یادگیری را می توان به دو دسته کلی یادگیری دسته ای و یادگیری برخط تقسیم کرد. یادگیری برخط معمولا در مسائلی که کلیه داده ها موجود نباشد و به پاسخی مناسب در زمانی کم نیاز باشد، کاربرد دارد. روش های مختلفی برای یادگیری برخط ارائه شده است که هر یک سعی دارند تا به بهترین جواب برسند. اما هنگامی که داده ها ساختاری غیرخطی و نامحدب داشته باشند، روش های کلاسیک یادگیری قادر به افراز صحیح داده ها نمی باشند...

چکیده: الگوریتم وفقی کمینه میانگین مربعـات (LMS) بـه­صـورت گستـرده در سناریـوی حـذف نـویز صوتی مورداستفاده قرار گرفته است. سیگنال­های صوتی مانند گفتار معمولاً شامل تغییرات ناگهانی هستند که با نویز ضربه­ای مدل می­شوند. از طرف دیگر، کانال­های صوتی در عالم واقعیت دارای پاسخ ضربه تنک هستند. نویز ضربه­ای و کانال صوتی تنک، دو چالش مهم در سنـاریوی حـذف نـویز صوتی هستند که اخیراً هرکدام به­طور جداگانه مو...

تعیین مناسب شعاع کرنل یکی از پارامترهای بحرانی ردیابی مبتنی بر چگالی کرنل می باشد، که تاکنون راهکار کامل و بی عیبی برای آن بیان نشده است. در این مقاله از یک روش لبه یابی با الگوریتم ردیاب مبتنی بر کرنل برای وفقی سازی شعاع آن استفاده می شود و از ترکیب آن  با الگوریتم بازنمونه برداری فیلترذره، به یک الگوریتم ردیابی مقاوم و با دقت دست می یابد. بعد از تخمین چگالی کرنل مناسب، هیستوگرام وزندارشده مدل...

یکی از مهمترین چالشهای موجود در فیلترهای وفقی، سرعت پایین همگرایی الگوریتم وفقی در حضور سیگنال‌های ورودی با همبستگی زیاد می‌باشد. الگوریتم وفقی تصویر افاین، تعمیم‌یافته الگوریتم مشهور حداقل میانگین مربعات نرمالیزه خطا (NLMS) بوده و سبب بهبود سرعت همگرایی در برابر سیگنال‌های ورودی همبسته در ساختارهای تمام‌باند و زیرباندی می‌شود. در این مقاله، به منظور بهبود عملکرد همگرایی الگوریتم در برابر سیگنا...

تعیین مناسب شعاع کرنل یکی از پارامترهای بحرانی ردیابی مبتنی بر چگالی کرنل می باشد، که تاکنون راهکار کامل و بی عیبی برای آن بیان نشده است. در این مقاله از یک روش لبه یابی با الگوریتم ردیاب مبتنی بر کرنل برای وفقی سازی شعاع آن استفاده می شود و از ترکیب آن  با الگوریتم بازنمونه برداری فیلترذره، به یک الگوریتم ردیابی مقاوم و با دقت دست می یابد. بعد از تخمین چگالی کرنل مناسب، هیستوگرام وزندارشده مدل...

روش رفع نویز میانگین های غیر محلّی توجه بسیاری از صاحب نظران را به خود جلب کرده است. از جمله محاسن این روش می توان به کیفیت کمّی و کیفی نتایج و سادگی پیاده سازی اشاره کرد. وجود مشکلات و کاستی هایی در این روش، انگیزه اصلی برای تألیف این پایان نامه می باشد. می توان آثار نامطلوب در نواحی هموار تصویر، باقی گذاشتن نویز نزدیک لبه های تیز تصویر و زمان اجرای طولانی را از مهم ترین مشکلات این روش نام برد. ...

طبقه‌بند مبتنی بر نمایش تنک (SRC)یکی از الگوریتم‌های موفق در ترکیب مفاهیم مطرح در دو حوزه نمونه‌برداری فشرده و آموزش ماشین است. در SRC، هر نمونه بر اساس ترکیب خطی تنکی از نمونه‌های آموزشی نمایش داده می‌شود. با توجه به موفقیت‌های اولیه این الگوریتم، فرم کرنلیزه آن (KSRC) نیز ارائه شده که در آن داده‌ها با استفاده از تابع کرنل به طور غیر صریح به فضای ویژگی جدیدی با ابعاد بالاتر نگاشت یافته و سپسSR...

چکیده: در این مقاله، به منظور ردیابی اهداف متحرک روشی جدید بر اساس الگوریتم فیلتر ذره ارائه شده است. تعیین تعداد مراحل بازنمونه­برداری در الگوریتم فیلترذره یکی از عوامل مهم در تعیین مدت زمان پردازش تصاویر می­باشد. در مقالة حاضر با تخمین چگالی کرنل گوسی، هیستوگرام وزن­دارشده مدل هدف به­دست آمده و با اعمال واریانس یک نویز تصادفی در محل هدف، موقعیت ذرات نامزد در فریم بعد پیشگویی می­شوند. در این مق...