سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

دسته بندی تصاویر بر اساس ترکیبی از اتوانکدر و ماشین یادگیری شدید ELM

Publish Year: 1396
Type: Conference paper
Language: Persian
View: 1,134

This Paper With 7 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

ITCT04_242

Index date: 8 November 2017

دسته بندی تصاویر بر اساس ترکیبی از اتوانکدر و ماشین یادگیری شدید ELM abstract

پژوهشهای اخیر مزایای سرعت استفاده از ماشینهای یادگیری شدید ) ELM ( را در حوزه دسته بندی تصویر نشان داده است. اما به طور کلی ELM به مقاوم نبودن در برار نویز معروف است، برای بالا بردن کارایی دسته بندی، ما یک روش ترکیبی برای کاهش نویز، کاهش حجم دادهها و بهرهبرداری از مزایایسرعت ELM پیشنهاد میکنیم. برای رسیدن به این تکامل از یک روش استخراج ویژگی به نام اتوانکدر بهره میگیریم، به طور دقیقتر روش پیشنهادی شامل دو مرحله است. نخست، ابعاد دادههای موردنظر با استفاده از اتوانکدر کاهش داده میشود، سپس دادههای بدست آمده برای دسته بندی در اختیار یکشبکه ELM قرار میگیرند، به این ترتیب میتوان بار محاسباتی ELM را کاهش داد. آزمایشهای گسترده بر روی طبقه بندی دست نوشتههای رقمی، بهطور واضح کارایی دسته بندی ترکیبی پیشنهادی را برحسب دقت و NMI نشان میدهد.

دسته بندی تصاویر بر اساس ترکیبی از اتوانکدر و ماشین یادگیری شدید ELM Keywords:

دسته بندی تصویر , کاهش بعد , اتوانکدر , ماشین یادگیری شدید ELM

دسته بندی تصاویر بر اساس ترکیبی از اتوانکدر و ماشین یادگیری شدید ELM authors

سینا دامی

استادیار، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران

مهیار سبزه پرور

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران

مقاله فارسی "دسته بندی تصاویر بر اساس ترکیبی از اتوانکدر و ماشین یادگیری شدید ELM" توسط سینا دامی، استادیار، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران؛ مهیار سبزه پرور، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران غرب، گروه کامپیوتر، تهران، ایران نوشته شده و در سال 1396 پس از تایید کمیته علمی چهارمین کنفرانس ملی فناوری اطلاعات، کامپیوتر و مخابرات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله دسته بندی تصویر، کاهش بعد، اتوانکدر، ماشین یادگیری شدید ELM هستند. این مقاله در تاریخ 17 آبان 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1134 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که پژوهشهای اخیر مزایای سرعت استفاده از ماشینهای یادگیری شدید ) ELM ( را در حوزه دسته بندی تصویر نشان داده است. اما به طور کلی ELM به مقاوم نبودن در برار نویز معروف است، برای بالا بردن کارایی دسته بندی، ما یک روش ترکیبی برای کاهش نویز، کاهش حجم دادهها و بهرهبرداری از مزایایسرعت ELM پیشنهاد میکنیم. برای رسیدن به ... . برای دانلود فایل کامل مقاله دسته بندی تصاویر بر اساس ترکیبی از اتوانکدر و ماشین یادگیری شدید ELM با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.