به دلیل وجود اختلافاتی همچون مقیاس، دوران و شدت روشنایی و تغییر شکل ناشی از ارتفاع در بین تصاویر ماهواره ای، تناظریابی این تصاویر یکی از چالش برانگیزترین مسائل در سنجش از دور می باشد. این فعالیت به صورت گسترده ای در سنجش از دور به منظور طبقه بندی چند منبعی، مانیتورینگ محیط، بازرسی تغییرات، موزائیک نمودن تصاویر و ... کاربرد دارد. روش‏های زیادی برای تناظریابی ارائه شده اند، یکی از این روش ها تناظ...

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

به دلیل وجود اختلافاتی همچون مقیاس، دوران و شدت روشنایی و تغییر شکل ناشی از ارتفاع در بین تصاویر ماهواره‌ای، تناظریابی این تصاویر یکی از چالش‌برانگیزترین مسائل در سنجش از دور می‌باشد. این فعالیت به صورت گسترده‌ای در سنجش از دور به منظور طبقه‌بندی چند منبعی، مانیتورینگ محیط، بازرسی تغییرات، موزائیک نمودن تصاویر و ... کاربرد دارد. روش‏های زیادی برای تناظریابی ارائه شده‌اند، یکی از این روش‌ها تناظ...

در این مقاله روش شبکه عصبی هاپفیلد برای تفسیر هوشمند داده های گرانی استفاده شده است. یک شبکه عصبی هاپفیلد برای تخمین عمق چشمه گرانی طراحی شده است. این شبکه طراحی شده برای داده های مصنوعی و واقعی آزمایش شده اند. در مورد داده های واقعی این شبکه برای تخمین عمق یک تونل قنات واقع در موسسه ژئوفیزیک به کار برده شده و نتایج حاصله به مقادیر واقعی عمق بسیار نزدیک است.

مرتبط سازی تصویر روند تعیین بهترین تطبیق مکانی بین دو یا چند تصویر بدست آمده در زمان‏های مختلف، از منظرهای متفاوت و یا با سنسورهای مختلف می‏‏باشد که دو تصویر مبنا و ورودی را به صورت هندسی بر هم منطبق می‏‏نماید. این فرآیند شامل چهار مرحله استخراج عوارض، تناظریابی عوارض، محاسبه‏ی تابع تبدیل و نمونه برداری و ترانسفورماسیون می‏‏باشد. هر یک از این موارد نقش مهمی ‏‏‏را در فرآیند مرتبط سازی ایفا می‏‏ن...

دز این پایان نامه ابتداد تعریف دقیقی از پایداری به مفهوم هاپفیلد برای شبکه های عصبی ارائه می گردد تا تفاوت بین این پایداری و پایداری لیاپانوف را نشان دهیم همچنین روش های کلی ساخت تابع انرژی را ارائه می دهیم. سپس بعضی از نتایج پایداری لیاپانو ف، مربوط به شبکه های عصبی عمومی،شبکه های عصبی حافظه ارتباطی دوسویی و شبکه های عصبی سلولی را نشان خواهیم داد. توجه مان را روی پایداری ( لیپانو ف، مجانبی سرا...

کاربرد های شبکه های عصبی به شدت به رفتار دینامیکی آنها وابسته هستند و از آنجا که پایداری، یکی از مهم ترین مسائل مربوط به اینگونه رفتارهاست بنابراین مسئله ی تحلیل پایداری شبکه های عصبی اهمیت بسیاری دارد. از کاربردهای مهم شبکه های عصبی استفاده از آنها در حل مسائل بهینه سازی است. اگر چه شبکه های عصبی مسائل را به طور تقریبی حل می کنند ولی سرعت محاسباتی بالای آنها این نقیصه را تا اندازه ای جبران می ...

در این ایان نامه وجود جواب های متناوب برای یک سیستم از معادلات دیفرانسیل تاخیری ارایه شده در یک شبکه ساده دو نرونی از نوع هاپفیلد با زمان های تاخیر اتصال بین نرون ها را مطالعه می کنیم به همین منظور ابتدا ساختار مغز را بیان کرده و به مقایسه انسان و کامپیوتر می پردازیم و در دامه شبکه های عصبی و شبکه های عصبی هاپفیلد را توضیح می دهیم . در فصل سوم پایداری فراگیر شبکه های عصبی هاپفیلد با تاخیرات و پ...