در مقاله حاضر، يك مدل جديد براي نويز جمعشونده براساس سريهاي زماني GARCH در پردازش سيگنال آرايهاي ارائه شده است. در بسياري از روشها بدلايلي همچون پيچيدگيهاي پيادهسازي و محاسباتي توزيع احتمال نويز، گوسي فرض ميشود. بررسيها و اندازهگيريهاي انجام گرفته براي نويز محي چکیده کامل
در مقاله حاضر، يك مدل جديد براي نويز جمعشونده براساس سريهاي زماني GARCH در پردازش سيگنال آرايهاي ارائه شده است. در بسياري از روشها بدلايلي همچون پيچيدگيهاي پيادهسازي و محاسباتي توزيع احتمال نويز، گوسي فرض ميشود. بررسيها و اندازهگيريهاي انجام گرفته براي نويز محيطي در كاربردهاي مختلف، نشان از غيرگوسي بودن آن دارد و در شرايط واقعي كارايي روشهايي كه مبتني بر مدل گوسي نويز هستند، كاهش مييابد. از مهمترين ويژگيهاي فرآيند نويز محيطي دنبالهدار بودن (Heavy Tail) توزيع احتمال و تغيير ويژگيهاي آماري آن (مانند واريانس) در محيط ميباشد. از طرف ديگر فرآيند GARCH داراي خصوصيات مهمي همچون دنبالهدار بودن توزيع احتمال و همچنين مدلسازي ناپايداري از طريق روابط بازگشتي بر روي واريانس شرطي است كه با توجه به ويژگيهاي اين فرآيند به نظر ميرسد كه مدل مناسبي براي نويز محيطي جمعشونده در كاربردهاي پردازش آرايهاي باشد. در مقاله حاضر با استفاده از تخمين حداكثر احتمال ، روش جديد بكارگيري GARCH در پردازش آرايهاي ارائه و به كمك شبيهسازي در كاربرد آكوستيك زيرآب، كارايي اين روش در مقايسه با روشهاي ديگر به كمك خطاي تخمين سمت ورود اهداف در كنار معيار Cramer-Rao Bound اثبات شده است.
پرونده مقاله
گرافولوژي، علم مطالعه و بررسي شخصيت و خصوصيات فردي براساس نحوه نوشتن است. در جهان غرب مهمترين كاربرد گرافولوژي، گزينش متقاضيان استخدام است. با استخراج و تجزيه و تحليل سريع و دقيق ويژگيهاي دستنوشته به کمک کامپيوتر، ميتوان کمک قابل توجهي به گرافولوژيستها کرد.
مهمترين چکیده کامل
گرافولوژي، علم مطالعه و بررسي شخصيت و خصوصيات فردي براساس نحوه نوشتن است. در جهان غرب مهمترين كاربرد گرافولوژي، گزينش متقاضيان استخدام است. با استخراج و تجزيه و تحليل سريع و دقيق ويژگيهاي دستنوشته به کمک کامپيوتر، ميتوان کمک قابل توجهي به گرافولوژيستها کرد.
مهمترين ويژگيهاي دستنوشته كه در گرافولوژي استفاده ميشوند عبارتند از: شكل حاشيههاي سفيد صفحه، فاصله بين سطرها، كجي سطرها، كجي كلمات، زاوية كشيدگي حروف به بالا و پايين، تيزي گوشهها در حروف، ميزان درشتنويسي، فشردگي متن، سرعت نوشتن و نظم در نوشتن. در اين مقاله، روشهايي براي استخراج خودکار برخي از اين ويژگيها پيشنهاد ميشود و نتايج حاصل از اجراي اين روشها بر 118 نمونه دستنوشته افراد مختلف ارائه ميشود.
پرونده مقاله
گريدهاي محاسباتي بهرهبرداري از منابع توزيعشده محاسباتي را براي کاربردهايي که به محاسبات پرحجم نیاز دارند، فراهم مینمایند. توسعه برنامههايي که قادر به استفاده از اين امکانات باشند، يکي از چالشهاي پيش روي محاسبات گريدي ميباشد. در اين مقاله، با ارائه یک مدل برنامهنوي چکیده کامل
گريدهاي محاسباتي بهرهبرداري از منابع توزيعشده محاسباتي را براي کاربردهايي که به محاسبات پرحجم نیاز دارند، فراهم مینمایند. توسعه برنامههايي که قادر به استفاده از اين امکانات باشند، يکي از چالشهاي پيش روي محاسبات گريدي ميباشد. در اين مقاله، با ارائه یک مدل برنامهنويسي موازي مبتني بر عاملهاي سيار بر روي گريد، تلاشي میباشد که به منظور حل اين مشکل صورت پذيرفته است. ارائه اين مدل، که با توسعه بستر گريدي به نام Alchemi و افزودن خواص و نيز فرامين راهبري عاملها به آن محقق گشته است، به کاربر اجازه ميدهد تا با استفاده از حرکت عاملها و ارتباط ميان آنها، برنامه موازي خود را توسعه دهد. اين ايده از نوآوريهاي اين مقاله محسوب ميشود. به منظور ارزيابي این سيستم، الگوريتم ضرب ماتريسها و نیز يافتن Convex Hull مجموعهاي از نقاط در سيستم مزبور پيادهسازي شدهاند.
پرونده مقاله
گشتاورها در پردازش تصوير و برای بازشناسی الگو، بينايی ماشين و بسياری از تکنيکهای استخراج ويژگيهای شیئ بهکار میروند. بهدليل بار محاسباتی الگوريتمهای محاسبه گشتاور، کاربرد آنها در حالت بيدرنگ با مشکل مواجه است. اين موضوع با افزايش مرتبه گشتاورها واضحتر میشود. در چکیده کامل
گشتاورها در پردازش تصوير و برای بازشناسی الگو، بينايی ماشين و بسياری از تکنيکهای استخراج ويژگيهای شیئ بهکار میروند. بهدليل بار محاسباتی الگوريتمهای محاسبه گشتاور، کاربرد آنها در حالت بيدرنگ با مشکل مواجه است. اين موضوع با افزايش مرتبه گشتاورها واضحتر میشود. در اين مقاله دو ساختار جديد بر پايه آرايه تپنده، با استفاده از خاصيتهای موازیسازی، خط لوله و متراکمکننده، برای محاسبه گشتاورهای تا مرتبه 14، 00M تا 77M، تصاوير خاکستری در حالت بيدرنگ ارائه میشود. پيادهسازی ساختارها در تکنولوژی 18/0 ميکرون CMOS انجام میشود.
يک سلول ساختار اول قادر است گشتاور مرتبه (p+q) از يک تصوير 1024×1024 را با سرعت 125 فريم در ثانيه محاسبه کند. با اتصال 11 سلول به يکديگر و استفاده از عملکرد موازی، ساختار فوق میتواند 49 گشتاور اول يک تصوير 1024×1024 را با سرعت fps 30 محاسبه کند. بيشينه فرکانس کار ساختار 1، MHz 133 و توان مصرفی ساختار متشکل از 5 سلول، mW 36/14 است.
ساختار دوم با استفاده از سلولهای ساختار اول پيشنهاد شده است که جمعکنندههای سلولها به بيرون از آنها انتقال داده شدهاند. برای تسريع محاسبه مجموع خروجیهای سلولها، عمليات جمع با استفاده از متراکمکننده و يک جمعکننده انجام شده است. با استفاده از اين روش، زمان نهفتگی نسبت به ساختار اول با استفاده از 9 سلول 3/3 برابر کمتر شد. بيشينه فرکانس کار اين ساختار MHz 125 و توان مصرفی آن mW 34/58 است. کارآيی ساختار دوم از لحاظ فرکانس و توان مصرفی مشابه ساختار اول است و برای محاسبه گشتاورها در حالت بیدرنگ مناسب است.
پرونده مقاله
در اين مقاله روش جديدي براي پيادهسازي و اجراي سريع عملگر گسترش ریختشناسی با استفاده از معماري خطلولهاي تموجي تركيبي ارائه ميشود. با تغيير كوچكي در اين ساختار ميتوان از آن براي عملگر فرسايش و در نتيجه عملگرهاي بستن و گشايش نيز استفاده كرد. در اين معماري از فليپفلا چکیده کامل
در اين مقاله روش جديدي براي پيادهسازي و اجراي سريع عملگر گسترش ریختشناسی با استفاده از معماري خطلولهاي تموجي تركيبي ارائه ميشود. با تغيير كوچكي در اين ساختار ميتوان از آن براي عملگر فرسايش و در نتيجه عملگرهاي بستن و گشايش نيز استفاده كرد. در اين معماري از فليپفلاپهاي کمتري نسبت به معماري خطلولهاي معمولي استفاده ميشود و با قراردادن واحدهاي تأخير در مسير پالس ساعت، بار پالس ساعت کمتر و توزيع آن آسانتر ميشود. اين معماري نسبت به معماري خطلولهاي معمولي سرعتی بالاتر، پيچيدگي سختافزاري كمتر، سطح اشغالي و توان مصرفي پايينتری دارد. ساختار خطلولهاي تموجي تركيبي نسبت به معماري خطلولهاي تموجي نيز سريعتر است و مشكلات اين معماري مانند تعيين پريود پالس ساعت مناسب و متعادلكردن تأخير مسيرها را ندارد. معماري پيشنهادي براي پردازش تصاوير دودويی بهصورت سه تراشه ASIC در تكنولوژي µm CMOS 18/0 با verilog شبیهسازی شده است. اين تراشهها قادرند يك تصوير با ابعاد 1024×1024 را با استفاده از يك عنصرساختاري 21×21 در مدت µs 58/256 گسترش دهد و تا فركانس GHz 882/5، GHz 5 و GHz 167/4 كار كنند. توان مصرفي در فرکانس GHz 167/4 با منبع تغذيه V 8/1 برابر mW 597، mW 478 و mW 410 و سطح تراشهها 2mm 118/0، 2mm 087/0 و 2mm 075/0 است.
پرونده مقاله
پايگاه داده تحليلي و پردازش تحليلي برخط، از اجزا اصلی سيستمهاي تصميميار بهشمار ميروند كه بهطور روزافزون در مباحث مرتبط با پايگاههاي داده مورد توجه قرار گرفتهاند. سيستمهاي تصميميار نسبت به سيستمهاي پردازش تراكنش برخط، نيازمنديهاي متفاوتي دارند. در اين سيستمها چکیده کامل
پايگاه داده تحليلي و پردازش تحليلي برخط، از اجزا اصلی سيستمهاي تصميميار بهشمار ميروند كه بهطور روزافزون در مباحث مرتبط با پايگاههاي داده مورد توجه قرار گرفتهاند. سيستمهاي تصميميار نسبت به سيستمهاي پردازش تراكنش برخط، نيازمنديهاي متفاوتي دارند. در اين سيستمها بهينهسازي پرسوجوها و پردازش کاراي مکعبهاي دادهاي، در ساختار پایگاه داده تحلیلی نقش اساسي در عملکرد سيستم ايفا ميکند.
در اين مقاله با بهکارگيری تکنيکهای محاسبه از پايين به بالای عناصر شبکه جستجو، روش کارايي براي پردازش پرسوجو در پايگاه داده تحليلي و انجام محاسبات مکعب داده ارائه شده است. بررسي نتايج بهدست آمده بر مبناي پارامترهاي ارزيابي حکايت از آن دارد که الگوريتم ارائهشده در اين مقاله نسبت به بهترين الگوريتمهايي که پيش از آن ارائه شدهاند، عملکرد بهتري (بر اساس معيار زمان اجرا) از خود نشان ميدهد و سرعت آن در اجراي پرسوجوهاي يکنوا و با حجم دادههاي بسيار زياد، بهمراتب بهتر از الگوريتمهاي پيش از آن است. ضمن اينکه با توجه به نگاه دوبعدي ايجادشده توسط اين الگوريتم به مسأله مکعب و تبديل مکعب به ساختار ابرگراف، ميزان حافظه مورد نياز اين الگوريتم در مواردي که مجموعسازي بر روي زيرمجموعهاي از ابعاد مکعب صورت پذيرد، کمتر از حافظه مصرفشده توسط الگوريتمهاي پيش از آن است.
پرونده مقاله
روش بهینهسازی نیروی مرکزی (CFO) یکی از روشهای ابتکاری جستجو و بهینهسازی جدید است که به تازگی به مجموعه روشهای هوش جمعی اضافه شده است. در این تحقیق، روشی مؤثر و کارامد برای خوشهیابی بدون ناظر تصویر با استفاده از الگوریتم فوق ارائه و CFO - Clustering نامیده شده است. چکیده کامل
روش بهینهسازی نیروی مرکزی (CFO) یکی از روشهای ابتکاری جستجو و بهینهسازی جدید است که به تازگی به مجموعه روشهای هوش جمعی اضافه شده است. در این تحقیق، روشی مؤثر و کارامد برای خوشهیابی بدون ناظر تصویر با استفاده از الگوریتم فوق ارائه و CFO - Clustering نامیده شده است. در روش پیشنهادی، هر پروب در بر دارنده اطلاعات مربوط به مراکز خوشه میباشد که به صورت تصادفی در ابتدای فرایند جستجو مقداردهی میشود. این مقادیر در طی مراحل مختلف الگوریتم CFO تغییر کرده و در نهایت پس از رسیدن به شرط توقف، حاوی مراکز بهینه خوشهها خواهند بود. ملاک بهینهسازی یا تابع برازندگی، هم حاوی فواصل درونخوشهای و هم شامل فواصل بین خوشهای میباشد. آزمایشات مکرر بر روی تصاویر مرجع، کارایی روش CFO-Clustering را نسبت به سایر روشهای مرسوم خوشهبندی نشان میدهد.
پرونده مقاله
قطعهبندی کلمات و عبارات متن، یکی از فعالیتهای اصلی در حوزه پردازش زبانهای طبیعی است. اکثر برنامههای پردازش زبانهای طبیعی به یک پیشپردازش برای استخراج کلمات متن و تشخیص عبارات احتیاج دارند. هدف اصلی و نهایی قطعهبندی عبارات، به دست آوردن کلمات معنیدار همراه با پیش چکیده کامل
قطعهبندی کلمات و عبارات متن، یکی از فعالیتهای اصلی در حوزه پردازش زبانهای طبیعی است. اکثر برنامههای پردازش زبانهای طبیعی به یک پیشپردازش برای استخراج کلمات متن و تشخیص عبارات احتیاج دارند. هدف اصلی و نهایی قطعهبندی عبارات، به دست آوردن کلمات معنیدار همراه با پیشوندها و پسوندهایشان است و این فعالیت متناسب با زبانهای طبیعی مختلف میتواند سخت یا آسان باشد. در زبان فارسی به علت وجود فاصله و نیمفاصله، عدم توجه کاربران به فاصلهگذاریها و نبود قواعد دقیق در نوشتن کلمات چندقسمتی، تشخیص و قطعهبندی کلمات چندقسمتی و مرکب با مشکلات و پیچیدگیهای خاص خود روبهرو است.
در این مقاله برآنیم تا با استفاده از شبکههای عصبی، یک روش آماری برای قطعهبندی عبارات متون فارسی جهت استفاده در موتورهای جستجو ارائه کنیم. الگوریتم پیشنهادی شامل 4 فاز است که با استفاده از احتمال رخداد تککلمات و دوکلمهایهای موجود در پیکره و با دقت 6/89% عمل قطعهبندی را انجام میدهد. نتایج آزمایشات نشان دادند این روش میتواند با قطعهبندی بهتر عبارات، بهبود نسبی در کارایی روشهای معمول به وجود آورد.
پرونده مقاله
در اين مقاله به شناسايي پيوسته پديده تخليه جزيي در كابلهاي قدرت پرداخته شده است. مشكل اساسي در اندازهگيري تخليه جزيي كوچك بودن سيگنال است، بطوريكه ممكن است سيگنال كاملاً با نويز آميخته شده و اين امكان شناسايي را دشوار ميسازد. به همين جهت اساسيترين اقدام در شناسايي س چکیده کامل
در اين مقاله به شناسايي پيوسته پديده تخليه جزيي در كابلهاي قدرت پرداخته شده است. مشكل اساسي در اندازهگيري تخليه جزيي كوچك بودن سيگنال است، بطوريكه ممكن است سيگنال كاملاً با نويز آميخته شده و اين امكان شناسايي را دشوار ميسازد. به همين جهت اساسيترين اقدام در شناسايي سيگنال تخليه جزيي استفاده از الگوريتمهاي كاهش نويز است كه امروزه به اين منظور غالباً از روشهاي مبتني بر پردازش سيگنال ديجيتال استفاده ميشود. در اين مقاله از الگوريتم نويززدايي مبتني بر ویولت استفاده شده و در انتها نتايج حاصل از بكارگيري اين الگوريتم با دو الگوريتم متداول ديگر (فيلتر پيشبين خطي و فيلترLMS) مقايسه شده است. برخي از ملاحظات اساسي در نويززدايي به روش ویولت انتخاب مناسب سطوح تجزيه و تركيب، تابع مادر، روش بسط سيگنال و روشهاي تعيين مقادير آستانه است كه همگي به تفصيل مورد بحث قرار گرفتهاند. به جهت اثبات كارايي الگوريتم از اطلاعات واقعي بدست آمده از آزمايشهاي ميداني در يك شبكه كابلي 11 كيلو ولتي استفاده شده است .
پرونده مقاله
در سالهای اخیر، استفاده از شبکههای حسگر بیسیم در حوزههایی از کاربردهای پزشکی مطرح شده و به طور خاص در کاربردهایی که حسگرها روی بدن نصب میشوند، تحت عنوان شبکههای بیسیم روی بدن مورد بررسی قرار گرفته است. از آنجا که حفظ حریم خصوصی و امنیت دادههای پزشکی دارای اهمیت چکیده کامل
در سالهای اخیر، استفاده از شبکههای حسگر بیسیم در حوزههایی از کاربردهای پزشکی مطرح شده و به طور خاص در کاربردهایی که حسگرها روی بدن نصب میشوند، تحت عنوان شبکههای بیسیم روی بدن مورد بررسی قرار گرفته است. از آنجا که حفظ حریم خصوصی و امنیت دادههای پزشکی دارای اهمیت بسیاری است، برقراری امنیت داده در این حوزه به عنوان یک چالش مهم مد نظر قرار گرفته است. یکی از مشکلات برقراری امنیت در شبکههای بیسیم، توافق کلید بین گرهها است که تحقیقات بسیاری روی آن انجام شده است. در شبکههای بیسیم روی بدن، الگوریتمهای متعددی بر پایه یک ساختار ریاضی به نام Fuzzy Vault ارائه شده است که از ویژگیهای سیگنالهای فیزیولوژیکی برای توافق کلید استفاده میکند. با توجه به محدودیتهای موجود در این شبکهها که ناشی از کوچکی سایز گرههای شبکه حسگر و ویژگیهای ارتباط بیسیم میباشد، انتخاب طرح امنیتی مناسب از اهمیت زیادی برخوردار است. این مقاله با استفاده از روش تحلیل سلسلهمراتبی فازی به ارزیابی الگوریتمهای توافق کلید مبتنی بر Fuzzy Vault و انتخاب بهترین الگوریتم از میان الگوریتمهای ارائهشده میپردازد. برای ارزیابی، از میان الگوریتمهای توافق کلید ارائهشده بر پایه ساختارFuzzy Vault، سه الگوریتم OPFKA، PSKA، و ECG-IJS که دارای اهمیت بیشتری هستند در نظر گرفته شدهاند تا با استفاده از روش AHP فازی، بهترین الگوریتم با در نظرگرفتن معیارهایی که در انتخاب بهترین گزینه اهمیت زیادی دارند، برگزیده شود. در تعیین معیارها باید ویژگیها و محدودیتهای شبکههای بیسیم روی بدن و همچنین نوع کاربرد و زمان مد نظر قرار گیرد. در نهایت، ارزیابی انجامشده نشان میدهد که الگوریتم توافق کلید موسوم به ECG-IJS نسبت به دو الگوریتم دیگر دارای اولویت بالاتری است و به عنوان طرح بهتر انتخاب میشود.
پرونده مقاله
با توجه به اهمیت تشخیص و تصحیح سریع شرایط غیر عادی عیب در فرایندهای صنعتی، در این مقاله روشی جدید به منظور نظارت فرایند پیشنهاد شده است. در این روش همزمان هم دینامیک فرایند و هم تأثیر دادههای برون هشته در نظر گرفته شده است. ابتدا دینامیک فرایند به وسیله روش آنالیز متغ چکیده کامل
با توجه به اهمیت تشخیص و تصحیح سریع شرایط غیر عادی عیب در فرایندهای صنعتی، در این مقاله روشی جدید به منظور نظارت فرایند پیشنهاد شده است. در این روش همزمان هم دینامیک فرایند و هم تأثیر دادههای برون هشته در نظر گرفته شده است. ابتدا دینامیک فرایند به وسیله روش آنالیز متغیر استاندارد اعمال شده و سپس از الگوریتم آنالیز مؤلفه مستقل به منظور کاهش بعد دادهها استفاده شده است. همچنین حذف دادههای برون هشته و محاسبه حد کنترلی بر اساس الگوریتم فاکتور برون هشته محلی صورت گرفته است که هیچ توزیع خاصی را برای متغیرهای فرایند در نظر نمیگیرد. از این رو با دادههای موجود در صنعت تطابق دارد. همچنین به منظور افزایش اعتبار روش پیشنهادی در راستای آشکارسازی عیب، این الگوریتم بر روی فرایند TE شبیهسازی شده است و مقایسهای با نتایج حاصل از پژوهشهای دیگر صورت گرفته است. نتایج حاکی از آن است که الگوریتم پیشنهادی بهترین عملکرد را نسبت به سایر روشها دارد.
پرونده مقاله
گرافها نمایش داده قدرتمندی هستند که به طور گسترده در حوزههای متفاوتی مورد استفاده قرار میگیرند. در کاربردهای مبتنی بر گراف یک پیمایش قاعدهدار از گراف مانند جستجوی اول سطح، غالباً جزء کلیدی در پردازش مجموعه دادههای بزرگ است. در این مقاله یک روش ترکیبی ارائه شده که چکیده کامل
گرافها نمایش داده قدرتمندی هستند که به طور گسترده در حوزههای متفاوتی مورد استفاده قرار میگیرند. در کاربردهای مبتنی بر گراف یک پیمایش قاعدهدار از گراف مانند جستجوی اول سطح، غالباً جزء کلیدی در پردازش مجموعه دادههای بزرگ است. در این مقاله یک روش ترکیبی ارائه شده که برای هر سطح از پیمایش گراف، بهینهترین نسخه از الگوریتمهای پیادهسازی شده بر روی پردازنده مرکزی و پردازنده گرافیکی را انتخاب میکند. این روش ترکیبی کارایی خوبی را برای هر اندازه گرافی فراهم میکند، در حالی که از کارایی ضعیف روی گرافهای با میانگین درجه کم و زیاد جلوگیری میکند. لازم به ذکر است که این روش بهره سرعت بالاتری نسبت به کارهای پیشین ارائه میدهد و نتایج علمی به دست آمده این ادعا را تأیید میکنند.
پرونده مقاله
در اين مقاله روشي تازه براي آشکارسازي آغازه در تکنوازي ساز تار ارائه شده است. در تعريف تابع آشکارساز آغازه، از دو ويژگي انرژي و فرکانس پايه استفاده کردهايم که نتيجه آن به کمک يک الگوريتم قلهياب سازگار براي آشکارسازي اوليه آغازهها استفاده ميشود. با استفاده از يک روش چکیده کامل
در اين مقاله روشي تازه براي آشکارسازي آغازه در تکنوازي ساز تار ارائه شده است. در تعريف تابع آشکارساز آغازه، از دو ويژگي انرژي و فرکانس پايه استفاده کردهايم که نتيجه آن به کمک يک الگوريتم قلهياب سازگار براي آشکارسازي اوليه آغازهها استفاده ميشود. با استفاده از يک روش تطبيق کليشهاي بهبوديافته، فرکانسهاي پايه تعيين شده و از تطبيق زمانی آنها با نتايج اوليه، آشکارسازي نهايي آغازهها انجام ميشود. تابع آشکارساز پيشنهادی به دليل استفاده همزمان از دو ويژگي انرژی و فرکانس پايه، قابليت تشخيص نتهای نرم و سخت را داراست. براي آزمايش، اين سيستم را روي مجموعهاي از قطعات تکنوازي تار با آغازههاي معلوم به کار گرفته و نتايج آن را در مقایسه با روش مبتنی بر ویژگی انرژی و بر اساس ملاک F تحليل کردهايم. نتایج به دست آمده نشاندهنده بهبود کارایی سیستم در شناسایی آغازههای ساز تار است.
پرونده مقاله
در دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانهریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار میگیرد. این مسئله به دلیل وجود تعداد کلاسهای زیاد، تفاوت چکیده کامل
در دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانهریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار میگیرد. این مسئله به دلیل وجود تعداد کلاسهای زیاد، تفاوت درون کلاسی بسیار و تفاوت بین کلاسی کم از مسایل طبقهبندی دشوار به شمار میرود. علاوه بر این معمولاً سرعت سیستمهای شناسایی اشیا با افزایش دقت، کاهش مییابد و چنان که میبینیم یکی از چالشهای مهم در شبکههای عصبی عمیق به عنوان یک ابزار قدرتمند بینایی ماشین، سرعت پردازش است. در این مقاله ابتدا روشی مبتنی بر بخش برای شناسایی نوع و مدل خودرو مختصراً معرفی میگردد و سپس یک الگوریتم آبشاری برای بهبود توأمان سرعت و دقت این سیستم ارائه میشود. الگوریتم آبشاری پیشنهادی، طبقهبندهای موجود در سیستم را به صورت ترتیبی به تصویر ورودی اعمال کرده تا از حجم پردازش بکاهد. چند معیار مناسب برای رسیدن به یک ترتیب کارا از طبقهبندها معرفی شده و در نهایت ترکیبی از آنها در الگوریتم پیشنهادی به کار گرفته شده است. نتیجه آزمایشات انجامشده بر روی مجموعه داده کاملاً متفاوت BVMMR و CompCars، نشان از دقت بالای سیستم شناسایی نوع و مدل خودرو دارد. پس از اعمال الگوریتم آبشاری به سیستم مورد بحث، سرعت پردازش تا 80% افزایش یافته است در حالی که دقت سیستم تنها کاهش جزئی داشته است.
پرونده مقاله
در دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانهریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار میگیرد. این مسئله به دلیل وجود تعداد کلاسهای زیاد، تفاوت چکیده کامل
در دهه اخیر، مطالعات بسیاری بر روی طبقهبندی دانهریز اشیا صورت گرفته است. در این نوع طبقهبندی گروه کلی شیء مشخص بوده و هدف تعیین زیرگروه دقیق آن است و شناسایی نوع و مدل وسیله نقلیه (VMMR) نیز در این حوزه قرار میگیرد. این مسئله به دلیل وجود تعداد کلاسهای زیاد، تفاوت درون کلاسی بسیار و تفاوت بین کلاسی کم از مسایل طبقهبندی دشوار به شمار میرود. علاوه بر این معمولاً سرعت سیستمهای شناسایی اشیا با افزایش دقت، کاهش مییابد و چنان که میبینیم یکی از چالشهای مهم در شبکههای عصبی عمیق به عنوان یک ابزار قدرتمند بینایی ماشین، سرعت پردازش است. در این مقاله ابتدا روشی مبتنی بر بخش برای شناسایی نوع و مدل خودرو مختصراً معرفی میگردد و سپس یک الگوریتم آبشاری برای بهبود توأمان سرعت و دقت این سیستم ارائه میشود. الگوریتم آبشاری پیشنهادی، طبقهبندهای موجود در سیستم را به صورت ترتیبی به تصویر ورودی اعمال کرده تا از حجم پردازش بکاهد. چند معیار مناسب برای رسیدن به یک ترتیب کارا از طبقهبندها معرفی شده و در نهایت ترکیبی از آنها در الگوریتم پیشنهادی به کار گرفته شده است. نتیجه آزمایشات انجامشده بر روی مجموعه داده کاملاً متفاوت BVMMR و CompCars، نشان از دقت بالای سیستم شناسایی نوع و مدل خودرو دارد. پس از اعمال الگوریتم آبشاری به سیستم مورد بحث، سرعت پردازش تا 80% افزایش یافته است در حالی که دقت سیستم تنها کاهش جزئی داشته است.
پرونده مقاله
روش حذف درز یکی از روشهای تغییر ابعاد مبتنی بر محتوا است. در این روش، مسیر پیوستهای از پیکسلهای کمارزش که از بالا تا پایین و یا از چپ تا راست تصویر امتداد دارند و درز نامیده میشوند، استخراج میگردند. با حذف درزها از تصویر و یا اضافهکردن آنها به تصویر، میتوان ابعا چکیده کامل
روش حذف درز یکی از روشهای تغییر ابعاد مبتنی بر محتوا است. در این روش، مسیر پیوستهای از پیکسلهای کمارزش که از بالا تا پایین و یا از چپ تا راست تصویر امتداد دارند و درز نامیده میشوند، استخراج میگردند. با حذف درزها از تصویر و یا اضافهکردن آنها به تصویر، میتوان ابعاد تصویر را به ترتیب کاهش و یا افزایش داد. روش حذف درز را از دو منظر سرعت و کیفیت میتوان مورد مطالعه قرار داد. در این مقاله یک روش موازیسازی برای افزایش سرعت این الگوریتم ارائه شده که در آن تصویر اصلی به دو زیرتصویر زوج و فرد تجزیه میشود و عمل جستجو به طور مستقل روی این دو تصویر انجام میگردد. در مقایسه با روش حذف درز، روش پیشنهادی با حفظ نسبی کیفیت تصویر، سرعت را به حداقل دو برابر افزایش میدهد. میتوان هر یک از روشهای جستجوی درز پیشین را در روش پیشنهادی به کار برد و یا آن را با سایر روشهای موازی ادغام نمود. در ادامه به اصلاح روش پیشنهادی با هدف افزایش کیفیت پرداخته شده است.
پرونده مقاله
در سالهای اخیر، مسئلهای تحت عنوان آسیبپذیری مدلهای مبتنی بر یادگیری ماشین مطرح گردیده است که نشان میدهد مدلهای یادگیری در مواجهه با آسیبپذیریها از مقاومت بالایی برخوردار نیستند. یکی از معروفترین آسیبها یا به بیان دیگر حملات، تزریق مثالهای تخاصمی به مدل میباش چکیده کامل
در سالهای اخیر، مسئلهای تحت عنوان آسیبپذیری مدلهای مبتنی بر یادگیری ماشین مطرح گردیده است که نشان میدهد مدلهای یادگیری در مواجهه با آسیبپذیریها از مقاومت بالایی برخوردار نیستند. یکی از معروفترین آسیبها یا به بیان دیگر حملات، تزریق مثالهای تخاصمی به مدل میباشد که در این مورد، شبکههای عصبی و به ویژه شبکههای عصبی عمیق بیشترین میزان آسیبپذیری را دارند. مثالهای تخاصمی، از طریق افزودهشدن اندکی نویز هدفمند به مثالهای اصلی تولید میشوند، به طوری که از منظر کاربر انسانی تغییر محسوسی در دادهها مشاهده نمیشود اما مدلهای یادگیری ماشینی در دستهبندی دادهها به اشتباه میافتند. یکی از روشهای موفق جهت مدلکردن عدم قطعیت در دادهها، فرایندهای گوسی هستند که چندان در زمینه مثالهای تخاصمی مورد توجه قرار نگرفتهاند. یک دلیل این امر میتواند حجم محاسباتی بالای این روشها باشد که کاربردشان در مسایل واقعی را محدود میکند. در این مقاله از یک مدل فرایند گوسی مقیاسپذیر مبتنی بر ویژگیهای تصادفی بهره گرفته شده است. این مدل علاوه بر داشتن قابلیتهای فرایندهای گوسی از جهت مدلکردن مناسب عدم قطعیت در دادهها، از نظر حجم محاسبات هم مدل مطلوبی است. سپس یک فرایند مبتنی بر رأیگیری جهت مقابله با مثالهای تخاصمی ارائه میگردد. همچنین روشی به نام تعیین ارتباط خودکار به منظور اعمال وزن بیشتر به نقاط دارای اهمیت تصاویر و اعمال آن در تابع هسته فرایند گوسی پیشنهاد میگردد. در بخش نتایج نشان داده شده که مدل پیشنهادشده عملکرد بسیار مطلوبی در مقابله با حمله علامت گرادیان سریع نسبت به روشهای رقیب دارد.
پرونده مقاله
با پیشرفت تکنولوژی و کوچکترشدن ابعاد ترانزیستورها در تکنولوژی CMOS، چالشهای متعددی به وجود آمدهاند. از نگرانیهای اصلی در بهرهگیری از حافظههای مبتنی بر CMOS، میتوان توان مصرفی بالا در این نوع حافظهها را برشمرد. از این رو برای مرتفعنمودن کمبودهای حافظههای فرار م چکیده کامل
با پیشرفت تکنولوژی و کوچکترشدن ابعاد ترانزیستورها در تکنولوژی CMOS، چالشهای متعددی به وجود آمدهاند. از نگرانیهای اصلی در بهرهگیری از حافظههای مبتنی بر CMOS، میتوان توان مصرفی بالا در این نوع حافظهها را برشمرد. از این رو برای مرتفعنمودن کمبودهای حافظههای فرار مرسوم، حافظههای جدید و غیر فراری ارائه شدند. در این میان یکی از تکنولوژیهای غیر فرار نوظهور، حافظههای STT-MRAM هستند که به واسطه ویژگیهایی همچون توان نشتی ناچیز، چگالی بالا و زمان دسترسی مناسب به عنوان جایگزینی مؤثر و کارا برای حافظههای مرسوم همچون SRAMها در نظر گرفته میشوند. ویژگیهای مثبت STT-MRAMها این امکان را به وجود میآورد که بتوان از آنها در سطوح مختلف از سلسلهمراتب حافظه، علیالخصوص سطح حافظه نهان بهره برد. با این حال، حافظههای STT-MRAM از انرژی نوشتن بالا رنج میبرند که در این مقاله با ارائه یک مدار نوشتن جدید با بهرهگیری از روش دمایی، علاوه بر بهبود انرژی بالای نوشتن در این نوع حافظه، تأخیر نوشتن نیز بهبود داده میشود. روش پیشنهادی در مقایسه با روشهای موجود به بهبودی 5/22 و 62/18 درصدی به ترتیب در انرژی و تأخیر نوشتن دست یافته است.
پرونده مقاله
امروزه از ساختمانهای اداری و مسکونی گرفته تا ابنیه تاریخی و ساختمانهای حساس و پراهمیت، نیاز به مراقبت و پایش ویژه دارند. بدیهی است چنین پایشی دارای هزینه، خطا و چالشهای بسیاری میباشد. شبکههای حسگر سیمی به دلایلی نظیر هزینه کمتر، کابردهای گستردهتر و نصب آسان در موا چکیده کامل
امروزه از ساختمانهای اداری و مسکونی گرفته تا ابنیه تاریخی و ساختمانهای حساس و پراهمیت، نیاز به مراقبت و پایش ویژه دارند. بدیهی است چنین پایشی دارای هزینه، خطا و چالشهای بسیاری میباشد. شبکههای حسگر سیمی به دلایلی نظیر هزینه کمتر، کابردهای گستردهتر و نصب آسان در موارد زیادی در حال جایگزینی با شبکههای حسگر بیسیم هستند. در سازههای مختلف بسته به وضعیت و نوع سازه، مواردی نظیر مصرف انرژی، دقت و همچنین تحمل اشکال در از بین رفتن گرههای حسگر حایز اهمیت میباشند. بالاخص که با استفاده از شبکههای حسگر بیسیم، موارد یادشده، چالشهایی دایمی هستند که با وجود تحقیقات صورتگرفته، ظرفیت بهبودیافتن دارند. ایده اصلی مقاله پیش رو عبارت است از استفاده رویکردی نوآورانه در به کارگیری از فرایند تصمیمگیری مارکوف و حسگرهای بیدارشونده، تا به این وسیله هزینه و خطا در پایش سازههای پایا و نیمهپایا را نسبت به روشهای فعلی کاهش دهیم و بر اساس صورت مسئله، مزایایی را در پیادهسازی و اجرا به همراه داشته باشیم. بنابراین نوآوری روش پیشنهادی، استفاده از فرایند تصمیمگیری مارکوف و حسگرهای بیدارشونده به منظور ارائه روشی نوین و بهینهتر نسب به روشهای موجود به صورت اختصاصی برای پایش سلامت سازهای سازههای پایا و نیمهپایا است. این رویکرد در قالب شش گام تشریح شده است و در مقابل، روشهای پرکاربردی مورد مقایسه قرار گرفتهاند بدین گونه که در محیط شبیهسازی CupCarbon، با سنجههای مختلفی آزمایش و شبیهسازی شدهاند. نتایج نشان میدهد راهکار پیشنهادی در مقایسه با راهکارهای مشابه در موارد کاهش مصرفی انرژی از 11 تا 70 درصد، تحملپذیری اشکال در تبادل پیامها از 10 تا 80 درصد و همچنین در مبحث هزینه کل از 93 تا 97 درصد بهبود به دست آورده است.
پرونده مقاله
در دندانپزشکی قانونی، تخمین سن با استفاده از رادیوگراف دندان صورت میگیرد. هدف ما، خودکارکردن این مراحل با استفاده از پردازش تصویر و تکنیکهای تشخیص الگو است. با داشتن رادیوگراف دندان، کانتور استخراج شده و ویژگیهایی مانند عرض اپکس (apex) و طول دندان از آن استخراج میش چکیده کامل
در دندانپزشکی قانونی، تخمین سن با استفاده از رادیوگراف دندان صورت میگیرد. هدف ما، خودکارکردن این مراحل با استفاده از پردازش تصویر و تکنیکهای تشخیص الگو است. با داشتن رادیوگراف دندان، کانتور استخراج شده و ویژگیهایی مانند عرض اپکس (apex) و طول دندان از آن استخراج میشود که در تخمین سن مورد استفاده قرار میگیرد. افزایش بهینه وضوح تصاویر رادیوگرافی، مرحله مهمی در استخراج کانتور و تخمین سن است. در این مقاله، هدف بهبود وضوح تصویر به منظور استخراج ناحیه مناسب و قطعهبندی مناسب دندان است که در نتیجه منجر به تخمین سن بهتری میشود. در این مدل، به دلیل پایینبودن وضوح تصاویر رادیوگراف، به منظور افزایش دقت استخراج ناحیه مورد نظر هر دندان (ROI)، وضوح تصویر با استفاده از آنتروپی مکانی که مبتنی بر توزیع مکانی شدت روشنایی پیکسلهاست، به همراه روشهای افزایش وضوح دیگر مانند هرمهای لاپلاسین، افزایش مییابد. افزایش وضوح تصویر، منجر به استخراج ROI مناسب و حذف نواحی ناخواسته میشود. پایگاه داده مورد استفاده در این پژوهش، 154 رادیوگراف پانورامیک نوجوانان است که 73 نفر آن مرد و 81 نفر آن زن هستند. این پایگاه داده از دانشگاه علوم پزشکی بابل تهیه شده است. نتایج نشان میدهد با استفاده از روشهای قطعهبندی دندان ثابت و فقط با اعمال روش پیشنهادی مؤثر در بهبود وضوح تصویر، استخراج ROI مناسب از 66% به 78% افزایش یافت که بهبود خوبی را نشان میدهد. سپس ROI استخراجشده، تحویل بلوک قطعهبندی و استخراج کانتور میشود و پس از استخراج کانتور، تخمین سن صورت میگیرد. تخمین سن صورتگرفته با استفاده از روش پیشنهادی، در مقایسه با روشی که از الگوریتم پیشنهادی در افزایش وضوح تصویر استفاده نمیکند، به مقدار تخمین دستی سن نزدیکتر است.
پرونده مقاله
ترانزیستورهای دی-کلکوژناید فلزات واسطه (TMDFET) از جمله افزارههای نوظهور هستند که در سالهای اخیر مورد توجه محققین قرار گرفته اند. در این مقاله ابتدا اثر تغییر پارامترها، دما و منبع تغذیه بر عملکرد ترانزیستورهای TMDFET در مقایسه با تکنولوژی Si-MOSFET مورد بررسی قرار گر چکیده کامل
ترانزیستورهای دی-کلکوژناید فلزات واسطه (TMDFET) از جمله افزارههای نوظهور هستند که در سالهای اخیر مورد توجه محققین قرار گرفته اند. در این مقاله ابتدا اثر تغییر پارامترها، دما و منبع تغذیه بر عملکرد ترانزیستورهای TMDFET در مقایسه با تکنولوژی Si-MOSFET مورد بررسی قرار گرفته است، نتایج بیانگر میزان حساسیت کمتر TMDFET به این تغییرات در مقایسه با افزارهSi-MOSFET است. در ادامه با انتخاب مناسب نسبتهای ابعاد ترانزیستورها، به ارزیابی کارآیی سلول حافظه دسترسی تصادفی استاتیک شش-ترانزیستوری پایه مبتنی بر TMDFET در مقایسه با فناوری Si-MOSFET در تکنولوژی 16nm پرداخته شده است. شبیهسازیها در دمای اتاق، ولتاژ تغذیه 0.7 ولت و شرایط یکسان برای هر دو افزارهTMDFET و Si-MOSFET در نظر گرفته شده است. نتایج حاصل از شبیهسازیها نشان میدهند که SRAM مبتنی برترانزیستورTMDFET دارای 44/29%WTP بیشتر و به همین نسبت توانایی نوشتن بیشتر، 49/49% WTI×WTV بیشتر و به همین نسبت حاشیه نویز نوشتن بالاتر و 48/29% تاخیر خواندن کمتر است.بهعبارتدیگریک سلول SRAM مبتنی بر TMDFET از نظر توانایی نوشتن، حاشیه نویز استاتیکی خواندن وتاخیرخواندن عملکرد بهتری نسبت بهSi-MOS-SRAM از خود نشان میدهد.
پرونده مقاله
نظرکاوی، زیرشاخهای از دادهکاوی است که به حوزه پردازش زبان طبیعی وابسته بوده و با گسترش تجارت الکترونیکی، به یکی از زمینههای محبوب در بازیابی اطلاعات تبدیل شده است. این حوزه بر زیرمجموعههای مختلفی مانند تشخیص قطبیت، استخراج جنبه و تشخیص هرزنظر تمرکز دارد. اگرچه وابست چکیده کامل
نظرکاوی، زیرشاخهای از دادهکاوی است که به حوزه پردازش زبان طبیعی وابسته بوده و با گسترش تجارت الکترونیکی، به یکی از زمینههای محبوب در بازیابی اطلاعات تبدیل شده است. این حوزه بر زیرمجموعههای مختلفی مانند تشخیص قطبیت، استخراج جنبه و تشخیص هرزنظر تمرکز دارد. اگرچه وابستگی نهانی بین این زیرمجموعهها وجود دارد اما طراحی یک چارچوب جامع شامل تمامی این موارد، بسیار چالشبرانگیز است. پژوهشهای موجود در این حوزه اکثراً بر روی زبان انگلیسی بوده و برای تحلیل احساس، بدون توجه به زیرمجموعههای تأثیرگذار، فقط بر روی حالت باینری تمرکز داشتهاند. همچنین استفاده از یادگیری ماشینی برای دستهبندی نظرات بسیار رایج است و در سالهای اخیر، اغلب پژوهشها از یادگیری عمیق با اهداف متفاوت استفاده کردهاند. از آنجا که در ادبیات پژوهشی به چارچوبی جامع با تمرکز بر زیرمجموعههای تأثیرگذار کمتر پرداخته شده است، از این رو در مقاله حاضر با استفاده از راهکارهای نظرکاوی و پردازش زبان طبیعی، چارچوب جامع مبتنی بر یادگیری عمیق با نام RSAD که پیشتر توسط نویسندگان این مقاله در حوزه نظرکاوی کاربران فارسی زبان توسعه داده شده بود برای تشخیص قطبیت در دو حالت باینری و غیر باینری جملات با تمرکز بر سطح جنبه بهبود داده شده که تمام زیرمجموعههای لازم برای تحلیل احساس را پوشش میدهد. مقایسه و ارزیابی RSAD با رویکردهای موجود، نشاندهنده استحکام آن است.
پرونده مقاله
مقابله با آتشسوزی جنگلها برای جلوگیری از خطرات بالقوه آنها و همچنین حفاظت از منابع طبیعی به عنوان یک چالش در میان محققان مطرح است. هدف از این تحقیق، تشخیص ویژگیهای آتش و دود از تصاویر بصری پهپاد برای دستهبندی، تشخیص شیء و قطعهبندی تصاویر است. از آنجا که جنگلها محی چکیده کامل
مقابله با آتشسوزی جنگلها برای جلوگیری از خطرات بالقوه آنها و همچنین حفاظت از منابع طبیعی به عنوان یک چالش در میان محققان مطرح است. هدف از این تحقیق، تشخیص ویژگیهای آتش و دود از تصاویر بصری پهپاد برای دستهبندی، تشخیص شیء و قطعهبندی تصاویر است. از آنجا که جنگلها محیطهای بسیار پیچیده و غیر ساختاری هستند، استفاده از سیستم بینایی همچنان با مشکلاتی نظیر شباهت ویژگیهای شعله با نور خورشید، گیاهان و حیوانات و یا پوشش شعله با دود مواجه است که باعث هشدارهای اشتباه میشوند. روش پیشنهادی در این تحقیق، استفاده از شبکههای عصبی کانولوشنی از روشهای یادگیری عمیق است که به صورت خودکار، توانایی استخراج یا تولید ویژگی در لایههای مختلف خود را دارند. ابتدا به جمعآوری داده و افزایش آنها با توجه به روشهای دادهافزایی پرداخته شده و در ادامه، استفاده از یک شبکه ۱۲ لایه برای دستهبندی و همچنین روش یادگیری انتقالی برای قطعهبندی تصاویر پیشنهاد میشود. نتایج به دست آمده نشان میدهند که روش دادهافزایی به کار برده شده با توجه به تغییر اندازه و آمادهسازی تصاویر ورودی به شبکه از کاهش شدید ویژگیهای موجود در تصاویر اولیه جلوگیری کرده و همچنین شبکههای عصبی کانولوشنی مورد استفاده میتوانند به خوبی ویژگیهای آتش و دود موجود در تصاویر را استخراج کنند و نهایتاً به تشخیص و محلیسازی آنها بپردازند.
پرونده مقاله
در چند سال اخیر، بیماری سوختگی شمشاد به یکی از مهمترین نگرانیهای مدیران منابع طبیعی کشور و دوستداران محیط زیست تبدیل شده است. به منظور کاهش خطر انقراض این گونه، نیاز به تشخیص زودهنگام و تهیه نقشه پراکنش بیماری است و در این راستا، دادههای سنجش از دور میتوانند ن چکیده کامل
در چند سال اخیر، بیماری سوختگی شمشاد به یکی از مهمترین نگرانیهای مدیران منابع طبیعی کشور و دوستداران محیط زیست تبدیل شده است. به منظور کاهش خطر انقراض این گونه، نیاز به تشخیص زودهنگام و تهیه نقشه پراکنش بیماری است و در این راستا، دادههای سنجش از دور میتوانند نقش مهمی را ایفا کنند. در این پژوهش برای بررسی میزان تخریب از ادغام تصاویر پانکروماتیک با قدرت تفکیک مکانی بالا و چندطیفی با قدرت تفکیک مکانی پایین استفاده گردیده و همچنین به طور همزمان در تصاویر استخراجشده از ماهواره لندست 8، ویژگیهای طیفی و بافتی مورد توجه قرار گرفته و در نهایت با استخراج ویژگیهای مؤثر از فضای توصیف کاندیدا با کمک الگوریتم ژنتیک و به کارگیری طبقهبند مناسب در قالب به کارگیری همزمان خوشهبندی فازی و طبقهبندی بیشینه شباهت، کلاس پوشش منطقه با دقت مطلوبی بین سالهای 2014 تا 2018 استخراج نهایی شده است. نتایج ارزیابی و ضریب تبیین مدلها، اعتبارسنجی روش را در برآوردهای آینده مورد تأیید قرار میدهد.
پرونده مقاله
در سالهای اخیر، شبکههای عصبی نوری به علت سرعت بالا و توان مصرفی پایینی که دارند، بسیار مورد توجه قرار گرفتهاند. با این وجود، این شبکهها هنوز محدودیتهای زیادی دارند که یکی از این محدودیتها پیادهسازی لایه غیر خطی در آنهاست. در این نوشتار، پیادهسازی واحد غیر خطی ب چکیده کامل
در سالهای اخیر، شبکههای عصبی نوری به علت سرعت بالا و توان مصرفی پایینی که دارند، بسیار مورد توجه قرار گرفتهاند. با این وجود، این شبکهها هنوز محدودیتهای زیادی دارند که یکی از این محدودیتها پیادهسازی لایه غیر خطی در آنهاست. در این نوشتار، پیادهسازی واحد غیر خطی برای شبکههای عصبی پیچشی نوری مورد بررسی قرار گرفته تا در نهایت با استفاده از این واحد غیر خطی بتوان به یک شبکه عصبی پیچشی تمامنوری عمیق با دقتی مشابه شبکههای الکتریکی، سرعت بالاتر و توان مصرفی کمتر رسید و بتوان قدمی در راستای کاهش محدودیتهای این شبکهها برداشت. در این راستا ابتدا روشهای مختلف پیادهسازی واحد غیر خطی مرور شدهاند. سپس به بررسی تأثیر استفاده از جاذب اشباعشونده به عنوان واحد غیر خطی در لایههای مختلف بر دقت شبکه پرداخته شده و نهایتاً روشی نوین و ساده برای جلوگیری از کاهش دقت شبکههای عصبی در صورت استفاده از این تابع فعالساز ارائه گردیده است.
پرونده مقاله
پیچیدهشدن کاربردهای دنیای واقعی خصوصاً در حوزههای اینترنت اشیا، ریسکهای امنیتی متنوعی را برای این حوزه به همراه داشته است. باتنتهای این حوزه به عنوان گونهای از حملات امنیتی پیچیده شناخته میشوند که میتوان از ابزارهای یادگیری ماشین، به منظور شناسایی و کشف آنها است چکیده کامل
پیچیدهشدن کاربردهای دنیای واقعی خصوصاً در حوزههای اینترنت اشیا، ریسکهای امنیتی متنوعی را برای این حوزه به همراه داشته است. باتنتهای این حوزه به عنوان گونهای از حملات امنیتی پیچیده شناخته میشوند که میتوان از ابزارهای یادگیری ماشین، به منظور شناسایی و کشف آنها استفاده نمود. شناسایی حملات مذکور از یک سو نیازمند کشف الگوی رفتاری باتنتها از طریق پردازشهای دستهای و با دقت بالا بوده و از سویی دیگر میبایست همانند پردازشهای جریانی، به لحاظ عملیاتی بلادرنگ عمل نموده و وفقپذیر باشند. این مسئله، اهمیت بهرهگیری از تکنیکهای پردازش ترکیبی دستهای و جریانی را با هدف تشخیص باتنتها، بیش از پیش آشکار میسازد. از چالشهای مهم این پردازشها میتوان به انتخاب ویژگیهای مناسب و متنوع جهت ساخت مدلهای پایه و نیز انتخاب هوشمندانه مدلهای پایه جهت ترکیب و ارائه نتیجه نهایی اشاره نمود. در این مقاله به ارائه راهکاری مبتنی بر ترکیب روشهای یادگیری جریانی و دستهای با هدف تشخیص ناهنجاری باتنتها میپردازیم. این راهکار از یک روش انتخاب ویژگی پویا که مبتنی بر الگوریتم ژنتیک بوده و به طور کامل با ماهیت پردازشهای ترکیبی سازگار است، بهره میگیرد و ویژگیهای مؤثر در فرایند پردازش را در طول زمان و وابسته به جریان ورودی دادهها به صورت پویا تغییر میدهد. نتایج آزمایشها در مجموعه دادهای مشتمل بر دو نوع باتنت شناختهشده، بیانگر آن است که رویکرد پیشنهادی از یک سو با کاهش تعداد ویژگیها و حذف ویژگیهای نامناسب موجب افزایش سرعت پردازشهای ترکیبی و کاهش زمان تشخیص باتنت میگردد و از سویی دیگر با انتخاب مدلهای مناسب جهت تجمیع نتایج، دقت پردازش را افزایش میدهد.
پرونده مقاله
اختلال طیف اوتیسم، نوعی اختلال رشدی به شمار میآید که از طریق علائمی مانند ناتوانی در برقراری ارتباط اجتماعی، خود را نشان میدهد. بنابراین بارزترین نشانه افراد مبتلا به اوتیسم، اختلال گفتار است. این مقاله در بخش اول به بررسی و مرور مطالعات انجامشده برای تشخیص خودکار او چکیده کامل
اختلال طیف اوتیسم، نوعی اختلال رشدی به شمار میآید که از طریق علائمی مانند ناتوانی در برقراری ارتباط اجتماعی، خود را نشان میدهد. بنابراین بارزترین نشانه افراد مبتلا به اوتیسم، اختلال گفتار است. این مقاله در بخش اول به بررسی و مرور مطالعات انجامشده برای تشخیص خودکار اوتیسم بر اساس پردازش گفتار افراد مشکوک به ابتلا میپردازد. با توجه به بررسیهای انجامشده، رویکردهای اصلی پردازش گفتار برای تشخیص اوتیسم به دو گروه تقسیم میشوند. گروه اول با پردازش پاسخها یا احساسات افراد مورد آزمایش در پاسخ به سؤالات یا داستان پرسشگر، افراد مبتلا به اوتیسم را تشخیص میدهند. گروه دوم، افراد مبتلا به اوتیسم را از طریق میزان نرخ دقت بازشناسی گفتارشان در سیستمهای تشخیص خودکار گفتار از افراد سالم تفکیک میکنند. علیرغم پژوهشهای زیاد انجامشده در این حوزه در خارج از ایران، پژوهشهای اندکی داخل ایران انجام شدهاند که مهمترین دلیل آن، عدم وجود دادگان غنی متناسب با نیازمندیهای تشخیص اوتیسم مبتنی بر پردازش گفتار افراد مبتلا است. در بخش دوم پژوهش حاضر به روند طراحی، جمعآوری و ارزیابی یک مجموعه دادگان گفتاری مستقل از گوینده برای تشخیص اوتیسم در کودکان ایرانی بهعنوان گام نخست بومیسازی حوزه مذکور پرداختهایم.
پرونده مقاله