مقایسه الگوریتم های ResNet50 و VGG16 از لحاظ سرعت و پیچیدگی پیاده سازی روی پردازنده های مختلف
محل انتشار: ششمین کنفرانس ملی ایده های نو در مهندسی برق
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,196
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCNIEE06_145
تاریخ نمایه سازی: 1 مرداد 1397
چکیده مقاله:
امروزه هوش مصنوعی جهت افزایش دقت و آسایش رشد بسیاری کرده است. در این راستا الگوریتمها و شبکه های مختلفی مطرح و شروع به کار کردهاند. یکی از معروفترین شبکه های توسعه یافته در حوزه یادگیری عمیق، شبکه های عصبی کانولوشن میباشند. هدف از استفاده از شبکه های عصبی کانولوشن پیشبینی و دسته بندی دیتابیسهای مختلف بدون دخالت حواس انسان میباشد. دو الگوریتم ResNet50 و VGG16 از الگوریتمهای معروف شبکه های عصبی کانولوشن میباشند. در این مقاله به مقایسه ساختار دو الگوریتم و سرعت اجرای آنها درپردازنده های مختلف پرداخته شده است.
نویسندگان
فایزه شادمان فر
دانشجوی کارشناسی ارشد الکترونیک مدار مجتمع، دانشگاه آزاد اسلامی واحد خوراسگان
عاطفه سلیمی
عضو هیات علمی گروه برق، دانشگاه آزاد اسلامی واحد خوراسگان