مروری بر عملکرد شبکه های عصبی کانولوشنی و شبکه های عصبی پرسپترون چند لایه در بینایی ماشین
محل انتشار: پنجمین کنفرانس مهندسی دانش بنیان و نوآوری
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 740
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:
KBEI05_018
تاریخ نمایه سازی: 27 بهمن 1398
چکیده مقاله:
مبحث یادگیری عمیق زیرمجموعه ای جدید و کارآمد درمجموعه الگوریتم های یادگیری ماشین در بر می گیرد، که در آن با استفادهازتعداد لایه های پردازشی بسیار زیاد به جهت یادگیری ویژگی های دادههای ورودی، یادگیری با دقت بالاتری نسب به شبکه های عصبی متداولهمچون شبکه عصبی پرسپترون چندلایه صورت می گیرد در حدل حاضرالگوریتم های یادگیری عمیق در بسیاری از کاربردهای رایج بینایی ماشینبکار گرفته شده اند یکی از انواع الگوریتم های یادگیری عمیق که در مبحثبینایی ماشین به تکرار استفاده شده است و همچنان موضوع تحقیقات اخیردر کاربردهایی چون طبقه بندی تصاویر، قعطه بندی تصاویر و تشخیصاشیاء کاربرد دارد، شبکه های عصبی کانولوشنی (CNN) هستند که در اینمقاله با مروری بر ساختار و اجزاء تشکیل دهندده این شبکه به بررسی وتحلیل عملکرد آن از نظر دقت، میزان خطا و سرعت یادگیری در مقایسه باشبکه عصبی پرسپترون چندلایه (MLP) می پردازیم.
کلیدواژه ها:
نویسندگان
ندا سیمرغ
دپارتمان کامپیوتر، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران غرب تهران، ایران
پیمان بابایی
دپارتمان کامپیوتر، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران غرب تهران، ایران