تشخیص لبه در تصاویر بر اساس شبکه عصبی سلولی با استفاده از ترکیب الگوریتم های بهینه سازی اجتماع پرندگان و تکامل تفاضلی
- سال انتشار: 1394
- محل انتشار: کنفرانس بین المللی پژوهش های کاربردی در فناوری اطلاعات، کامپیوتر ومخابرات
- کد COI اختصاصی: ITCC01_543
- زبان مقاله: فارسی
- تعداد مشاهده: 866
نویسندگان
دانشگاه جاوید جیرفت
چکیده
لبه یکی از ویژگی های اساسی در تصاویر دیجیتال می باشد، که شامل یک مجموعه از ویژگی هایمهم تصویر مانند جهت، شکل،تغییرات و ... می باشد. لبه یابی در تصاویر ماهواره ای، تصاویرپزشکی (جهت یافتن محل تومور و محل یک بافت خاص)، روباتیک، بینایی ماشین و... کاربرددارد. در این مقاله روشی جدید به منظور تشخیص لبه در تصاویر بر اساس شبکه عصبی سلولی وترکیب الگوریتم های بهینه سازی اجتماع پرندگان و تکامل تفاضلی ارائه می شود. در روشپیشنهادی با استفاده از شبکه های عصبی سلولی لبه یابی انجام می شود. به منظور بدست آوردن بهینهپارامترهای شبکه عصبی سلولی و افزایش دقت دسته بندی داده ها از ترکیب الگوریتم های بهینهسازی اجتماع پرندگان و تکامل تفاضلی استفاده می شود. نتایج حاصل از آزمایشات نشان می دهدکه کارایی روش پیشنهادی در مقایسه با روش های پایه نظیر سوبل، پریویت و کنی بهتر می باشد. دراین مقاله، آموزش شبکه های عصبی با استفاده از شکل خاصی از ترکیب الگوریتم های تکاملتفاضلی و اجتماع پرندگان به نام DEPSOM برای افزایش دقت دسته بندی داده ها پیشنهاد شدهاست. الگوریتم های متعددی برای آموزش شبکه های عصبی وجود دارد.یکی از معروفترین آنها،الگوریتم یادگیری پس انتشار است که این الگوریتم معایبی مانند همگرایی کند و افتادن در کمینهمحلی دارد.برای بهبود آموزش شبکه های عصبی، در این مقاله از الگوریتم های بهینه سازیمتاهیوریستیک استفاده شده است. نتایج حاصل از پیاده سازی نشان می دهد که الگوریتم ترکیبیDEPSOM ، عملکرد مناسبی در آموزش شبکه های عصبی دارد و در مقایسه با آموزش شبکه بااستفاده از الگوریتم PSO نتایج دقیق تری بدست می آورد.کلیدواژه ها
لبه یابی، شبکه عصبی سلولی، آموزش شبکه های عصبی، الگوریتم اجتماع پرندگان، الگوریتم تکامل تفاضلیمقالات مرتبط جدید
- ارائه روشی مبتنی بر تشخیص ناهنجاری به منظور کشف حملات باتنت های Gafgyt و Mirai در شبکه های اینترنت اشیاء
- پیاده سازی یک زنجیره بلوکی برای دوقلوی دیجیتال یک سیستم رایانشی فیزیکی
- طرح احراز هویت متقابل برای شبکه های حسگر بی سیم در محیط کلان داده بر خط
- بهبود کارایی الگوریتم رمزنگاری پساکوانتوم BR LWE در دستگاه های اینترنت اشیا
- ساختمان های هوشمند همیشه متصل برای امنیت توزیع شده
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.