فایل ورد تشخيص لبه در تصاوير بر اساس شبکه عصبي سلولي با استفاده از ترکيب الگوريتم هاي بهينه سازي اجتماع پرندگان و تکامل تفاضلي

لینک دانلود

 فایل ورد تشخيص لبه در تصاوير بر اساس شبکه عصبي سلولي با استفاده از ترکيب الگوريتم هاي بهينه سازي اجتماع پرندگان و تکامل تفاضلي دارای 21 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد تشخيص لبه در تصاوير بر اساس شبکه عصبي سلولي با استفاده از ترکيب الگوريتم هاي بهينه سازي اجتماع پرندگان و تکامل تفاضلي  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي فایل ورد تشخيص لبه در تصاوير بر اساس شبکه عصبي سلولي با استفاده از ترکيب الگوريتم هاي بهينه سازي اجتماع پرندگان و تکامل تفاضلي،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن فایل ورد تشخيص لبه در تصاوير بر اساس شبکه عصبي سلولي با استفاده از ترکيب الگوريتم هاي بهينه سازي اجتماع پرندگان و تکامل تفاضلي :


سال انتشار : 1394

نام کنفرانس یا همایش : کنفرانس بين المللي پژوهش هاي کاربردي در فناوري اطلاعات، کامپيوتر و مخابرات

تعداد صفحات :21

چکیده مقاله:

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.

توضیحات بیشتر