ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر

سال انتشار: 1396
کد COI مقاله: IPRIA03_003
زبان مقاله: فارسیمشاهده این مقاله: 313
فایل این مقاله در 6 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 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر

محمود امین طوسی - استادیار، دانشکده ریاضی و علوم کامپیوتر. دانشگاه حکیم سبزواری. سبزوار. ایران
سکینه خورسندی - دانشجوی کارشناسی ارشد، دانشکده ریاضی و علوم کامپیوتر. دانشگاه حکیم سبزواری. سبزوار. ایران
مهدی زعفرانیه - استادیار، دانشکده ریاضی و علوم کامپیوتر. دانشگاه حکیم سبزواری. سبزوار. ایران

چکیده مقاله:

ماشین یادگیر نهایی (ELM) از جمله جدیدترین ابزارهای یادگیری ماشین است که استفاده های روزافزونی در کاربردهای متعددحوزه یادگیری ماشین پیدا کرده است. مزیت اصلی این روشنسبت به شبکه عصبی پرسپترون چند لایه (MLP)، کم بودن زمان آموزش آن نسبتبه این شبکه عصبی معروف است. در بسیاری از مقالات اصلی ماشین یادگیر نهایی، دقت این سیستم بیشتر از MLP گزارش شده است.در این مقاله برای ارزیابی این ادعا، دو نسخه از ماشین یادگیر نهایی در کاربرد قطعه بندی تصاویر با شبکه عصبی پرسپترون چند لایه موردمقایسه قرار گرفته اند. آزمایشات مختلف بر روی پایگاه داده BSD و با درنظر گرفتن تعداد نورون های متفاوت در لایه پنهان انجام شده است. نتایج آزمایشات با معیارهای مختلف حاکی از آن بوده است که در حالت میانگین، خطای طبقه بندی شبکه عصبی پرسپترون چند لایه از ماشین یادگیر نهایی کمتر است؛ با این حال آموزش ماشین یادگیر نهایی بسیار سریعتر از MLP می باشد. با تعداد 100 نورون در لایه پنهان، MLP؛ 2.5 درصد صحت بیشتری از ELM دارد. در حالیکه زمان آموزش MLP؛ 155 برابر زمان آموزش ELM است.

کلیدواژه ها:

قطعه بندی تصویر، ماشین یادگیر نهایی، ماشین یادگیر نهایی دو لایه پنهان، پرسپترون چند لایه

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IPRIA03_003 میباشد و 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/638454/

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:
امین طوسی، محمود و خورسندی، سکینه و زعفرانیه، مهدی،1396،ارزیابی عملکرد ماشین یادگیر نهایی در قطعه بندی تصاویر،سومین کنفرانس بین المللی بازشناسی الگو و تحلیل تصویر ایران،شهرکرد،،،https://civilica.com/doc/638454

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: (1396، امین طوسی، محمود؛ سکینه خورسندی و مهدی زعفرانیه)
برای بار دوم به بعد: (1396، امین طوسی؛ خورسندی و زعفرانیه)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

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

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 4,084
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

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