شناسایی و تشخیص خودکار اشیاء با استفاده از شبکه های عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز
- نویسنده هنریک تمرلیان پکاچکی
- استاد راهنما حسن اقبالی جهرمی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1377
چکیده
در این رساله براساس شبکه های عصبی سیستم جدیدی برای شناسایی و تشخیص شیء از تصویر رقمی معرفی شده است . سیستم شامل سه شبکه مختلف می باشد که هر کدام وظیفه خاصی را بعهده دارند. شبکه اول، یک شبکه عصبی از نوع شبکه های نگاشت خصوصیات خودسازنده کوهونن می باشد. هدف این شبکه حذف نوفه ورودی است که اغلب در تصویر وجود دارد. خروجی شبکه اول ورودی شبکه دوم است . استخراج خصوصیات مهم براساس روش استخراج اجزاء اصلی توسط شبکه دوم انجام می شود. بردارهای ویژه اصلی از ماتریس همبستگی ورودی بوسیله یک شبکه عصبی یک لایه خطی بدست می آیند. در روش ارائه شده بردارهای ویژه به طور مستقیم از ورودی بدست می آید و به محاسبه ماتریس همبستگی ورودی احتیاجی ندارد. سومین شبکه، یک شبکه پس انتشار با دو لایه پنهان می باشد. ورودی این شبکه خروجی شبکه دوم یا به عبارتی همان اجزاء اصلی استخراج شده می باشند. خروجی شبکه سوم نتایج تشخیص شیء می باشد. آزمایشهای انجام شده نشانگر عدم وابستگی و کارایی سیستم پیشنهادی می باشد.
منابع مشابه
تشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون
This paper shows how we can make advantage of using genetic programming in selection of suitable features for automatic modulation recognition. Automatic modulation recognition is one of the essential components of modern receivers. In this regard, selection of suitable features may significantly affect the performance of the process. In this research we implemented our model by using appropria...
متن کاملتشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون
تشخیص مدولاسیون سیگنال دریافتی گام میانی بین تشخیص سیگنال و دمدولاسیون آن محسوب می شود؛ به طوری که در بسیاری از سیستم های مخابراتی و نظامی تشخیص خودکار مدولاسیون جزئی از سیستم در نظر گرفته می شود. برای تشخیص خودکار مدولاسیون به طور معمول تعدادی ویژگی از سیگنال دریافتی استخراج و به کار گرفته می شود، در این رابطه، انتخاب ویژگی مناسب، تأثیر به سزایی در افزایش کارایی تشخیص خودکار مدولاسیون دارد. در...
متن کاملتشخیص خودکار خوشه های میکروکلسیفیکاسیون به کمک تبدیل موجک و شبکه های عصبی
در این مقاله، یک سیستم CAD به منظور شناسایی و تشخیص خوشه های میکروکلسیفیکاسیون در تصاویر ماموگرافی معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، تبدیل موجک روی تصاویر ماموگرافی اعمال شده و دو ضریب موجک به همراه دو ویژگی آماری به عنوان ویژگی های متمایز کننده پیکسل ها از نظر تعلق به یک دانه میکروکلسیفیکاسیون استخراج می گردد. سپس با استفاده از یک شبکه عصبی، دسته بندی ...
متن کاملتشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی
وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تأثیرات دیگری را نیز به همراه دارد. از آن جمله، تأثیر بر لایه یونسفر می‍باشد که خود را به‌صورت تغییر در میزان الکترون، چگالی یون‌ها، میدان‌های الکتریکی و مغناطیسی این لایه نشان می‌دهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایه‌های لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید به‌عنوان پیش‌نشانگر شناخته می‌شود...
متن کاملتشخیص بیماری دیابت با استفاده از شبکه عصبی مصنوعی و عصبی- فازی
Background & Aim: A main problem in diabetes is its timely and accurate diagnosis. This study aimed at diagnosing diabetes using data mining methods. Methods: The present study is an analytical investigation including 768 individuals with 8 attributes. Artificial neural networks and fuzzy neural networks were used to diagnose the diabetes. To achieve a real accuracy, the Kfold method was used ...
متن کاملشناسایی خودکار نوع وسیله‌ی سفر از داده‌های GPS وسایل همراه با استفاده از شبکه‌ی عصبی– فازی
تعیین نوع و تقاضای سفر اهمیت زیادی در سازمان‌های حمل و نقل هر کشور دارد. با تشخیص دقیق نوع وسیله‌ی سفر هر کاربر، امکان ارائه‌ی تصویر واقعی‌تری از تقاضای سفر فراهم می‌شود. همچنین در سرویس‌های مکان‌مبنا دانستن نوع وسیله‌ی سفر برای فرستادن تبلیغات هدفمند کاربرد دارد. در این تحقیق به‌منظور استخراج خودکار نوع وسیله‌ی سفر از شبکه‌ی عصبی-فازی و داده‌های سیستم تعیین موقعیت جهانی (GPS) وسیله‌ی همراه است...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023