TLD مخفف ردیابی، یادگیری و آشکارسازی است. همان طور که از نام آن پیداست، این ردیاب، کار ردیابی طولانی مدت را به سه جزء کوتاه مدت ردیابی، یادگیری و آشکارسازی، تجزیه می‌کند. ردیاب، شئ را به صورت فریم به فریم دنبال می‌کند. آشکارساز همه مواردی که تاکنون مشاهده شده‌اند را دسته بندی می‌کند و در صورت لزوم ردیاب را اصلاح می‌کند. بخش یادگیری، خطاهای آشکارساز را محاسبه کرده و آن را به روز می‌کند تا از برو...

چکیده ندارد.

یادگیری تقویتی به طور گسترده و موفقیت آمیزی برای حل مسائل کنترل بهینه تنظیم سیستم های دارای دینامیک نا معین بکار گرفته شده است. با این حال، به دلیل اینکه در روش های موجود حل مسئله ردیابی بهینه، برای بدست آوردن قسمت پیشرو ورودی کنترلی دینامیک کامل سیستم نیاز هست، روش های یادگیری تقویتی به طور مستقیم قابل اعمال برای مسئله ردیابی بهینه سیستم های دارای دینامیک نامعین نمی باشند. در این پایان نامه رو...

در این مقاله، یک الگوریتم یادگیری ترکیبی جدید برای طراحی شبکه های موجک فازی به منظور تقریب توابع، کنترل و شناسایی سیستم های غیرخطی ارائه شده است. الگوریتم پیشنهادی مبتنی بر الگوریتم حداقل مربعات متعامد (OLS)، الگوریتم جهش قورباغه های بهم آمیخته (SFL) و روش حداقل مربعات بازگشتی(RLS) می باشد. الگوریتم حداقل مربعات متعامد جهت تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثرو تع...

در این پایان نامه به منظور کنترل آشوب از مزایای روش¬های فازی تطبیقی و کنترل تناسبی- انتگرالی- مشتقی به همراه عملکرد مقاوم استفاده می¬شود. بدین منظور روش pid فازی تطبیقی با عملکرد ردیابی مقاوممورد مطالعه قرار می-گیرد. در کنترل پیشنهادیبرای جبران عدم قطعیت¬ها از ویژگی قابلیت تقریب¬زنی جامع فازی و برای کاهش خطای تقریب از عملکرد مقاوم استفاده می¬شود.پایداری و مقاوم بودن طرح کنترلی مبتنی بر روش لیاپ...

امروزه از شبکه های عصبی در زمینه های تحقیقاتی مختلف مانند محاسبات هوشمند، کنترل، شناسایی، پیش بینی سری های زمانی وغیره استفاده می شود. این شبکه ها به دو گروه شبکه های عصبی پیشرو و شبکه های عصبی بازگشتی طبقه بندی می شوند. شبکه های عصبی پیشرو استاتیکی می باشند به این مفهوم که خروجی آنها فقط به ورودی های فعلی شبکه بستگی دارد و این شبکه ها حافظه ندارند. شبکه های عصبی بازگشتی یک تعمیم از شبکه های عص...

شبکه‌های عصبی چند لایه پیش خور از دیرباز به طور وسیعی مورد توجه محققان بوده است. این شبکه‌ها علی‌رغم موفقیت چشم‌گیر در برقراری ارتباط بین ورودی و خروجی، دارای چندین نقطه ضعف بوده‌اند. به عنوان مثال زمان آموزش این شبکه‌ها نسبتاً طولانی است و گاهی ممکن است این شبکه‌ها آموزش نبینند. دلیل طولانی بودن زمان آموزش را می‌توان به انتخاب نامناسب پارامترهای شبکه نسبت داد. روش به دست آوردن پارامترهای وزن وب...

ردیابی خودرو یکی از چالشهای مهم در سیستمهای حمل و نقل هوشمند جهت تخمین موقعیت خودرو در فریم بعدی از یک دنباله متوالی تصاویر از ویدئوهای نظارتی است. در این مقاله، یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از الگوریتم تخمین زننده ویژگی kanade-lucas-tomasi (klt) گسترش یافته است. در این الگوریتم، برای جایگزینی خودروها بوسیله ویژگیهای ردیابی شده، یک الگوریتم گروه بندی دو مرحله ای سلسله مرات...

به منظور کنترل حرکت مدل سه لینکه از بازوی انسان در صفحه و با هدف دستیابی به کنترل مقاوم در برابر اغتشاشات خارجی، دینامیک های مدل نشده و عدم قطعیت های مدل و ویژگی های تغییرپذیر با زمان آن، کنترلترمینال پیوسته لغزشی به عنوان کنترل کننده تطبیقی و مقاوم، بکار رفته است. این کنترل کننده دارای زمان همگرایی محدود جهت رسیدن به خطای ردیابی صفر است، اما پدیده چترینگ موجود در کنترل لغزشی را بطور مطلوبی کاه...

به منظور کنترل حرکت مدل سه لینکه از بازوی انسان در صفحه و با هدف دستیابی به کنترل مقاوم در برابر اغتشاشات خارجی، دینامیک های مدل نشده و عدم قطعیت های مدل و ویژگی های تغییرپذیر با زمان آن، کنترلترمینال پیوسته لغزشی به عنوان کنترل کننده تطبیقی و مقاوم، بکار رفته است. این کنترل کننده دارای زمان همگرایی محدود جهت رسیدن به خطای ردیابی صفر است، اما پدیده چترینگ موجود در کنترل لغزشی را بطور مطلوبی کاه...