاله: شبکه های عصبی گسترش متقابل برای تشخیص علائم

این کار احتمال استفاده از الگوریتم اجزای همبسته برای تفکیک و استخراج مشخصه های ذاتی در موضوعات مورد مطالعه و شبکه های عصبی گسترش متقابل (CPN) را مورد توجه قرار داده و قابلیت آموزش تشخیص موضوع و هدف را ارزیابی می نماید.

چکیده

این کار احتمال استفاده از الگوریتم اجزای همبسته برای تفکیک و استخراج مشخصه های ذاتی در موضوعات مورد مطالعه و شبکه های عصبی گسترش متقابل (CPN) مورد توجه قرار داده و قابلیت آموزش تشخیص موضوع و هدف را ارزیابی می نماید. شبکه های عصبی برای تعیین سیستم خروجی وابسته به ورودیهای معین به هیچ مدل ریاضیاتی ای نیاز ندارند. به جای آن، آنها بسان مدلی از برآوردکنندگان آزاد عمل کرده و ورودی آنها به الگوهایی نزدیک است که تا کنون فراگرفته شده اند. شبکه های عصبی بصورت قراردادی برای انواع آشکارسازی خودکار هدف، تشخیص ویژگی، کنترل و غیره استفاده شده اند، اما در مورد تطبیق چندگانه و مجتمع هدف نظیر علامت گذاری، در مقایسه با لوگو گرافیک، متن و ترکیبی پیچیده دارد. CPN بر اساس قاعده ی تراکم در فضای n بُعدی اقلیدسی عمل می کند. نتایج بسیار امیدوارکننده ای از آن مشاهده شده است.

فهرست مطالب

1– مقدمه

2– الگوریتم ها و مدلها

1-2-تقسیم بندی تصویر

2-2-شبکه ی عصبی گسترش متقابل Counterpropagation

3– آزمایشات

1-3- آماده سازی نمونه

2-3-انتخاب ساختار

3-3-عملکرد مدل CPN

4– نتایج        

1-مقدمه

نوشته های زیادی در زمینه ی مقایسه ی تصویر وجود دارد اما متأسفانه اکثر آنها برای موضوعات بزرگ و پیچیده ای نظیر علامت گذاری که موضوع بحث ماست، مناسب نیستند. با جستجو برای مقالاتی در این زمینه، مطالب کمی برای مسائل تشخیص یا تطبیق لوگوها یافت می شود. این مسائل با متغیرهای نامتناهی از شکلها و دسته هایی که مورد استفاده قرار می گیرند، بسیار سخت و پیچیده می گردند. این سختی ها به مقیاس مطلق تصویر، ممکن نبودن نقشه برداری مستقیم تصاویر و همچنین فضای ساختار مربوط می شود.

هرچند، تلاشهای اخیر مشکل تطبیق یا تمایز علامت گذاریها را با استفاده از لحظه های نامتغیر و تبدیل بردار ویژه حل کرده اند. اما بحث بر سر این است که نامتغیرهای زمانی ساختار تصویری مناسبی نیستند، چرا که به نویز حساس بوده و از توقف، افت و افزونگی اطلاعات صدمه می بینند. و تبدیل بردار ویژه تنها برای انتقال و مقیاش گذاری نامتغیر است....

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.

 


گروه ترجمه تخصصی البرز اقدام به ترجمه مقاله " مهندسی برق " با موضوع " شبکه های عصبی گسترش متقابل برای تشخیص علائم " نموده است که شما کاربر گرامی می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
شبکه های عصبی گسترش متقابل برای تشخیص علائم
نویسنده/ناشر/نام مجله :
Sixth International, Symposium on Signal Processing and its Applications
سال انتشار
2001
کد محصول
1000159
تعداد صفحات انگليسی
2
تعداد صفحات فارسی
6
قیمت بر حسب ریال
60000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
246 کیلو بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی برق را مشاهده کنید.
کاربر گرامی، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوی را ببینید
هزینه این مقاله ترجمه شده 60000 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


این مقاله ترجمه شده مهندسی برق در زمینه کلمات کلیدی زیر است:





shape comparison
Counterpropagation neural networks (CPN)
neural networks techniques

تاریخ انتشار در سایت: 2013-10-06
جستجوی پیشرفته مقالات ترجمه شده

خدمات ترجمه تخصصی و ویرایش مقاله مهندسی برق در موسسه البرز

نظرتان در مورد این مقاله ترجمه شده چیست؟