تشخیص جنسیت افراد از روی چهره با استفاده از شبکه های عصبی پرسپترون چند لایه ای با الگوریتم پس انتشار خطا
Publish place: 9th Annual Conference of Computer Society of Iran
Publish Year: 1382
Type: Conference paper
Language: Persian
View: 10,528
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ACCSI09_134
Index date: 24 January 2008
تشخیص جنسیت افراد از روی چهره با استفاده از شبکه های عصبی پرسپترون چند لایه ای با الگوریتم پس انتشار خطا abstract
یکی از ابزارهای هوش مصنوعی شبکه های عصبی مصنوعی است که امروزه مورد توجه بسیاری از محققان و دانش پژوهان می باشد . بدلیل قابلیت های فراوان این ابزار در کاربردهای مختلف، مدل های گوناگونی برای آن طرح شده است که یکی از این مدل ها، شبکه های پرسپترون چند لایه پیشرو است که با الگوریتم پس انتشار خطا آموزش داده می شوند . در این مقاله هدف، استفاده از این شبکه ها جهت تشخیص جنسیت افراد از روی چهره می باشد . نتایج بدست آمده در آزمایشات انجام گرفته موید آن است که بین %٨٥ الی %٩٥ تشخیص چهر ه های ناآزموده با موفقیت انجام گرفته که نشان دهنده توانایی مناسب شبکه های پرسپترون چند لایه ای در حل مساله تشخیص جنسیت و مسائلی از این قبیل می باشد . در این روش از روش های پردازش چهره بعنوان پیش پردازش تصاویر استفاده شده است . همچنین با مقایسه این روش با سایر روش ها نظیر استفاده از حافظه خود القاء وآنالیز مولفه های اصلی چهره به کارایی این روش می توان پی برد
تشخیص جنسیت افراد از روی چهره با استفاده از شبکه های عصبی پرسپترون چند لایه ای با الگوریتم پس انتشار خطا Keywords:
شبکه های عصبی پرسپترون چند لایه پیشرو , پردازش تصویر , پس انتشار خط ا , آنالیز مولفه های اصلی , حافظه خود القاء
تشخیص جنسیت افراد از روی چهره با استفاده از شبکه های عصبی پرسپترون چند لایه ای با الگوریتم پس انتشار خطا authors
علی یوسفی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد همدان
کامبیز بدیع
گروه پژوهشی جامعه اطلاعاتی، مرکز تحقیقات مخابرات ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :