استفاده ازرمزنگاری شبکیه چشم پستانداران جهت بهبود مدل شبکه عصبی کانولوشنی دربازشناسی اعداددستنویس فارسی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 847

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_400

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

دراین مقاله با الهام ازسیستم رمزنگاری درشبکیه چشم پستانداران درراستای تطابق بیشتر مدلهای محاسباتی دربازشناسی مدل بهبود یافته ای ازشبکه عصبی کانولوشنی ارایه شده است تبدیل انجام شده مبتنی برلبه های تصاویر است و دیگراطلاعات زائد تصاویر حذف میشوند و به عبارت دیگر تصاویر تنک و کم انرژی می شوند مدل طراحی شده از شبکیه چشم به مدل استاندارد الحاق گردید تاقدرت مدل پیشنهادی برروی مجموعه داده اعداددستنویش فارسی سنجیده شود همچنین جهت جلوگیری ازحفظ کردن شبکه برروی داده ی اموزش ازالگوریتم جدیدی به نام خاموش باش استفاده و نتایج با مدلهای پیشین مقایسه شده است درازمایش اول مقدارنرخ بازشناسی اعداد مقایسه گردید که مدل پیشنهادی برتری 0/76 درصدی را ثبت گردانید و به مقدار 99/6 درصد رسید مقدارمتوسط مربع خطا نیز به مقدار 0/00224 کاهش یافت درازمایش دوم مقدارپایداری مدلها دربرابر نویز وجابجایی سنجیده شد که مدلهای پیشنهادی برتری محسوسی داشتند و درازمایش نهایی مقدار جامعیت مدلها سنجییده شد و مدلهای پیشنهادی بهبود قابل ملاحظه ای را نشان دادند

نویسندگان

حمید گل محمدی

دانشجوی کارشناسی ارشددانشکده مهندسی برق دانشگاه تربیت دبیر شهید رجایی لویزان تهران

رضا ابراهیم پور

دانشکده مهندسی کامپیوتر دانشگاه تربیت دبیر شهید رجایی لویزان تهران

نصور باقری

دانشکده مهندسی برق دانشگاه تربیت دبیر شهید رجایی لویزان تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • paper.pdf, " Ne urocomputing _ 2003. ...
  • W. Gu, C. Xiang, and H. Lin, "Modified HMAX Models ...
  • T. Serre, L. Wolf, S. Bileschi, M. Riesenhuber, and T. ...
  • H. Khosravi and E. Kabir, "Introducing a very large dataset ...
  • E. Kandel, Principles of Neural Science, Fifth Edition. McGraw-Hil Education, ...
  • G. D. Horwitz, _ studies of macaque monkeys have told ...
  • E. Xie, M. McGinnity, Q. Wu, J. Cai, and R. ...
  • B. R. Conway, S. Chatterjee, G. D. Field, G. D. ...
  • S. Wang, W. Li, Y. Wang, Y. Jiang, S. Jiang, ...
  • Y. LeCun and Y Bengio, _، Convolutiona networks for images, ...
  • Y. Bengio, A. Courville, and P. Vincent, _ Repre sentation ...
  • Y. Bengio, U. Montreal, and Y. Lecun, "Tutorial : Learning ...
  • A. Coates, A. Karpathy, and A. Y. Ng, "Emergence of ...
  • T. Kuipers, "Spread Maximization a Novel Unsupervised Learning Paradigm Convolutionl ...
  • C. Farabet, B. Martini, P. Akselrod, S. Talay, Y. LeCun, ...
  • P. Sermanet, S. Chintala, and Y. LeCun, ،، Convolutionl neural ...
  • K. Fukushima, "Increasing robustness against background noise: visual pattern recognition ...
  • C. Hib, P. Hib, C. Xvefcds, Y. LeCun, L. Bottou, ...
  • G. Mesnil, Y. Dauphin, K. Yao, Y. Bengio, L. Deng, ...
  • G. Hinton, "Dropout : A Simple Way to Prevent Neurl ...
  • A. Krizhevsky, I. Sutskever, and G. E. Hinton, "ImageNet Classification ...
  • نمایش کامل مراجع