مدل سازی توپولوژی اجسام تغییرشکل پذیر به کمک شبکه عصبی گازی رشدیابنده

سال انتشار: 1400
محل انتشار: هجدهمین همایش ملی و هفتمین کنفرانس بین المللی مهندسی ساخت و تولید ایران
کد COI اختصاصی: ICME18_115
زبان مقاله: فارسی
تعداد مشاهده: 363

نویسندگان

دانشجوی کارشناسی ارشد مکانیک، مکاترونیک، دانشکده مکانیک، دانشگاه علم و صنعت ایران،تهران،ایران

استادیار مکانیک، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

این مقاله روشی را برای بهبود عملکرد شبکه عصبی گازی رشدیابنده یا به اختصار GNG در مدل سازی توپولوژی اجسام تغییرشکل پذیر ارائه می دهد. با اعمال این روش بر داده های بدست آمده از تصاویر ویدوئی، یک گراف بدون جهت تشکیل شده که از آن در کاربردهای رباتیکی برای شناسایی اجسام میتوان استفاده نمود تا کارهایی از قبیل گرفتن و رها کردن جسم و یا حتی تغییرشکل دادن آن با سرعت و دقت بیشتری قابل پیش بینی باشد. این الگوریتم در ابتدا یک گراف اولیه از جسم را بوجود می آورد که فرایندی زمانبر است، اما در مراحل بعدی و پس از وارد کردن ابر نقاط جسم پس از تغییرشکل در کمتر از یک ثانیه می تواند گرافی بهینه و منظم را تشکیل دهد. خصوصیت اصلی این گراف این است که نودها پس از تغییر شکل جسم از بین نمی روند بلکه نسبت به شکل جدید جایگاه شان بروزرسانی می شود.نتایج مدل سازی توپولوژی سیب در تغییر شکل های مختلف توسط این الگوریتم ارائه و سرعت و دقت آن با روش پایه ی GNG مقایسه شده است.

کلیدواژه ها

شبکه عصبی گازی رشدیابنده، شناسایی اجسام ، بینایی ماشین، یادگیری ماشین، ربات

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.