مرتب سازی اسپایک های عصبی با استفاده از شبکه عصبی بدون استخراج ویژگی
محل انتشار: دومین کنفرانس ملی مهندسی برق و کامپیوتر
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 582
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELCM02_088
تاریخ نمایه سازی: 21 اردیبهشت 1397
چکیده مقاله:
در این مقاله یک رویکرد جدید برای مرتب سازی اسپایک های عصبی بدون نیاز به استخراج ویژگی با استفاده از شبکه عصبی ارایه شده است. شبکه عصبی با استفاده از روش های بهینه یادگیری، پیاده سازی و آموزش داده شده است. گستره متنوعی از اسپایک های عصبی در SNR های گوناگون برای آزمایش این نوع شبکه به آن اعمال شده و میانگین دقت مرتب سازی 86% بدست آمده که در مقایسه با سایر روش ها بهبود چشمگیری داشته است. همچنین این روش پایداری مناسبی در مقابل نویز ارایه می کند. یکی از نقاط قوت این رویکرد حذف مرحله استخراج ویژگی برای کاهش بعد و کاهش پیچیدگی محاسباتی است. در واقع با استفاده از ویژگی های ذاتی شبکه های عصبی و اعمال فرآیند یادگیری درست می توان شبکه مذکور را بر اساس خاستگاه مساله و بدون مرحله استخراج ویژگی آموزش داد.
کلیدواژه ها:
نویسندگان
احسان رمضانی سربندی
فارغ التحصیل کارشناسی ارشد رشته معماری سیستم های کامپیوتری، دانشگاه صنعتی خواجه نصیرالدین طوسی