سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بررسی عملکرد شبکه های عصبی CNN ، GAN و MLP در حل مسائل مختلف Investigating the performance of CNN, GAN and MLP neural networks in solving different problems

Publish Year: 1403
Type: Conference paper
Language: Persian
View: 174

This Paper With 5 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ECMECONF20_010

Index date: 11 September 2024

بررسی عملکرد شبکه های عصبی CNN ، GAN و MLP در حل مسائل مختلف Investigating the performance of CNN, GAN and MLP neural networks in solving different problems abstract

شبکه های عصبی مصنوعی به عنوان ابزارهای قدرتمند در یادگیری ماشین و هوش مصنوعی، به طور گسترده ای در حل مسائل پیچیده و پردازش داده های حجیم به کار می روند. این مقاله به بررسی و مقایسه سه نوع اصلی شبکه های عصبی، شامل شبکه های عصبی کانولوشن (CNN)، پرسپترون چندلایه (MLP)، و شبکه های متخاصم تولیدکننده (GAN)، می پردازد. شبکه های CNN به دلیل ساختار ویژه خود که شامل لایه های کانولوشنی و تجمعی است، در پردازش و طبقه بندی تصاویر و ویدئوها عملکرد بسیار خوبی دارند. در مقابل، MLPها با ساختار ساده و لایه های کاملا متصل خود، برای مسائل طبقه بندی و رگرسیون مناسب تر هستند، اما در پردازش داده های پیچیده تر عملکرد کمتری دارند. GANها با بهره گیری از دو شبکه متخاصم، به طور موثر در تولید داده های مصنوعی و شبیه سازی داده های واقعی عمل می کنند، اما آموزش آن ها به دلیل پیچیدگی ساختار و نیاز به منابع محاسباتی زیاد، چالش برانگیز است. این مقاله به تحلیل کاربردهای هر یک از این شبکه ها، مزایا و محدودیت های آن ها، و همچنین امکان ترکیب آن ها برای بهبود عملکرد پرداخته و نتیجه گیری می کند که انتخاب معماری مناسب بستگی به نوع مسئله و داده های موجود دارد.

بررسی عملکرد شبکه های عصبی CNN ، GAN و MLP در حل مسائل مختلف Investigating the performance of CNN, GAN and MLP neural networks in solving different problems Keywords:

شبکه های عصبی , شبکه های عصبی کانولوشن (CNN) , پرسپترون چندلایه (MLP) , شبکه های متخاصم تولیدکننده (GAN) , پردازش تصویر , تولید داده های مصنوعی

بررسی عملکرد شبکه های عصبی CNN ، GAN و MLP در حل مسائل مختلف Investigating the performance of CNN, GAN and MLP neural networks in solving different problems authors

سید محمد صالح طلائی زواره

دانشجوی ارشد مهندسی مخابرات دانشگاه تربیت مدرس ، کارشناس مهندسی پزشکی

مقاله فارسی "بررسی عملکرد شبکه های عصبی CNN ، GAN و MLP در حل مسائل مختلف Investigating the performance of CNN, GAN and MLP neural networks in solving different problems" توسط سید محمد صالح طلائی زواره، دانشجوی ارشد مهندسی مخابرات دانشگاه تربیت مدرس ، کارشناس مهندسی پزشکی نوشته شده و در سال 1403 پس از تایید کمیته علمی بیستمین کنفرانس ملی پژوهش های کاربردی در علوم برق ،کامپیوتر و مهندسی پزشکی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله شبکه های عصبی، شبکه های عصبی کانولوشن (CNN)، پرسپترون چندلایه (MLP)، شبکه های متخاصم تولیدکننده (GAN)، پردازش تصویر، تولید داده های مصنوعی هستند. این مقاله در تاریخ 21 شهریور 1403 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 174 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که شبکه های عصبی مصنوعی به عنوان ابزارهای قدرتمند در یادگیری ماشین و هوش مصنوعی، به طور گسترده ای در حل مسائل پیچیده و پردازش داده های حجیم به کار می روند. این مقاله به بررسی و مقایسه سه نوع اصلی شبکه های عصبی، شامل شبکه های عصبی کانولوشن (CNN)، پرسپترون چندلایه (MLP)، و شبکه های متخاصم تولیدکننده (GAN)، می پردازد. ... . این مقاله در دسته بندی موضوعی پردازش تصویر طبقه بندی شده است. برای دانلود فایل کامل مقاله بررسی عملکرد شبکه های عصبی CNN ، GAN و MLP در حل مسائل مختلف Investigating the performance of CNN, GAN and MLP neural networks in solving different problems با 5 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.