|
عنوان مقاله |
نویسنده (ها) |
مربوط به کنفرانس |
چکیده |
|
|
بهبود طول عمر شبکه‌هاي حسگر با پتانسيل نفوذ متفاوت در طول مرز در الگوريتم خواب و بيدار مستقل تصادفي با استفاده از آتاماتاي يادگير |
هادی عواطف رستمی
محمد مهدی اثنی عشری اصفهانی
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
بررسي‌ها در تمامي مسايلي که درآن نظارت بر يک مرز مشخص مورد توجه قرارگرفته بر مبناي اين پيش‌فرض است که احتمال نفوذ در سراسر مسير برابر و بدون تغيير است ... مشاهده کامل
بررسي‌ها در تمامي مسايلي که درآن نظارت بر يک مرز مشخص مورد توجه قرارگرفته بر مبناي اين پيش‌فرض است که احتمال نفوذ در سراسر مسير برابر و بدون تغيير است در حاليکه نمي‌توان گفت در طبيعت اين فرض همواره صحيح است. اين مقاله به بررسي توانایي و نقش الگوريتم زمانبندي خواب و بيدار براي گرههاي حسگر قرار گرفته بر روي مرز يک ناحيه مي‌پردازد، به گونهاي که با افزايش احتمال نفوذ از يک نقطه مرز، احتمال بيدار شدن گرهها در آن نقطه افزايش بيابد. در الگوريتم ارائه شده تمامي حسگرها در طول مرز با يک تناوب مشخص زماني بيدار شده و حسگرهاي همسايه خود را بررسي مي‌کنند سپس با احتمال متفاوتي در نقاط مختلف مرز بيدار مي‌مانند يا به خواب مي‌روند. به منظور فراهم ساختن اين تطبيقپذيري، در الگوريتم پيشنهادي از آتاماتاي يادگير استفاده شده است. اين الگوريتم با بگارگيري آتاماتاي يادگير از دیدگاه طول عمر و نیز هوشمندی در افزایش چگالی گره‌های فعال بر اساس تغییر روند نفوذها بهبودهاي چشم گيري در مقايسه با روش‌های موجود نظیر RIS، LEACH، TDMA و الگوریتم ارائه شده توسط مصطفایی و میبدی (M-M-LA) از خود نشان مي‌دهد. عدم مشاهده کامل
بررسي‌ها در تمامي مسايلي که درآن نظارت بر يک مرز مشخص مورد توجه قرارگرفته بر مبناي اين پيش‌فرض است که احتمال نفوذ در سراسر مسير برابر و بدون تغيير است ... مشاهده کامل |
خرید مقاله
|
|
استفاده از هیستوگرام توسعه یافته برای بازشناسی انسان در مجموعه ای از نماهای مختلف |
الهام شعبانی‌نیا
پیمان اديبي
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
بازشناسی انسان عبارت است از شناسایی مجدد یک فرد، در مکان های متنوع در مجموعه دید دوربین های مختلف، که تنها براساس ویژگی‌های ظاهری آن فرد انجام می‌شود. این عمل ... مشاهده کامل
بازشناسی انسان عبارت است از شناسایی مجدد یک فرد، در مکان های متنوع در مجموعه دید دوربین های مختلف، که تنها براساس ویژگی‌های ظاهری آن فرد انجام می‌شود. این عمل کاری ارزشمند در نظارت ویدیویی است. در این مقاله یک مدل مبتنی بر هیستوگرام برای ظاهر فرد ارائه می‌شود که در آن اطلاعات قاب‌های متوالی به شکل یک هیستوگرام توسعه یافته نمایش داده می‌شوند. در مدل هیستوگرام توسعه یافته هر ستون از هیستوگرام به جای اختیار نمودن مقداری ثابت، معرف تابع توزیع احتمال یک متغیر تصادفی است که این متغیر تصادفی تغییرات ستون در قاب‌های متوالی را نشان می‌دهد. در اینجا توزیع احتمال هر ستون، مخلوطی از چند گاوسی در نظر گرفته می‌شود که پارامترهای آن با استفاده از روش بیشینه سازی امید، به صورت افزایشی یاد گرفته می‌شود. در ادامه برای مقایسه دوهیستوگرام توسعه یافته، روشی مبتنی بر وزن‌دهی ستون‌های هیستوگرام پیشنهاد شده است. در این روش ستون‌های مختلف هیستوگرام با توجه به عدم قطعیت خود در تولید نتیجه مشارکت داده می‌شوند. بدین صورت که به ستون‌هایی با قطعیت بیشتر، وزن بیشتری انتساب داده می‌شود. نتایج تجربی بر روی پایگاه های داده مختلف، نشان می‌دهد که مدل هیستوگرام توسعه یافته پیشنهادی می‌تواند کارایی مناسبی را در بازشناسی انسان فراهم آورد. عدم مشاهده کامل
بازشناسی انسان عبارت است از شناسایی مجدد یک فرد، در مکان های متنوع در مجموعه دید دوربین های مختلف، که تنها براساس ویژگی‌های ظاهری آن فرد انجام می‌شود. این عمل ... مشاهده کامل |
خرید مقاله
|
|
بهبود کیفیت تصاویر آندسکوپی از طریق تعدیل هیستوگرام فازی و توزیع ناهمسانگرد کنتراست |
حسین قیصری
میرحسین دزفولیان
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
در این مقاله روشی جدید برای بهبود کیفیت تصاویر آندوسکوپی به وسیلۀ تعدیل هیستوگرام فازی و توزیع ناهمسانگرد کنتراست ارائه می‌شود. تصاویر آندوسکوپی موجود در کشورمان از لحاظ نور و ... مشاهده کامل
در این مقاله روشی جدید برای بهبود کیفیت تصاویر آندوسکوپی به وسیلۀ تعدیل هیستوگرام فازی و توزیع ناهمسانگرد کنتراست ارائه می‌شود. تصاویر آندوسکوپی موجود در کشورمان از لحاظ نور و کیفیت وضعیت مناسبی ندارند و همین موضوع تبدیل به چالشی جهت تشخیص انواع بیماری‌های دستگاه گوارش شده است. برای غلبه بر این مشکلات و کمک به پزشکان برای تشخیص بهتر، در این مقاله یک روش وفقی با استفاده از تعدیل هیستوگرام فازی و توزیع کنتراست ارائه می‌شود. همچنین در روش پیشنهادی مفهوم جدیدی از توزیع کنتراست بر اساس آنالیز محلی تصاویر آندوسکوپی معرفی می‌شود. سپس به وسیلۀ انتخاب وفقی پارامتر هدایت که نقشی مهم در توزیع ایفا می‌کند، توزیع کنتراست به منظور بهبود کیفیت تصاویر آندسکوپی به تصویر اعمال می‌شود و در نهایت بعد از انتقال به سه فضای رنگ XYZ، YIQ و HSI به کمک روش تعدیل هیستوگرام فازی،تغییرات نامحسوس رنگ نمایان‌تر می‌شود. نتایج تجربی نشان می‌دهد که روش ارائه شده عملکرد قابل توجهی در افزایش قابلیت دیداری تصاویر آندوسکوپی از خود نشان می‌دهد. عدم مشاهده کامل
در این مقاله روشی جدید برای بهبود کیفیت تصاویر آندوسکوپی به وسیلۀ تعدیل هیستوگرام فازی و توزیع ناهمسانگرد کنتراست ارائه می‌شود. تصاویر آندوسکوپی موجود در کشورمان از لحاظ نور و ... مشاهده کامل |
خرید مقاله
|
|
ارائه یک روش استخراج ویژگی از سیگنال گفتار بر مبنای حل یک معادله دیوفانتین و وابستگی به ورودی |
مرتضی علی احمدی
روح الله دیانت
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
در این مقاله، روشی برای استخراج ویژگی از سیگنال گفتار، ارائه شده است. ایده کلی روش آن است که ساختار و چینش فیلترها در بانک فیلتر استخراج کننده ویژگی، متغیر ... مشاهده کامل
در این مقاله، روشی برای استخراج ویژگی از سیگنال گفتار، ارائه شده است. ایده کلی روش آن است که ساختار و چینش فیلترها در بانک فیلتر استخراج کننده ویژگی، متغیر و انعطاف پذیر باشد؛ درحالیکه الگوریتم‌های معمول استخراج ویژگی مانند MFCC، PLP ... ساختاری ثابت دارند. در روش پیشنهادی، ابتدا، پهنای باند فرکانسی به قسمتهای مساوی تقسیم می‌شود. سپس با تشکیل یک معادله دیوفانیتن و درنظر گرفتن شرایط محدودکننده مناسب و در نهایت با حل این معادله، چینش بهینه بانک فیلتر برمبنای داده‌های آموزشی دردسترس، بهدست میآید. این امر موجب می‌شود که با تغییر داده‌های آموزشی، ساختار بانک فیلتر نیز تغییر کند و متناسب با کاربرد موردنظر، تنظیم گردد. نتایج پیاده سازی روی پایگاه داده TIMIT، بیانگر بهبود کارایی الگوریتم پیشنهادی نسبت به روش MFCC می‌باشد. عدم مشاهده کامل
در این مقاله، روشی برای استخراج ویژگی از سیگنال گفتار، ارائه شده است. ایده کلی روش آن است که ساختار و چینش فیلترها در بانک فیلتر استخراج کننده ویژگی، متغیر ... مشاهده کامل |
خرید مقاله
|
|
تابع هزینه حداقل میانگین مربعات توأم با حداقل واریانس خطا |
فریبا پاکیزه حاجی یار
هادی صدوقی یزدی
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
حداقل میانگین مربعات خطا نقشی ضروری در یادگیری و مقبولیت سیستم‌های عصبی ایفا می‌کند. با این وجود مقدار آنی خطای مدل به تنهایی نمی‌تواند حداکثر اطلاعات را از صحت مدل ... مشاهده کامل
حداقل میانگین مربعات خطا نقشی ضروری در یادگیری و مقبولیت سیستم‌های عصبی ایفا می‌کند. با این وجود مقدار آنی خطای مدل به تنهایی نمی‌تواند حداکثر اطلاعات را از صحت مدل تخمین زده شده یا طبقه‌بندی ساختار داده‌ها منتقل کند. در این مقاله تعمیمی از تابع هزینه مرسوم حداقل میانگین مربعات خطا معرفی کرده‌ایم که ترم تنظیم‌کننده آن مبتنی بر حداقل واریانس خطا می‌باشد. نشان خواهیم داد که این تابع هزینه نیز جوابی شبیه به فرم وینر خواهد داشت و به خاطر ترم تنظیم‌کننده تابع هزینه جدید نسبت به نویز مقاوم‌تر عمل می‌کند و شکل داده‌ها را بهتر در خود لحاظ می‌نماید. همچنین فرم بازگشتی LMS گونه تابع هزینه معرفی شده را بدست می‌آوریم تا بتوان از آن به صورت برخط استفاده نمود و سپس به حل انواع کرنلی آن می‌پردازیم. عملکرد این روش‌ها را با داده‌های مختلف در مسئله طبقه‌بندی بررسی خواهیم نمود. عدم مشاهده کامل
حداقل میانگین مربعات خطا نقشی ضروری در یادگیری و مقبولیت سیستم‌های عصبی ایفا می‌کند. با این وجود مقدار آنی خطای مدل به تنهایی نمی‌تواند حداکثر اطلاعات را از صحت مدل ... مشاهده کامل |
خرید مقاله
|
|
تخمین فاصله دور و نزدیک بر پایه ی ورونوی در خوشه بندی خودکار |
احسان ملازاده اول
محمدرضا اکبرزاده توتونچی
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
در این مقاله یک روش جدید بر پایه ی ورونوی جهت تعیین معیار دوری و نزدیکی در خوشه بندی انواع داده پیشنهاد شده است. این روش برای تخمین فواصل دور ... مشاهده کامل
در این مقاله یک روش جدید بر پایه ی ورونوی جهت تعیین معیار دوری و نزدیکی در خوشه بندی انواع داده پیشنهاد شده است. این روش برای تخمین فواصل دور یا نزدیک بطور کاملا خودکار قابل پیاده سازی است و در حوزه ی طبقه بندی داده ها و خوشه بندی بکار گرفته شده است. این امر یک روش خوشه بندی جدید را منجر شده که با تعیین تخمین هایی کاربردی، مفاهیم دوری و نزدیکی طبق خصوصیات محلی هر داده را بیان نموده و وابستگی الگوریتم های خوشه بندی را به پارامتر های ورودی از جمله تعداد خوشه، اندازه شعاعی و شکل آنها حذف کرده است. همچنین با داشتن مقاومت بالا در انواع داده، مزایای روش های مختلف خوشه بندی را به همراه دارد. نتایج حاصله از آزمایشهای مورد نیاز، کاربردی بودن آن را در داده های واقعی نشان می دهد. عدم مشاهده کامل
در این مقاله یک روش جدید بر پایه ی ورونوی جهت تعیین معیار دوری و نزدیکی در خوشه بندی انواع داده پیشنهاد شده است. این روش برای تخمین فواصل دور ... مشاهده کامل |
خرید مقاله
|
|
بهبود برچسب‌گذاری داده‌های کلاس اقلیت با استفاده از روش ترکیبی |
فهیمه پناهنده شهرکی
محمدرضا زارع میرک‌آباد
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
سرطان سینه یکی از شایع‌ترین انواع سرطان در میان زنان می‌باشد. پیش‌بینی زودهنگام این بیماری می‌تواند کمک قابل توجهی در روند بهبود درمان ایجاد نماید. بنابراین الگوریتم‌های متفاوت داده‌کاوی و ... مشاهده کامل
سرطان سینه یکی از شایع‌ترین انواع سرطان در میان زنان می‌باشد. پیش‌بینی زودهنگام این بیماری می‌تواند کمک قابل توجهی در روند بهبود درمان ایجاد نماید. بنابراین الگوریتم‌های متفاوت داده‌کاوی و یادگیری ماشین برای پیش‌بینی خوش‌خیمی یا بدخیمی تومورهای سرطان سینه مورد استفاده قرار گرفته‌اند. یکی از چالش‌ها در این حوزه، توزیع نامتوازن داده‌ها است، یعنی داده‌های کلاس تومورهای بدخیم (کلاس اقلیت) دارای تعدادی به مراتب کمتر از داده‌های کلاس دیگر (کلاس اکثریت) هستند. از طرفی الگوریتم‌های داده‌کاوی اغلب برای کار با داده‌های متوازن طراحی شده‌اند. این امر ممکن است منجر به برچسب‌گذاری نادرست داده‌های کلاس اقلیت شود. برای برخورد با این مشکل، روش‌هایی برای برجسته‌سازی داده‌های کلاس اقلیت ارائه شده است. این روش‌ها عموماً از تکرار داده‌های کلاس اقلیت و یا حذف داده‌های کلاس اکثریت، در راستای توازن داده‌ها، استفاده می‌کنند. این مکانیزم‌ها علاوه بر اینکه ماهیت طبیعی داده‌ها را تغییر می‌دهد، امکان برچسب‌گذاری نادرست داده‌های کلاس اکثریت را نیز افزایش می‌دهد. در این مقاله روشی ارائه می‌شود که با استفاده از الگوریتم‌های طبقه‌بندی ترکیبی، بدون تکرار داده‌های کلاس اقلیت و یا حذف داده‌های کلاس اکثریت، به برچسب‌گذاری صحیح داده‌های کلاس اقلیت پرداخته شود. الگوریتم ارائه شده با استفاده از خوشه‌بندی داده‌ها به سه دسته پرت، خوش‌آموزش و بدآموزش، ابتدا به شناسایی داده‌های پرت می‌پردازد. سپس به دنبال راهکاری برای برخورد با داده‌های بدآموزش (که عمدتاً متعلق به کلاس اقلیت می‌باشند) می‌پردازد که با این روند خطای ایجاد شده برای داده‌های کلاس اقلیت به صورت چشمگیری کاهش می‌یابد. عدم مشاهده کامل
سرطان سینه یکی از شایع‌ترین انواع سرطان در میان زنان می‌باشد. پیش‌بینی زودهنگام این بیماری می‌تواند کمک قابل توجهی در روند بهبود درمان ایجاد نماید. بنابراین الگوریتم‌های متفاوت داده‌کاوی و ... مشاهده کامل |
خرید مقاله
|
|
برچسب‌گذاری نقش معنایی با استفاده از تجزیه‌ی نحوی وابستگی و طبقه‌ی معنایی اسامی |
احمد عبدالله‌زاده بارفروش
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
در این مقاله روشی برای استخراج نقش‌های معنایی بدون در اختیار داشتن پیکره‌ی حاوی نقش‌های معنایی بررسی می‌شود. با استفاده از پیکره‌های موجود، اطلاعاتی که در سطوح پایین‌تر پردازش متن ... مشاهده کامل
در این مقاله روشی برای استخراج نقش‌های معنایی بدون در اختیار داشتن پیکره‌ی حاوی نقش‌های معنایی بررسی می‌شود. با استفاده از پیکره‌های موجود، اطلاعاتی که در سطوح پایین‌تر پردازش متن هستند، مانند اطلاعات نحوی، ریخت‌شناسی و طبقه‌ی معنایی کلمات برای استخراج نقش‌های معنایی به کار گرفته می‌شوند. روش پیشنهادی یک روش مبتنی بر قواعد است که به زیرمجموعه‌ی خاصی از افعال یا اسامی محدود نمی‌شود. در این روش با استفاده از برچسب نحوی وابستگی، روابط در درخت وابستگی، دسته‌بندی معنایی اسامی و ویژگی‌های ریخت‌شناسی اجزای جمله، سه‌تایی‌های نشان‌دهنده‌ی نقش‌های معنایی استخراج می‌شوند. نتایج به دست آمده روی زبان فارسی نشان می دهد که ویژگی‌های به کار گرفته شده در غیاب پیکره‌های حاوی نقش معنایی و یا در حوزه‌هایی که آنها نقص دارند، استخراج نقش‌های معنایی را ممکن می‌سازند. همچنین در زبان‌هایی که دارای پیکره‌ی حاوی نقش‌های معنایی باشند، در کنار منابع معنایی برای بهبود نتایج، و نیز در تولید پیکره‌ی نقش‌های معنایی قابل بهره‌گیری هستند. در انتها روشی برای تبدیل سه‌تایی‌های نقش معنایی به یک مدل گرافی با هدف تجزیه‌ی معنایی متن پیشنهاد می‌شود. عدم مشاهده کامل
در این مقاله روشی برای استخراج نقش‌های معنایی بدون در اختیار داشتن پیکره‌ی حاوی نقش‌های معنایی بررسی می‌شود. با استفاده از پیکره‌های موجود، اطلاعاتی که در سطوح پایین‌تر پردازش متن ... مشاهده کامل |
خرید مقاله
|
|
روشی جدید برای پیش تعلیم شبکه عصبی برمبنای ماشین بولتزمان عمیق به منظور افزایش سرعت آموزش و دقت در بازشناسی واج |
تکتم ذوقی
محمد مهدی همایون پور
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
شبکه‌های عصبی عمیق دارای کاربردهای فراوانی در پردازش گفتار می‌باشند. در صورتی که این شبکه‌ها به صورت تصادفی مقداردهی اولیه شوند به جواب درست همگرا نخواهند شد، چراکه دارای تعداد ... مشاهده کامل
شبکه‌های عصبی عمیق دارای کاربردهای فراوانی در پردازش گفتار می‌باشند. در صورتی که این شبکه‌ها به صورت تصادفی مقداردهی اولیه شوند به جواب درست همگرا نخواهند شد، چراکه دارای تعداد پارامترهای فراوانی می‌باشند. روش‌هاي متعددي براي پيش-تعلیم شبكه‌های عصبي عميق مطرح شده است که باعث همگرا شدن شبکه می‌شوند. پيش-تعلیم شبكه‌های عصبي مي‌تواند هم بر مبناي شبكه باور عميق و هم ماشين بولتزمان عميق انجام گيرد. در این مقاله شبکه عصبی عمیق با روش پیش-تعلیم جدیدی که بر مبنای ماشين بولتزمان عميق می‌باشد، آموزش می‌بیند. در نهايت خروجي شبكه عصبي پس از پيش-تعلیم توسط روش ارائه شده، برای طبقه بندی واج‌ها مورد استفاده قرار می‌گیرد. نتايج تجربي بر روي دادگان گفتار تیمیت بیانگر آن است که روش ارائه شده براي كاربردهاي بازشناسي واج مناسب می باشد. همچنین آزمایشات نشان داده است که روش ارائه شده بر مبنای ماشين بولتزمان عميق به كاهش خطاي عمومي سيستم و افزايش كارائي آن كمك مي‌كند و از طرفی باعث همگرائی سریع‌تر شبکه عصبی عمیق می‌شود. عدم مشاهده کامل
شبکه‌های عصبی عمیق دارای کاربردهای فراوانی در پردازش گفتار می‌باشند. در صورتی که این شبکه‌ها به صورت تصادفی مقداردهی اولیه شوند به جواب درست همگرا نخواهند شد، چراکه دارای تعداد ... مشاهده کامل |
خرید مقاله
|
|
یادگیری مبتنی بر شبکه عصبی مصنوعی برای محاسبه میزان شباهت معنایی جملات متنی |
حامد فکور شندی
هادی ویسی
|
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
در این مقاله یک روش مبتنی بر یادگیری ماشین با شبکه‌های عصبی مصنوعی برای محاسبه میزان شباهت معنایی میان دو جمله متنی پیشنهاد شده است و به طور مجزا برای ... مشاهده کامل
در این مقاله یک روش مبتنی بر یادگیری ماشین با شبکه‌های عصبی مصنوعی برای محاسبه میزان شباهت معنایی میان دو جمله متنی پیشنهاد شده است و به طور مجزا برای دو زبان انگلیسی و فارسی مورد ارزیابی قرار گرفته است. برای یادگیری شباهت جملات، از یک دادگان موجود برای زبان انگلیسی بهره گرفته شده است که شامل زوج جملاتی هستند که میزان شباهت آنها توسط انسان امتیاز‌دهی شده‌اند. برای انجام این کاربرای هر دو جمله، مجموعه‌ای از ویژگی‌های آماری، نحوی و معنایی با استفاده از روش‌های پردازش زبان طبیعی و همچنین شبکه‌های واژگانی استخراج شده‌اند و میزان شباهت جاکارد ویژگی‌های استخراج شده برای دو جمله مختلف توسط یک شبکه عصبی یاد گرفته شده است. در این مقاله، علاوه بر تشابه‌یابی جملات انگلیسی، این کار به صورت مشابهی برای زبان فارسی نیز انجام شده است که بدین منظور ابتدا با الهام از دادگان انگلیسی موجود، یک دادگان مشابه برای زبان فارسی تهیه شده است. پس از یادگیری شباهت جملات توسط شبکه عصبی، کارایی روش پیشنهادی با استفاده از معیارهای میانگین مربعات خطا و درصد اختلاف بین پاسخ واقعی و پاسخ شبکه، مورد ارزیابی قرار گرفت که بهترین نتیجه برای جملات انگلیسی با این دو معیار، به ترتیب برابر با 0.0375 و %13 و برای جملات فارسی، به ترتیب برابر با 0.0399 و %14 می‌باشد. نزدیکی نتایج حاصل در دو زبان، بیانگر توان یادگیری روش پیشنهادی در تشابه‌یابی متون و قابلیت تعمیم آن برای زبان‌های مختلف است. عدم مشاهده کامل
در این مقاله یک روش مبتنی بر یادگیری ماشین با شبکه‌های عصبی مصنوعی برای محاسبه میزان شباهت معنایی میان دو جمله متنی پیشنهاد شده است و به طور مجزا برای ... مشاهده کامل |
خرید مقاله
|
.gif){kind=icon}
