|
عنوان مقاله |
نویسنده (ها) |
مربوط به کنفرانس |
چکیده |
|
|
به سوی تحمل‌پذیری اشکال در شبکه‌های عصبی عمیق با کمک هرس مدل |
ستاره احصایی
محسن راجی
بهنام قوامی
|
بیست و هفتمین کنفرانس بین الملی انجمن کامپیوتر ایران |
افزایش اندازه مدل و تعداد پارامترها در شبکه‌های عصبی عمیق، از یک سو موجب پیشرفت‌های زیادی در عملکرد این شبکه‌ها شده و از سوی دیگر باعث بروز چالش‌هایی از قبیل ... مشاهده کامل
افزایش اندازه مدل و تعداد پارامترها در شبکه‌های عصبی عمیق، از یک سو موجب پیشرفت‌های زیادی در عملکرد این شبکه‌ها شده و از سوی دیگر باعث بروز چالش‌هایی از قبیل افزایش اندازه حافظه می‌گردد. در هرس مدل، با حذف برخی پارامترهای شبکه، ضمن حفظ دقت مدل، اندازه آن کاهش داده می‌شود. با بهکارگیری این شبکه‌ها در سیستم‌های حساس-از-منظر-ایمنی، تاثیر هرس مدل که به طور سنتی با هدف کاهش اندازه شبکه استفاده می‌شود، بر تحمل‌پذیری اشکال شبکه‌ها مورد سوال جدی قرار گرفته است. در این مقاله، به کمک آزمایشهای گسترده تزریق اشکال، تحلیل جامعی بر میزان تاثیر روش‌های مختلف هرس بر تحمل‌پذیری اشکال شبکه‌های عصبی عمیق ارائه می‌شود. مدل اشکال مورد مطالعه، خطاهای نرم واژگونی بیتی است که در حافظه ذخیرهساز وزنهای شبکه رخ می‌دهد و باعث تغییر مقدار وزنهای شبکه می‌گردد. باتوجه به نتایج به‌دست‌آمده از آزمایشهای متنوع تزریق اشکال بر روی شبکه AlexNet که به روش‌های مختلف هرس شده است، میتوان نتیجه گرفت که به طور کلی، هرس کردن مدل باعث بهبود تحمل‌پذیری اشکال می‌شود و میتوان از آن به منظور بهبود تحمل‌پذیری شبکه‌های عصبی عمیق هم بهره گرفت. از میان روش‌های مختلف هرس مدل، هرس وزنی بیشترین میزان بهبود تحمل‌پذیری اشکال را دارد. عدم مشاهده کامل
افزایش اندازه مدل و تعداد پارامترها در شبکه‌های عصبی عمیق، از یک سو موجب پیشرفت‌های زیادی در عملکرد این شبکه‌ها شده و از سوی دیگر باعث بروز چالش‌هایی از قبیل ... مشاهده کامل |
خرید مقاله
|
|
بهبود روش خوشه‌بندی چندگامی در شبکه‌های بین خودرویی |
محمد رضا شایگان مطلق
محمدعلی پورمینا
مجتبی مازوچی
|
بیست و هفتمین کنفرانس بین الملی انجمن کامپیوتر ایران |
شبکه‌های بین خودرویی، نوع خاصی از شبکه‌های اقتضایی متحرک (MANETs) هستند؛ که ارتباط میان وسایل نقلیه و واحدهای کنار جاده‌ای را فراهم می‌کنند. از جمله مشخصه‌های این شبکه‌ها، تحرک سریع ... مشاهده کامل
شبکه‌های بین خودرویی، نوع خاصی از شبکه‌های اقتضایی متحرک (MANETs) هستند؛ که ارتباط میان وسایل نقلیه و واحدهای کنار جاده‌ای را فراهم می‌کنند. از جمله مشخصه‌های این شبکه‌ها، تحرک سریع گره‌ها و تغییرات مکرر توپولوژی می‌باشد. که بهبود این چالش‌ها موجب ایجاد تکنیک‌های جدید گردیده است. خوشه‌بندی یکی از كارآمدترین رویکردهای موجود در جهت سازماندهی ارتباطات در شبکه به شمار می‌رود. و همچنین خوشه‌بندی با ایجاد یک ستون فقرات مجازی در سطح جاده، جابجایی داده‌ها را به صورت بهینه فراهم کرده و میزان استفاده از پهنای باند را بهبود بخشیده است. در این مقاله، به تشریح ساختاری جدید در جهت ادغام خوشه‌ها و انتخاب سرخوشه جدید، پرداخته شده است. که در صورت برقرار بودن شروط تعیین شده، ادغام صورت می‌گیرد. و همچنین در فرایند انتخاب سرخوشه جدید، گره‌ای که از نظر میزان سرعت نسبی و تعداد همسایگان مشترک در بین گره‌های همپوشانی شده شرایط بهتری را داشته باشد، به عنوان سرخوشه جدید معرفی می‌گردد. نتایج شبیه‌سازی توسط نرم‌افزار ++OMNET و دو ابزارSUMO و VIENS حاکی از آن است، که الگوریتم پیشنهادی در مقایسه با الگوریتم قدرتمند PMC، از عملکرد بهتری در میانگین مدت زمان سرخوشه ماندن، میانگین مدت زمان عضو بودن گره‌ها و تعداد تغییرات سرخوشه‌ها برخوردار است. عدم مشاهده کامل
شبکه‌های بین خودرویی، نوع خاصی از شبکه‌های اقتضایی متحرک (MANETs) هستند؛ که ارتباط میان وسایل نقلیه و واحدهای کنار جاده‌ای را فراهم می‌کنند. از جمله مشخصه‌های این شبکه‌ها، تحرک سریع ... مشاهده کامل |
خرید مقاله
|
|
ارائه روشی مبتنی بر الگوریتم‌های بهینه‌سازی شاهین و جنگل تصادفی برای تشخیص حملات فیشینگ |
محسن رخشانی
سمیرا نوفرستی
|
بیست و هفتمین کنفرانس بین الملی انجمن کامپیوتر ایران |
یکی از رایج‌ترین حملات سایبری، حملات فیشینگ است. در این نوع حملات، مهاجمین با ارسال لینک‌های جعلی برای کاربران و ترغیب آنها به استفاده از وب‌سایت‌های جعلی، اطلاعات مهم و ... مشاهده کامل
یکی از رایج‌ترین حملات سایبری، حملات فیشینگ است. در این نوع حملات، مهاجمین با ارسال لینک‌های جعلی برای کاربران و ترغیب آنها به استفاده از وب‌سایت‌های جعلی، اطلاعات مهم و محرمانه آنها را سرقت می‌کنند. حملات فیشینگ زیان قابل توجه‌ای دارند و اعتماد کاربران را در خرید آنلاین و سرویس‌های تحت وب، مخدودش می‌کنند. یک روش کاربردی برای تشخیص حملات فیشینگ استفاده از یادگیری ماشین است. در این مقاله، یک روش ترکیبی برای کاهش خطای طبقه‌بندی صفحات به دو دسته جعلی و اصلی ارایه می‌شود. در روش پیشنهادی، ابتدا ویژگی‌های موثر در یادگیری با استفاده از الگوریتم شاهین انتخاب شده و بردار ویژگی حاصل توسط شبکه عصبی مصنوعی ارزیابی می‌شود. سپس طبقه‌بند جنگل تصادفی بر اساس بردار ویژگی انتخاب شده در مرحله قبل به طبقه‌بندی صفحات می‌پردازد. مزیت روش پیشنهادی استفاده از هوش‌گروهی نوین در ترکیب با روش‌های یادگیری ماشین در تشخیص فیشینگ است. نتایج ارزیابی‌های انجام گرفته نشان می‌دهد که روش پیشنهادی نسبت به روش‌های انتخاب ویژگی موجود مانند الگوریتم کفتار و روش مبتنی بر تحلیل مولفه اصلی دارای دقت بیشتری در تشخیص حملات فیشینگ است. عدم مشاهده کامل
یکی از رایج‌ترین حملات سایبری، حملات فیشینگ است. در این نوع حملات، مهاجمین با ارسال لینک‌های جعلی برای کاربران و ترغیب آنها به استفاده از وب‌سایت‌های جعلی، اطلاعات مهم و ... مشاهده کامل |
خرید مقاله
|
|
تحلیل احساسات کامنت‌های بورسی با استفاده از BERT |
مرتضی آهنگری
علی سبطی
|
بیست و هفتمین کنفرانس بین الملی انجمن کامپیوتر ایران |
هدف از تحلیل احساسات، استخراج خودکار احساسات افراد از شبکه‌های اجتماعی و اسناد متنی می‌باشد. شبکه‌های اجتماعی مرتبط به بازارهای مالی، از جمله بازارهای سهام، اخیرا مورد توجه بسیاری از ... مشاهده کامل
هدف از تحلیل احساسات، استخراج خودکار احساسات افراد از شبکه‌های اجتماعی و اسناد متنی می‌باشد. شبکه‌های اجتماعی مرتبط به بازارهای مالی، از جمله بازارهای سهام، اخیرا مورد توجه بسیاری از افراد و سازمان‌ها قرار گرفته است. افراد در این شبکه‌ها نظرات و عقاید خود را در مورد هر سهم در قالب یک پست یا توییت، به اشتراک می‌گذارند. در این مقاله کار تحلیل احساسات بر روی کامنت‌هایی که از سایت بورس استخراج نمودیم، انجام شد. برای اینکار ما از دو روش مرسوم که در کار تحلیل احساسات انجام می‌شود، استفاده نمودیم، این دو روش شامل روش مبتنی بر واژگان و روش مبتنی بر یادگیری ماشین است، برای روش مبتنی بر واژگان از یک واژگان موجود، به نام SentiStrength استفاده شد، که این واژگان با هدف استفاده عمومی طراحی شده است. برای روش مبتنی بر یادگیری ماشین از BERT که یک روش نوین برای تعبیه کلمات است استفاده شد، همچنین کار آموزش داده‌ها توسط الگوریتم‌های نایو بیز و ماشین بردار پشتیبان، انجام شد. نتایج آزمایشات نشان داد که استفاده از BERT برای نمایش داده‌ها به همراه الگوریتم نایو بیز برای آموزش داده‌ها، ۱۳ درصد معیار صحت را نسبت به استفاده از واژگان عمومی برای تحلیل احساسات، افزایش می‌دهد. عدم مشاهده کامل
هدف از تحلیل احساسات، استخراج خودکار احساسات افراد از شبکه‌های اجتماعی و اسناد متنی می‌باشد. شبکه‌های اجتماعی مرتبط به بازارهای مالی، از جمله بازارهای سهام، اخیرا مورد توجه بسیاری از ... مشاهده کامل |
خرید مقاله
|
|
تشخیص حملات فیشینگ به کمک یک استخراج ویژگی موثر مبتنی بر شبکه عصبی خودرمزنگار |
سمن مثقالی
جواد عسکری
|
بیست و هفتمین کنفرانس بین الملی انجمن کامپیوتر ایران |
حملات فیشینگ به گونه‌ای از حملات گفته می‌شود که در آن تلاش می‌شود یک کاربر به صفحات تقلبی از وب‌سایت‌های مهم و پرکاربرد هدایت شود. صفحات جعلی در بسیاری از ... مشاهده کامل
حملات فیشینگ به گونه‌ای از حملات گفته می‌شود که در آن تلاش می‌شود یک کاربر به صفحات تقلبی از وب‌سایت‌های مهم و پرکاربرد هدایت شود. صفحات جعلی در بسیاری از موارد، بسیار شبیه به صفحات اصلی می‌باشند و همین موضوع می‌تواند کاربران را با مشکلات مختلفی مواجه سازد. به عنوان مثال ممکن است برای دست‌یابی به اطلاعات ایمیل، یک کاربر به صفحه‌ی ورود جعلی از جی‌میل یا یاهومیل هدایت شود. تشخیص به موقع این‌گونه حملات به منظور حفظ حریم خصوصی و نیز افزایش امنیت افراد در تراکنش‌های مالی آنلاین، یکی از چالش‌های اخیر است. در این مقاله یک روش مبتنی بر شبکه عصبی خودرمزنگار به منظور استخراج ویژگی موثر و طبقه‌بندی حملات فیشینگ اینترنتی معرفی شده است که در این روش، برای هر کلاس یک شبکه‌ی خودرمزنگار به منظور استخراج ویژگی، به صورت غیرنظارتی آموزش داده می‌شود تا هر شبکه بتواند ویژگی‌های هر کلاس را به صورت موثر استخراج کند. پس از آن، به کمک تابع بیشینه‌ی هموار، هر دو شبکه به صورت نظارتی و به کمک داده‌های آموزشی، آموزش داده می‌شوند. نتایج بدست آمده به خوبی نشان می‌دهند که روش بکار گرفته شده قادر است دقت بالاتری نسبت به روش پرسپترون چند لایه و دیگر روش‌های طبقه‌بندی فراهم آورد. عدم مشاهده کامل
حملات فیشینگ به گونه‌ای از حملات گفته می‌شود که در آن تلاش می‌شود یک کاربر به صفحات تقلبی از وب‌سایت‌های مهم و پرکاربرد هدایت شود. صفحات جعلی در بسیاری از ... مشاهده کامل |
خرید مقاله
|
|
بهینه‌سازی شبکه عصبی کانولوشنی یک بعدی جهت تشخیص بدافزار در اینترنت اشیا |
مهرنوش نوبخت
رضا جاویدان
علیرضا پورابراهیمی
|
بیست و هفتمین کنفرانس بین الملی انجمن کامپیوتر ایران |
با افزایش نفوذ نرم‌افزارهای مخرب به دستگاه‌های هوشمند، تشخیص بدافزار به یکی از چالش‌های مهم در حوزه امنیت اینترنت اشیا تبدیل شده است. تا کنون روش‌های متعددی در این زمینه ... مشاهده کامل
با افزایش نفوذ نرم‌افزارهای مخرب به دستگاه‌های هوشمند، تشخیص بدافزار به یکی از چالش‌های مهم در حوزه امنیت اینترنت اشیا تبدیل شده است. تا کنون روش‌های متعددی در این زمینه ارائه شده که در این میان، روش‌های مبتنی بر الگوریتم‌های یادگیری عمیق بدلیل توانایی استخراج خودکار بازنمایی‌های پیچیده از داده‌ها، از عملکرد مناسب‌تری برخوردارند. از آنجایی که هایپرپارامترها نقش مهمی در موفقیت شبکه عصبی عمیق دارند، تنظیم و بهینه‌سازی آنها از اهمیت ویژه‌ای برخوردار است. از این رو در این پژوهش، پیکربندی‌های مختلف از یک طبقه‌بند مبتنی بر شبکه عصبی کانولوشنی یک بعدی (1D-CNN) طراحی شده و پس از بهینه‌سازی هایپرپارامترها، از آن جهت تشخیص جریان‌های مخرب شبکه استفاده شده است. شبکه عصبی کانولوشنی یک بعدی کمک می‌کند تا طبقه‌بند سبک وزن با حداقل تعداد لایه‌ها را داشته باشیم. جهت آموزش طبقه‌بند CNN پیشنهادی، از مجموعه داده UNSW-NB15 استفاده شده است. یافته‌ها نشان می‌دهد که مدل ارائه شده در مقایسه با مدل‌های مشابه از دقت قابل قبول و بالاتری (99.97 %) برخوردار است. عدم مشاهده کامل
با افزایش نفوذ نرم‌افزارهای مخرب به دستگاه‌های هوشمند، تشخیص بدافزار به یکی از چالش‌های مهم در حوزه امنیت اینترنت اشیا تبدیل شده است. تا کنون روش‌های متعددی در این زمینه ... مشاهده کامل |
خرید مقاله
|
|
ارائه یک مدل بهینه ریاضی جهت پیش‌بینی پرفشاری خون با در نظر گرفتن نشان‌گرهای ژنومی |
سعیده رستمان
مهرداد کارگری
سید علی لاجوردی
|
بیست و هفتمین کنفرانس بین الملی انجمن کامپیوتر ایران |
پرفشاری خون یک بیماری مزمن است که به‌عنوان شایع‌ترین عارضه سلامتی و مهم‌ترین عامل خطر برای بیماری‌های قلبی عروقی شناخته می‌شود. پیش‌بینی و تشخیص زودهنگام پرفشاری خون و درمان به‌موقع ... مشاهده کامل
پرفشاری خون یک بیماری مزمن است که به‌عنوان شایع‌ترین عارضه سلامتی و مهم‌ترین عامل خطر برای بیماری‌های قلبی عروقی شناخته می‌شود. پیش‌بینی و تشخیص زودهنگام پرفشاری خون و درمان به‌موقع آن مانع از پیشرفت بیماری و بروز عواقب ناشی از آن می‌شود و همچنین باعث صرفه‌جویی در هزینه درمان می‌گردد. مطالعات پیشین نشان می‌دهد که علاوه بر عوامل محیطی و سبک زندگی، عامل وراثت نیز در پرفشاری خون نقش بسزایی دارد. در سال‌های اخیر روش‌های یادگیری ماشین و تحلیل‌های آماری در پیش‌بینی بیماری، پیشرفت‌های مشهودی داشته و کم‌تر به بهینه‌سازی ریاضی در این حوزه پرداخته شده است.
با توجه به اهمیت موضوع، در این مقاله یک مدل برنامه‌ریزی غیرخطی عدد صحیح مختلط با هدف کاهش میانگین مربعات خطا جهت پیش‌بینی پرفشاری خون تعریف شد. داده‌های مورداستفاده شامل جنسیت و 10 مورد چندریختی تک نوکلئوتیدی مؤثر در پرفشاری خون برای 1001 نفر است. طبق نتایج به‌دست آمده از حل دقیق مدل و استفاده از الگوریتم بروت فورس، بهینه‌ترین مقدار میانگین مربعات خطا، صحت و دقت به ترتیب برابر با 18/0، 89/0 و 75/0 است. عدم مشاهده کامل
پرفشاری خون یک بیماری مزمن است که به‌عنوان شایع‌ترین عارضه سلامتی و مهم‌ترین عامل خطر برای بیماری‌های قلبی عروقی شناخته می‌شود. پیش‌بینی و تشخیص زودهنگام پرفشاری خون و درمان به‌موقع ... مشاهده کامل |
خرید مقاله
|
|
یادگیری ویژگی برای شناسایی رویدادهای فارسی از شبکه اجتماعی توییتر |
محمدعلی سفیدی اصفهانی
محمد اکبری
|
بیست و هشتمین کنفرانس بین المللی انجمن کامپیوتر ایران |
با توجه به استقبال چشمگیر و حضور فعال کاربران در شبکه‌های اجتماعی، شناسایی رویدادها از شبکه‌های اجتماعی به یکی از مسائل بسیار مهم موجود در هر حوزه‌ای تبدیل شده است. ... مشاهده کامل
با توجه به استقبال چشمگیر و حضور فعال کاربران در شبکه‌های اجتماعی، شناسایی رویدادها از شبکه‌های اجتماعی به یکی از مسائل بسیار مهم موجود در هر حوزه‌ای تبدیل شده است. در این مقاله به ارائه یک مدل برای استخراج ویژگی از داده‌های شبکه اجتماعی بر مبنای شبکه عصبی پیچشی و مبتنی بر رویکرد جانمایی کلمات پرداخته شده است. همین‌طور در این پژوهش یک مجموعه داده فارسی در ۱۲ دسته‌بندی متنوع برای حل مسئله شناسایی رویدادها ارائه شده است. شاخص‌های ارزیابی و نتایج به دست آمده از این پژوهش و مقایسه آنها با مدل پایه نشان می‌دهد که مدل پیاده‌سازی شده هم از لحاظ کارایی و هم از لحاظ زمان اجرا، عملکرد بسیار خوبی نسبت به مدل پایه داشته است. عدم مشاهده کامل
با توجه به استقبال چشمگیر و حضور فعال کاربران در شبکه‌های اجتماعی، شناسایی رویدادها از شبکه‌های اجتماعی به یکی از مسائل بسیار مهم موجود در هر حوزه‌ای تبدیل شده است. ... مشاهده کامل |
خرید مقاله
|
|
ارائه یک روش فیلترینگ مشارکتی وزن‌دار برای مدیریت داده‌های گمشده در سیستم‌های توصیه‌گر چندمعیاره |
فاطمه راکعی
نیلوفر مظفری
علی حمزه
|
بیست و هشتمین کنفرانس بین المللی انجمن کامپیوتر ایران |
با پیشرفت علم و افزایش روزافزون حجم اطلاعات، استفاده از سیستم‌های توصیه‌گر در همه زمینه‌ها کاربرد پیدا کرده است. اکثر این سیستم‌ها از یک معیار رتبه‌بندی در پیش‌بینی‌هایشان استفاده ... مشاهده کامل
با پیشرفت علم و افزایش روزافزون حجم اطلاعات، استفاده از سیستم‌های توصیه‌گر در همه زمینه‌ها کاربرد پیدا کرده است. اکثر این سیستم‌ها از یک معیار رتبه‌بندی در پیش‌بینی‌هایشان استفاده می‌کنند. با این حال، استفاده از سیستم‌های توصیه‌گر چند معیاره موجب ارائه پیش‌بینی‌های دقیق‌تری می‌شوند. از چالش‌های اصلی در سیستم‌های توصیه‌گر، پراکندگی ماتریس کاربر-مورد و یا همان وجود داده‌های گمشده است که این مسأله در سیستم‌های توصیه‌گر چند معیاره که هر کاربر باید معیارهای متفاوتی را در مورد یک مورد (کالا، خدمات) ثبت نماید، بسیار مشهودتر است.
در این مقاله، الگوریتمی برای مدیریت داده‌های گمشده در سیستم‌های توصیه‌گر چندمعیاره با استفاده از یادگیری عمیق ارائه می‌شود. الگوریتم ارائه شده قادر است برای کاربرانی که به تازگی وارد سیستم شده‌اند و سابقه‌ای از علاقه‌مندی آنها در دسترس نیست، توصیه‌های مناسبی ارائه دهد. همچنین رتبه‌بندی‌های ارائه شده برای معیارهای مختلف را به نحوی ترکیب کند که رتبه‌بندی کلی به بهترین نحو پیش‌بینی شده و بهترین توصیه‌ها به کاربران، مطابق با علایقشان پیشنهاد شود. نتایج بدست آمده حاکی از کارایی روش پیشنهادی برای مدیریت داده‌های گمشده در سیستم‌های توصیه‌گر چندمعیاره است. عدم مشاهده کامل
با پیشرفت علم و افزایش روزافزون حجم اطلاعات، استفاده از سیستم‌های توصیه‌گر در همه زمینه‌ها کاربرد پیدا کرده است. اکثر این سیستم‌ها از یک معیار رتبه‌بندی در پیش‌بینی‌هایشان استفاده ... مشاهده کامل |
خرید مقاله
|
|
یک رویکرد پایانه به پایانه برای تشخیص موثر فرامین صوتی فارسی در خودروی هوشمند |
محمد مرادنژاد
شیما طبیبیان
|
بیست و هشتمین کنفرانس بین المللی انجمن کامپیوتر ایران |
خودروهای هوشمند علاوه بر اینکه وسیله‌ای برای رفت و آمد هستند، به دنبال ایجاد احساس راحتی و وجود یک فضای شخصی برای رانندگان خود می‌باشند. کنترل این خودروها و استفاده ... مشاهده کامل
خودروهای هوشمند علاوه بر اینکه وسیله‌ای برای رفت و آمد هستند، به دنبال ایجاد احساس راحتی و وجود یک فضای شخصی برای رانندگان خود می‌باشند. کنترل این خودروها و استفاده از امکانات درون خودرو با واسط‌های کاربری متفاوتی نظیر کلیدهای کنترل، فرمان و پدال، کنترل صفحه لمسی و واسط کاربری مبتنی بر گفتار امکان‌پذیر است. در واسط‌های کاربری مبتنی بر گفتار، یکی از نکات قابل توجه، دقت تشخیص فرامین صوتی می‌باشد. در داخل ایران تنها یک پژوهش در حوزه تشخیص فرامین صوتی فارسی در خودروی هوشمند انجام شده است که ضمن ارائه یک مجموعه دادگان از فرامین صوتی فارسی در خودروی هوشمند، یک واسط کاربری مبتنی بر دو حالت گفتار و لمس را در شرایط واقعی و شبیه‌سازی شده مورد ارزیابی قرار داده است. واسط کاربری مبتنی بر گفتار مذکور موفق به تشخیص فرامین صوتی با ۸۲٪ دقت شده است که هنوز جای بهبود دارد. در پژوهش حاضر، تمرکز ما بر ارائه راهکاری مناسب جهت افزایش دقت تشخیص فرامین صوتی فارسی در خودروی هوشمند است. راهکار پیشنهادی، یک رویکرد پایانه به پایانه مبتنی بر ترکیب شبکه عصبی پیچشی با یکی از گونه‌های شبکه‌های عصبی بازگشتی مانند واحد بازگشتی دروازه‌دار، حافظه کوتاه مدت ماندگار یک طرفه و دو طرفه به همراه طبقه‌بند زمانی اتصال‌گرا می‌باشد. نتایج ارزیابی حاکی از آن است که راهکار پیشنهادی در حالتی که شبکه عصبی بازگشتی حافظه کوتاه مدت ماندگار دو طرفه بوده است، منجر به افزایش دقت تشخیص فرامین صوتی فارسی تا ۱۰۰ درصد شده است. عدم مشاهده کامل
خودروهای هوشمند علاوه بر اینکه وسیله‌ای برای رفت و آمد هستند، به دنبال ایجاد احساس راحتی و وجود یک فضای شخصی برای رانندگان خود می‌باشند. کنترل این خودروها و استفاده ... مشاهده کامل |
خرید مقاله
|
.gif){kind=icon}
