ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

طراحی شبکه عصبی بر پایه آشکارسازی لبه

سال انتشار: 1387
کد COI مقاله: GEO87_124
زبان مقاله: فارسیمشاهد این مقاله: 1,539
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طراحی شبکه عصبی بر پایه آشکارسازی لبه

سیدمجتبی شهابی - دانشجوی کارشناسی ارشد سنجش از دور، دانشکده ژئودزی و ژئوماتیک، دانشگاه
علی محمدزاده - دانشجوی دکتری سنجش از دور، دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خو
محمدجواد ولدان زوج - دانشیار سنجش از دور، دانشکده ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرطوس

چکیده مقاله:

از آنجایی که صنعت سنجش از دور به سمت اخذ تصاویر با قدرت تفکیک مکانی بالا پیش می رود، اهمیت استفاده از این تصاویر، برای تهیه نقشه های بزرگ مقیاس دوچندان شده است و تکنیک های پردازش تصاویر سنجش از دور، به عنوان یکی از مهمترین بخش های استخراج اطلاعات از این تصاویر محسوب میشود. یکی از تکنیک ها، استفاده از شبکه های عصبی مصنوعی، به عنوان سامانه هایی انعطاف پذیر با قابلیت پردازش های موازی است. مهمترین اطلاعاتی که می بایست برای تهیه نقشه از تصاویر اخذ شود، عوارض موجود و موقعیت مکانی انها درتصاویر می باشد. اما برای کاهش حجم اطلاعاتی نقشه ها، تنها داشتن مرز و لبه ی عوارض کافیست. بدین منظور، سعی شده با طراحی یک شبکه عصبی مصنوعی، عملکرد این سامانه در زمینه استخراج لبه ی عوارض مورد بررسی قرار گیرد. در این مقاله سعی شده در ابتدا شبکه عصبی بهینه ای طراحی شود که با صرف کمترین زمان آموزش دیده و نتیجه قابل قبولی را داشته باشد. در ادامه، مقایسه ای بین رفتار این شبکه عصبی و عملگری که این شبکه توسط آن آموزش دیده، بر روی تصاویر نوفه دار انجام شده است. با مقایسه نتایج، به وضوح می توان دریافت که شبکه عصبی طراحی شده ، نسبت به نویز حساسیت کمی از خود نشان داد ه است.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/37120/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شهابی، سیدمجتبی و محمدزاده، علی و ولدان زوج، محمدجواد،1387،طراحی شبکه عصبی بر پایه آشکارسازی لبه،همایش ژئوماتیک 87 و چهارمین همایش یکسان سازی نامهای جغرافیایی،تهران،،،https://civilica.com/doc/37120

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1387، شهابی، سیدمجتبی؛ علی محمدزاده و محمدجواد ولدان زوج)
برای بار دوم به بعد: (1387، شهابی؛ محمدزاده و ولدان زوج)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • Yasar Beceriki and H. Engin Demiray, ، Alternative Neural Network ...
  • R. Rojas, Neural Networks, Springer-Verl ag, Berlin, 1996 ...
  • Sebastian Seung, Multilayer perceptrons and backpropagation learning, 9.641 Lecture 4: ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی