تحقیق جامع درباره بررسی و ارزیابی سیستمهای مبتنی بر شبکه عصبی

اختصاصی از هایدی تحقیق جامع درباره بررسی و ارزیابی سیستمهای مبتنی بر شبکه عصبی دانلود با لینک مستقیم و پر سرعت .

 فرمت فایل : word (قابل ویرایش) تعداد صفحات : 79 صفحه

مقدمه :

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی هستند برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده. ایده اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها، و اطلاعات به منظور یادگیری و ایجاد دانش قرار دارد. عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانه پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسأله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها(ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلا با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده ازمثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند.

توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورونها) است، که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشأت گرفته‌است، که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده نورون، نئورونها، "PE" ها (عناصر پردازش) یا واحدها) برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده اند،به همین دلیل به آن، اصطلاح"شبکه‎های عصبی" اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن بواسطه الگوریتمهایی امکان پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد.

با استفاده از دانش برنامه‌نویسی رایانه می‌توان ساختار داده‌ای طراحی کرد که همانند یک نرون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد.

این شبکه‌ها برای تخمین (Estimation) و تقریب (Approximation)کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی بر گرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوییکی، مخابراتی و الکترونیکی تا کمک در نجوم و فضا نوردی را نام برد.
اگر یک شبکه را هم‌ارز با یک گراف بدانیم، فرآیند آموزش شبکه تعیین نمودن وزن هر یال و bias اولیه خواهد بود.

تاریخچه شبکه‌های عصبی مصنوعی

از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیست‎ها سعی کردند سیستم یادگیری و تجزیه و تحلیل مغز را کشف کنند، و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند، که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد. اولین کوشش‎ها در شبیه‎سازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکه‌های عصبی مصنوعی است. این مدل فرضیه‌هایی در مورد عملکرد نورون‎ها ارائه می‌کند. عملکرد این مدل مبتنی بر جمع ورودی‎ها و ایجاد خروجی است. چنانچه حاصل جمع ورودی‎ها از مقدار آستانه بیشتر باشد اصطلاحا نورون برانگیخته می‌شود. نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.

نه تنها نروفیزیولوژیست‎ها بلکه روان‎شناسان و مهندسان نیز در پیشرفت شبیه‎سازی شبکه‌های عصبی تاثیر داشتند. در سال ۱۹۵۸ شبکه پرسپترون توسط روزنبلات معرفی گردید. این شبکه نظیر واحدهای مدل شده قبلی بود. پرسپترون دارای سه لایه می‌باشد، به همراه یک لایه وسط که به عنوان لایه پیوند شناخته شده‌است. این سیستم می‌تواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند. سیستم دیگر مدل خطی تطبیقی نورون می‌باشد که در سال ۱۹۶۰ توسط ویدرو و هاف (دانشگاه استنفورد) به وجود آمد که اولین شبکه‌های عصبی به کار گرفته شده در مسائل واقعی بودند. Adalaline یک دستگاه الکترونیکی بود که از اجزای ساده‌ای تشکیل شده بود، روشی که برای آموزش استفاده می‌شد با پرسپترون فرق داشت.

در سال ۱۹۶۹ میسکی و پاپرت کتابی نوشتند که محدودیت‎های سیستم‎های تک لایه و چند لایه پرسپترون را تشریح کردند. نتیجه این کتاب پیش داوری و قطع سرمایه‎گذاری برای تحقیقات در زمینه شبیه‎سازی شبکه‌های عصبی بود. آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله جالبی نمی‌باشد، تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.

 فهرست

مقدمه ای بر شبکه‌های عصبی مصنوعی-------------------- 4

تاریخچه شبکه‌های عصبی مصنوعی---------------------- 5

شبکه عصبی چیست؟-------------------------------  6

شبکه  عصبی چه قابلیتهائی دارد؟----------------------  6

الهام از طبیعت------------------------ ---------- 7

شبکه های عصبی در مقایسه با کامپیوترهای سنتی :--------- 7

مسائل مناسب برای یادگیری شبکه های عصبی------------  8

پرسپترون -------------------------------------9

الگوریتم یادگیری پرسپترون ---------------------------9

الگوریتم gradient descent---------------------------  10

مشکلات روش gradient descent-------------------  10

تقریب افزایشی gradient descent------------------   10

الگوریتم  Back propagation--------------------  11

قدرت نمایش توابع---------------------------------- 12

انواع آموزش شبکه-----------------------------   12

برخی زمینه های شبکه های عصبی---------------------------   13

سبکهای معماری شبکه‌های عصبی -------------------------------------------------- 14

قواعد یادگیری در شبکه‌های عصبی ------------------------------------------------- 14

آموزش شبکه‌های عصبی --------------------------------------------------------  15

آموزش unsupervised یا تطبیقی (Adaptive)  --------------------------------------------   16

تفاوت‌های شبکه‌های عصبی با روش‌های محاسباتی متداول و سیستم‌های خبره -------------------   16

انواع یادگیری برای شبکه های عصبی-----------------------------------------------    18

یادگیری با ناظر--------------------------------------------------------- 18

یادگیری تشدیدی------------------------------------------------------    18

یادگیری بدون ناظر------------------------------------------------------   19

معایب شبکه های عصبی -------------------------------------------------------     19

مزیتهای شبکه های عصبی------------------------------------------------------     19

سیستم خبره  ---------------------------------------------------------------   21

سیستم خبره چیست؟---------------------------------------------------    21

ساختار یک سیستم خبره‌-------------------------------------------------- 22

استفاده از  منطق فازی ---------------------------------------------------  23

مزایا و محدودیت‌های سیستم‌های خبره ---------------------------------------   24

کاربرد سیستم‌های خبره‌--------------------------------------------------   24

چند سیستم خبره مشهور-------------------------------------------------  25

مروری بر کاربردهای تجاری ------------------------------------------------------  26

بازاریابی-------------------------------------------------------------  26

بانکداری و حوزه های مالی-------------------------------------------------  28

پیش بینی -----------------------------------------------------------   29

سایر حوزه های تجاری ---------------------------------------------------  29

کاربرد مدلهای شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکتهای بازار بورس---------------   30

کاربرد مدل‌ شبکه عصبی در پیش‌بینی ورشکستگی شرکتهای بازار بورس----------------------   31

تبیین مفهوم ورشکستگی------------------------------------------------------   31

متغیرهای مدل تحقیق--------------------------------------------------------   32

اطلاعات شرکتهای نمونه تحقیق--------------------------------------------------  32

تعیین ‌مدل شبکه عصبی سه لایه برای پیش‌بینی ورشکستگی شرکتها------------------------   33

sتعیین مدل بهینه شبکه عصبی چهار لایه برای پیش‌بینی ورشکستگی شرکتها-------------------  38

مقایسه مدلهای شبکه عصبی سه و چهار لایه برای پیش‌بینی ورشکستگی اقتصادی--------------- - 41

پیش‌بینی ورشکستگی اقتصادی شرکتها در سالهای 1385 و 1386---------------------------  41

روند ورشکستگی اقتصادی شرکتهای بازار بورس در دوره 1369ـ 1386------------------------  41

جمع‌بندی و نتیجه‌گیری-------------------------------------------------------- 44

منابع----------------------------------------------------------------------45

ادامه...

اثربخشی برنامه کاهش استرس مبتنی بر ذهن آگاهی (MBSR) بر کیفیت زندگی، استرس ادراک شده و بهزیستی روان شناختی بیماران قلبی-عروقی

اختصاصی از هایدی اثربخشی برنامه کاهش استرس مبتنی بر ذهن آگاهی (MBSR) بر کیفیت زندگی، استرس ادراک شده و بهزیستی روان شناختی بیماران قلبی-عروقی دانلود با لینک مستقیم و پر سرعت .

اثربخشی برنامه کاهش استرس مبتنی بر ذهن آگاهی (MBSR) بر کیفیت زندگی، استرس ادراک شده و بهزیستی روان شناختی بیماران قلبی-عروقی بصورت ورد وکامل

چکیده

از آنجا که قلب یکی از مهم ترین و حساس ترین اعضای بدن آدمی است، آسیب به آن بر وضعیت روحی و روانی فرد تأثیر نامطلوب می گذارد. عدم توجه به استرس ها و واکنش های روانی مبتلایان، سبب توسعه بیماری آنان می گردد. هدف این پژوهش بررسی اثربخشی برنامه کاهش استرس مبتنی بر ذهن آگاهی (MBSR) بر کیفیت زندگی، استرس ادراک شده و بهزیستی روان شناختی بیماران قلبی-عروقی است. این پژوهش نیمه آزمایشی با طرح پیش آزمون- پس آزمون با گروه کنترل و با استفاده از گمارش تصادفی است. نمونه این پژوهش را 30بیمار قلبی تشکیل داد که با استفاده از روش نمونه گیری در دسترس انتخاب و به صورت تصادفی به دو گروه آزمایش و کنترل تقسیم شدند. جامعه آماری این تحقیق شامل کلیه بیماران قلبی (مرد و زن) شهرستان بندرعباس بود ابزار گردآوری داده ها پرسشنامه کیفیت زندگی (SF-36 )، بهزیستی روانشناختی ریف و استرس ادراک شده (1983)بود. به منظور تجزیه و تحلیل داده ها از آزمون کوواریانس استفاده شد. نتایج نشان داد که آموزش روش MBSR در کاهش استرس ادراک شده و بهبود بهزیستی روانشناختی بیماران قلبی درسطح 99% مؤثر است و همچنین اثربخشی معناداری در سطح 95% در بهبود کیفیت زندگی بیماران قلبی مشاهده شد. بنابراین می توان این روش درمانی را برای کاهش مشکلات روانشناختی این بیماران توصیه کرد.

ترجمه فارسی مقاله الگوریتم های مسیریابی مبتنی بر کلونی مورچه آگاه از ازدحام برای اجرای کارآمد در پلتفرم شبکه روی تراشه

اختصاصی از هایدی ترجمه فارسی مقاله الگوریتم های مسیریابی مبتنی بر کلونی مورچه آگاه از ازدحام برای اجرای کارآمد در پلتفرم شبکه روی تراشه دانلود با لینک مستقیم و پر سرعت .

ترجمه فارسی مقاله الگوریتم های مسیریابی مبتنی بر کلونی مورچه آگاه از ازدحام برای اجرای کارآمد در پلتفرم شبکه روی تراشه

Congestion-aware ant colony based routing algorithms for efficient application execution on Network-on-Chip platform

Nadia Nedjah a,⇑,1, Luneque Silva Junior a,1, Luiza de Macedo Mourelle

واژه‌های کلیدی

شبکه بر روی تراشه ، مسیریابی بسته ، بهینه سازی کلونی مورچه

سال انتشار مقاله: Expert Systems with Applications 40 (2013) 6661–6673

مقاله ژورنالی

چکیده

شبکه برروی تراشه (NOC) یک گزینه جالب در طراحی زیر ساخت های ارتباطی برای سیستم های نهفته می باشد. یک ساختار مقیاس پذیر و ارتباطات متعادل بین هسته ها را بوجود می آورد. برنامه های موازی از معماری (NOC) بهره می برند، که معمولا ارتباطات متمرکز می باشد. بنابراین، حجم زیادی از بسته های داده به طور همزمان از طریق شبکه منتقل می شود. برای پیشگیری از تاخیرهای ازدحام که زمان اجرای برنامه های کاربردی را خراب می کند ، باید به دقت به یک استراتژی کارآمد مسیریابی فکرکرد. در این مقاله، از پارادایم (نمونه) بهینه سازی کلونی مورچه برای پیداکردن مسیرهای بهینه در یک شبکه روی تراشه (NOC) مبتنی بر مش استفاده می شود. الگوریتم های مسیریابی پیشنهادی ساده اما کارآمد می باشند. بهینه سازی مسیریابی با حداقل کردن کل تاخیر در زمان انتقال بسته ها بین وظایف تشکیل دهنده برنامه کاربردی صورت می گیرد. ارزیابی عملکرد فعلی سه جنبه دارد: اول، تاثیر الگوهای ترافیک ترکیبی شناخته شده مورد ارزیابی قرار می گیرد. دوم، برنامه های کاربردی تولید شده تصادفی توسط زیر ساخت (NOC) ترکیبی نگاشته می شوند و برخی از ترافیک های ارتباطی که الگوهای شناخته شده را دنبال می کنند برای شبیه سازی شرایط واقعی به کار گرفته می شوند. سوم، شانزده برنامه کاربردی دنیای واقعی از E3S و یک برنامه کاربردی ویژه برای پردازش تصویر دیجیتال نگاشته شده و زمان اجرای مورد ارزیابی قرار گرفته است. در هر دو مورد، نتایج بدست آمده با آنچه به عنوان هدف کلی الگوریتم برای مسیریابی بدون بن بست مقایسه شده است. مقایسه کارآمدی و برتری مسیریابی الهام گرفته از کلونی مورچه را تایید می نماید.

abstract

Networks-on-Chip (NoC) is an interesting option in design of communication infrastructures for embedded systems. It provides a scalable structure and balanced communication between the cores. Parallel applications that take advantage of the NoC architectures, are usually are communication-intensive. Thus, a big deal of data packets is transmitted simultaneously through the network. In order to avoid congestion delays that deteriorate the execution time of the implemented applications, an efficient routing strategy must be thought of carefully. In this paper, the ant colony optimization paradigm is explored to find and optimize routes in a mesh-based NoC. The proposed routing algorithms are simple yet efficient. The routing optimization is driven by the minimization of total latency during packets transmission between the tasks that compose the application. The presented performance evaluation is threefold: first, the impact of well-known synthetic traffic patterns is assessed; second, randomly generated applications are mapped into the NoC infrastructure and some synthetic communication traffics, that follow known patterns, are used to simulate real situations; third, sixteen real-world applications of the E3S and one specific application for digital image processing are mapped and their execution time evaluated. In both cases, the obtained results are compared to those obtained with known general purpose algorithms for deadlock free routing. The comparison avers the effectiveness and superiority of the ant colony inspire routing.

journal homepage: www.elsevier.com/locate/eswa

مراجع

[1] Benini, L., & De Micheli, G. (2002). Networks on chips: A new SoC paradigm.Computer, 35(1), 70–78.

[2] Bonabeau, E., Dorigo, M., & Theraulaz, G. (1999). Swarm intelligence: From natural toartificial systems. USA: Oxford University Press.

[3]Chandra Mohan, B., & Baskaran, R. (2012). A survey: Ant colony optimization basedrecent research and implementation on several engineering domain. Expert Systems with Applications, 39(4), 4618–4627.

[4] Chiu, G. M. (2000). The odd–even turn model for adaptive routing. IEEE Transactions on Parallel and Distributed Systems, 11(7), 729–738.

[5] Da Silva, M. V. C., Nedjah, N., & Mourelle, L. M. (2009). Efficient mapping of an image processing application for a network-on-chip based implementation. International Journal of High Performance Systems Architecture, 2(1), 46–57.

[6] Da Silva, M. V. C., Nedjah, N., & Mourelle, L. M. (2009). Optimal ip assignment for efficient noc-based system implementation using NSGA-II and MicroGA. IJCIS, 2(2), 115–123. Dick, R. (2012). Embedded system synthesis benchmarks suites (E3S). <http://ziyang.eecs.umich.edu/dickrp/e3s/>. [Online; accessed 02-May-2012].

[7] Dick, R. P., Rhodes, D. L., & Wolf, W. (1998). TGFF: Task graphs for free. In Proceedings of the sixth international workshop on hardware/software codesign (pp. 97–101).IEEE Computer Society.

[8] Dorigo, M., Birattari, M., & Stutzle, T. (2006). Ant colony optimization. Computational Intelligence Magazine IEEE, 1(4), 28–39.

[9] Dorigo, M., & Gambardella, L. M. (1997). Ant colony system: A cooperative learning approach to the traveling salesman problem. IEEE Transactions on Evolutionary Computation, 1(1), 53–66.

[10] Dorigo, M., Maniezzo, V., & Colorni, A. (1996). Ant system: Optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, 26(1), 29–41.

[11] Duato, J. (1993). A new theory of deadlock-free adaptive routing in wormhole networks. IEEE Transactions on Parallel and Distributed Systems, 4(12), 1320–1331.

[12] Duato, J., Yalamanchili, S., & Ni, L. M. (2003). Interconnection networks: An engineering approach. Morgan Kaufmann. Edwards, S., Lavagno, L., Lee, E. A., & Sangiovanni-Vincentelli, A. (1997). Design of

embedded systems: Formal models, validation, and synthesis. Proceedings of the IEEE, 85(3), 366–390.

[13] Esser, R., & Knecht, R. (1993). Intel paragon XP/S-architecture and software environment. In Anwendungen, Architekturen Trends, Seminar (pp. 121–141). Springer-Verlag.

[14] Gheysari, K., Khoei, A., & Mashoufi, B. (2011). High speed ant colony optimization cmos chip. Expert Systems with Applications, 38(4), 3632–3639.

[15] Glass, C. J., & Ni, L. M. (1992). The turn model for adaptive routing. SIGARCH Computer Architecture News (vol. 20, pp. 278–287). ACM.

[16] Goss, S., Aron, S., Deneubourg, J., & Pasteels, J. (1989). Self organized shortcuts in the argentine ant. Naturwissenschaften, 76, 579–581. 10.1007/ BF00462870.

[17] Intel, A. (1991). Touchstone DELTA system description. Supercomputer systems division. Beaverton, OR 97006: Intel Corporation.

[18] Jَz´wiak, L., Nedjah, N., & Figueroa, M. (2010). Modern development methods and tools for embedded reconfigurable systems: A survey. Integration the VLSIJournal, 43(1), 1–33.

[19] Marcon. C. A. M. (2005). Modelos para o Mapeamento de Aplicaçُes em Infraestruturas de Comunicaçمo Intrachip. Ph.D. thesis, Universidade Federal do Rio Grande do Sul.

[20] Moraes, F., Calazans, N., Mello, A., Moller, L., & Ost, L. (2004). HERMES: An infrastructure for low area overhead packet-switching networks on chip. Integration the VLSI Journal, 38(1), 69–93.

[21] Mourelle, L. M., Ferreira, R. E., & Nedjah, N. (2010). Migration selection of strategies for parallel genetic algorithms: Implementation on networks on chips. International Journal of Electronics, 97(10), 1227–1240.

[22] Nedjah, N., Da Silva, M. V. C., & Mourelle, L. M. (2011). Customized computer-aided application mapping on noc infrastructure using multi-objective optimization. Journal of Systems Architecture: The EUROMICRO Journal, 57(1), 79–94.

[23] Ni, L. M., & McKinley, P. K. (1993). A survey of wormhole routing techniques in direct networks. Computer, 26(2), 62–76.

[24] Seitz, C. L., Athas, W. C., Flaig, C. M., Martin, A. J., Seizovic, J., Steele, C. S., & Su, W. K. (1988). The architecture and programming of the ametek series 2010 multicomputer. Proceedings of the third conference on hypercube concurrent computers and applications: Architecture, software, computer systems, and general issues (Vol. 1, pp. 33–37). ACM.

[25] Seitz, C. L., Boden, N. J., Seizovic, J., & Su, W. K. (1993). The design of the Caltech Mosaic C multicomputer. Computer, 256, 80.

[26] Trappey, C. V., Trappey, A. J. C., Huang, C. J., & Ku, C. C. (2009). The design of a JADEbased autonomous workflow management system for collaborative SoC design. Expert Systems with Applications, 36(2), 2659–2669.

[27] Zeferino, C. A., & Susin, A. A. (2003). Socin: A parametric and scalable network-onchip. In Proceedings of the 16th symposium on integrated circuits and systems design, 2003. SBCC 2003 (pp. 169–174). IEEE.

آنچه تحویل داده می شود:

1. فایل ورد Microsoft Word .docx ترجمه به فارسی
2. فایل PDF مقاله اصلی به زبان انگلیسی

تعداد صفحات مقاله ترجمه شده (فارسی): 44 صفحه

تعداد صفحات مقاله اصلی انگلیسی: 13 صفحه

مناسب برای دانشجویان کارشناسی و ارشد کامپیوتر (مهندسی نرم افزار و معماری کامپیوتر) و دانشجویان IT بالاخص دانشجویان سخت افزار و معماری کامپیوتر در ارشد ضمناً دانشجویان برق و الکترونیک نیز چه در مقطع ارشد و چه در مقطع کارشناسی با چنین موضوعاتی سر و کار دارند

می توان به عنوان پروژه دروس کارشناسی ارشد یا کارشناسی این پروژه را تحویل داد، دروسی مانند شبکه کامپیوتری، محاسبات توزیع شده، شبکه های کامپیوتری پیشرفته، پردازش توزیع شده، معماری کامپیوتر پیشرفته و غیره

از پایین همین صفحه می توانید این پروژه را خریداری نمایید.

دانلودمقاله مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید

اختصاصی از هایدی دانلودمقاله مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید دانلود با لینک مستقیم و پر سرعت .

مقایسه ویژگی های مبتنی بر فیلترهای گابور و ارایه روشی جدید برای تعیین هویت نویسنده بر اساس دست نوشته فارس

چکیده
اغلب تحقیقات انجام شده در زمینه تعیین هویت نویسنده بر روی زبان انگلیسی متمرکز بوده و تاکنون مطالعاتی در زمینه متون دستنویس فارسی گزارش نشده است. بنابراین در این مقاله روشی برای تعیین هویت نویسنده بر اساس متن دست نویس فارسی پیشنهاد شده که به صورت برون خط و مستقل از متن انجام می شود. بر اساس ایده مطرح شده در مطالعات قبلی، در روش پیشنهادی تصویر متن دست نویس به صورت یک بافت در نظر گرفته شده و پس از مرحله نرمال سازی، با کمک فیلترهای گابور ویژگی های متن استخراج می شود. ویژگی روش پیشنهادی استفاده از بانک فیلتری است که با ساختار متون دستنویس فارسی و همچنین سیستم بینایی تناسب بیشتری دارد. علاوه بر این روش جدیدی جهت استخراج ویژگیها از خروجی فیلترهای گابور پیشنهاد شده که مبتنی بر ویژگی انرژی گابور و گشتاورهای هندسی است. همچنین برای اولین بار، روشهای مختلف استخراج ویژگی از خروجی فیلترهای گابور را برای مسئله تعیین هویت نویسنده مورد بررسی کامل قرار داده ایم. تمامی این روشها به همراه دو روش ماتریس هم وقوعی و روش Said که مبتنی بر فیلترهای گابور می باشد و برای متون انگلیسی پیشنهاد شده است، را پیاده سازی نموده ایم. نتایج اجرای روشها بر روی تصاویر دستخط 40 نفر که هیچ محدودیتی در نوع دستخط آنها وجود ندارد، نشان می دهد که روش پیشنهادی از کارایی بالاتری برای متون دستنویس فارسی برخوردار است.
واژه های کلیدی: تعیین هویت نویسنده، دست نوشته، فیلتر گابور چند کانالی، ماتریس هم وقوعی
1- مقدمه
در بین ویژگی های رفتاری دستخط افراد به راحتی قابل حصول است و علاوه بر این مطالعات نشان می دهند که افراد مختلف دارای دستخط های متفاوتی نیز می باشند. به همین دلیل تعیین هویت افراد به کمک متون دست نویس آنها، به عنوان یک موضوع تحقیقاتی در طی سالهای اخیر مورد توجه قرار گرفته و کاربرد آن در زمینه مسائل امنیتی، حقوقی، کنترل دسترسی به سیستمها و فعالیتهای مالی می باشد. هرچند که تعیین هویت بر اساس دستخط در مقایسه با ویژگیهای فیزیولوژیکی مثل الگوی عنبیه و اثر انگشت از دقت کمتری برخوردار است، اما این مسئله در جاهایی که اطلاعاتی بجز دستخط در دسترس نمی باشد و یا بعنوان مکملی جهت کارایی سیستمهای امنیتی و یاری رساندن به افراد خط شناس، کاربرد مشهودتری دارد. در مسئله تعیین هویت هدف این است که با داشتن یک متن دستنویس، هویت نویسنده آن را مشخص کنیم. هدف این مقاله این است که با ترکیب روشهای پردازش تصویر و شناسایی الگو راه حلی ماشینی برای تعیین هویت نویسنده ارایه دهد. این روشها را می توان به دو دسته کلی زیر تقسیم کرد:
1- روشهای برون خط (off line): در این روشها فقط تصویر متن دستنویس در دسترس است و ویژگیها با توجه به کل تصویر یا ساختار کلمه ها و نویسه ها استخراج می شوند. در این روشها بسیاری از اطلاعات دینامیکی که مربوط به طرز نوشتن افراد است، از دست می رود و این امر کار را نسبت به روشهای برخط مشکلتر می سازد. روشهای برون خط را می توان به دو گروه کلی وابسته به متن و مستقل از متن نیز دسته بندی کرد. در روشهای وابسته به متن، باید متن ثابتی توسط نویسنده نوشته شود تا بتوان هویت وی را مشخص نمود اما در روشهای مستقل از متن، با استفاده از هر نوع متنی هویت نویسنده آن مشخص می گردد.
2- روشهای برخط (on line): در این روشها علاوه بر ویژگیهای برون خط از اطلاعات دینامیکی مثل فشار قلم، ترتیب نوشتن، سرعت نوشتن، فرم ضربه های قلم و غیره نیز استفاده می شود. بنابراین بدلیل داشتن اطلاعات بیشتر، تعیین هویت با دقت بیشتری انجام می شود اما این روشها کاربردهای محدودتری را شامل می شوند.
فرض منحصر به فرد بودن دستخط افراد، بصورت علمی توسط Srihari بررسی شده است [2و1]. در این مطالعه 1000 نفر از بین جمعیت چندین ایالت مختلف آمریکا و بر اساس تفاوت سن، نژاد، تحصیلات و جنسیت انتخاب شدند و از آنها خواسته شد که متن مشخصی را سه مرتبه و بر روی یک کاغذ بدون خط و با خودکار مشکی بنویسند. سپس ویژگیهایی در سطح کل متن، پاراگراف، خط و کلمه از متون دست نویس استخراج شده و با کمک فاصله اقلیدسی تعیین هویت انجام می شود. از جمله کارهای انجام شده در زمینه تعیین هویت نویسنده، می توان به مواردی چون روش مبتنی بر ارزیابی اطلاعات [3]، استفاده از ویژگی کانتور اجزاء متصل [4]، روش مبتنی بر ویژگیهای لبه [5]، کدگذاری هیستوگرام نمای عمودی با کمک مورفولوژی (6) و روش مبتنی بر مدل مخفی مارکوف [7] اشاره کرد. اغلب روشهای مذکور برای متن ثابت ارایه شده اند و نیازمند تقطیع متن می باشند. چون هدف ما ارایه روشی خودکار جهت تعیین هویت نویسنده بوده و محدودیتی برای نوع دستخط های مورد بررسی قرار نداده ایم، بنابراین استفاده از روشهایی که نیازمند تقطیع خودکار و کامل متن به کلمات و حروف می باشند، مورد نظر نیست. بنابراین در این مقاله با استفاده از یک روش مبتنی بر بافت، متن دستنویس را به صورت تصویر بافت در نظر گرفته و مسئله تعیین هویت نویسنده به مسئله طبقه بندی بافت تبدیل می گردد.
2- روش پیشنهادی
در این روش از ایده مطرح شده در [8] استفاده شده و تصویر متن دست نویس بصورت یک بافت در نظر گرفته شده است. برای این منظور ابتدا مراحل نرمال سازی بر روی تصویر متن انجام شده و سپس ویژگیهای متن به کمک بانکی از فیلترهای گابور استخراج می شوند. با کمک این ویژگیها و یک طبقه بندی کننده هویت متن دست نویس ورودی تعیین می گردد. در ادامه به شرح هر یک از این مراحل خواهیم پرداخت.
2-1- نرمال سازی تصویر
روشهای تحلیل بافت را نمی توان مستقیماً برای تصویر متن دست نویس به کار گرفت و ابتدا باید تصویر را نسبت به تأثیر عواملی مثل فاصله خطوط، کلمات و غیره نرمال سازی نمود تا بلوکی یکنواخت از متن دست نویس مورد نظر حاصل شود. مراحل نرمال سازی تصویر متن عبارتند از:
(الف) به منظور استخراج خطوط و کلمات موجود در متن، معمولاً از منحنی نمای نیم رخ تصویر باینری استفاده می شود [9]. در این مقاله ما نسخه ای تغییر یافته از این الگوریتم که برای تصاویر سطوح خاکستری پیشنهاد شده [10]، را استفاده نموده ایم. ابتدا نمای نیم رخ افقی تصویر محاسبه شده و سپس با یک فیلتر پایین گذر گاسین هموارسازی می شود. هموارسازی ماکزیمم های محلی را حذف نموده و حساسیت به نویز را کاهش می دهد. در شکل 1 تصویر متن دستنویس، منحنی نیم رخ افقی و منحنی هموارسازی شده متناظر با آن را مشاهده می کنیم. در این منحنی قله ها متناظر با فاصله بین خطوط و دره ها متناظر با مرکز خطوط متن هستند که برای یافتن قله ها یا خطوط در متن می توان نقاط صفر در مشتق منحنی را محاسبه نمود. به دلیل خطی بودن کانولوشن، هموارسازی و مشتق گیری را می توان در یک مرحله انجام داد. پس برای یافتن خطوط متن کافی است منحنی نمای نیم رخ افقی را با مشتق تابع گاسین فیلتر نماییم.
***********
شکل 1: استخراج خطوط متن الف) تصویر متن ب) منحنی نیم رخ افقی ج) منحنی نیم رخ افقی پس از هموارسازی
(ب) هر یک از خطوط متن که در مرحله قبل پیدا شدند، باینری شده و سپس نمای نیم رخ عمودی مربوط به آن محاسبه می شود. با کمک این منحنی فاصله های بین کلمات را پیدا می کنیم و فاصله هایی که اندازه آنها از 5 نقطه بیشتر باشد را با مقدار 5 نقطه نرمال می کنیم. بنابراین فاصله کلمات حداکثر 5 نقطه خواهد بود و فاصله های کمتر از 5 نقطه نیز بعنوان فاصله های بین حروف در نظر گرفته می شوند. همچنین در صورتی که انتهای خط خالی باشد، با تکرار مجدد آنرا به حدی پر می کنیم که طول خط به اندازه مشخصی (در این مقاله 256 نقطه) برسد. فاصله بین خطوط متن را نیز با مقدار مشخصی تنظیم می کنیم. مرحله نرمال سازی فاصله بین کلمات، فاصله بین خطوط و پر کردن خطوط در شکل 2-الف ارایه شده است.
(ج) در صورت خالی بودن بخش انتهایی تصویر، آنرا با تکرار مجدد خطوط ابتدایی تصویر به نحوی پر می کنیم که طول تصویر به اندازه مشخصی (در این مقاله 384 نقطه) برسد. در شکل 2-ب تصویر نرمال سازی شده نهایی ارایه شده است.
*******************
شکل 2: الف) نرمال سازی بین کلمات، فاصله خطوط و پرکردن انتهای خطوط ب) پرکردن بخش انتهایی (تصویر نهایی)
2-2- استخراج ویژگی
به منظور ارایه روشی کارا جهت تعیین هویت نویسنده، باید ویژگی هایی را در نظر گرفت که بیانگر تفاوت دستخط های مختلف می باشند. بنابراین در این مقوله استفاده از ویژگی های معرفی شده در مطالعات OCR مناسب به نظر نمی رسد زیرا هدف طراحی این ویژگی ها، تشخیص کلمات و حروف مستقل از تفاوت دستخطهای مختلف می باشد. به دلیل کارایی خوب فیلتر گابور در بحث تحلیل بافت و کاربردهای مشابه [12و11و8]، محاسبه ویژگیها را بر این اساس انجام دادیم. برای این منظور طراحی بانک فیلتر گابور را بر اساس نتایج تجربی و مطالعات انجام شده در زمینه نحوه عملکرد سیستم بینایی انجام داده ایم وبرای استخراج ویژگی، یک روش جدید بر اساس گشتاورهای هندسی و انرژی گابور پیشنهاد کرده ایم. همچنین با استفاده از بانک فیلتر طراحی شده، سایر روشهای موجود برای استخراج ویژگی مبتنی بر فیلترهای گابور را بررسی و مقایسه نموده ایم. علاوه بر این ویژگی های مبتنی بر ماتریس هم وقوعی و روش ارائه شده توسط Said را به عنوان دو روش مقایسه ای دیگر مورد بررس قرار داده ایم.
2-2-1- استخراج ویژگی روش پیشنهادی
تحقیقات علم فیزیولوژی نشان می دهد که پردازش اطلاعات تصویری در سیستم بینایی، توسط مجموعه ای از مکانیسم های موازی به نام کانالها انجام می شود به طوریکه هر کانال برای یک باند فرکانسی کم پهنا و با جهت مشخص تنظیم می گردد. به لحاظ ریاضی هر یک از این کانالها با یک جفت فیلتر میان گذر گابور مدل سازی می شوند. ما در روش پیشنهادی از فیلترهای گابور چند کانالی که در [13] معرفی شده اند، استفاده کرده ایم. ویژگی این فیلترها در نظرگرفتن یافته های تجربی در طراحی آنهاست و با رابطه زیر تعریف می شوند:
(1)


در این رابطه زوج مرکز فیلتر را مشخص می کند و پارامتر نیز انحراف معیار تابع گاسین است که اندازه محدوده پذیرش فیلتر را تعیین می کند. مقدار شکل کشیدگی توابع یا محدوده پذیرش را مشخص می کند و مثلاً برای مقدار 1= شکل توابع گابور در حوزه فرکانس بصورت دایره و برای مقادیر 1< به صورت بیضی خواهد بود. پارامتر طول موج تابع cos و مشخص کننده فرکانس مکانی /1 مربوط به کانال مورد نظر می باشد. پارامتر که مقداری بین 0 و را انتخاب می کند، جهت مربوط به کانال را تعیین می نماید. در واقع دو پارامتر و مشخص کننده مکان کانال مورد نظر در نقشه فرکانسی و پارامتر نیز تعیین کننده فاز است. پاسخ فیلتر گابور از کانولوشن تابع معرفی شده در رابطه (1) با تصویر بلوک مورد نظر به دست خواهد آمد:
(2)
در این رابطه پاسخ فیلتر گابور و f(x,y) نیز تصویر بلوک مورد نظر می باشد. بر همین اساس مقدار انرژی گابور که از ترکیب پاسخ یک جفت سلول ساده با اختلاف فاز 2/ بدست می آید، با رابطه زیر تعریف می شود:
(3)
انرژی گابور رفتار سلولهای پیچیده سیستم بینایی را مدل سازی می کند و به عنوان ویژگی مؤثر در بسیاری از روشهای تحلیل بافت مورد استفاده قرار می گیرد [13و8]. بر اساس نتایج تجربی، پهنای باند فرکانسی برای سلولهای ساده ی قشر بینایی در حدود 1 اکتاو است [14]، بنابراین نسبت که تعیین کننده پهنای باند فرکانسی است با مقدار ثابت 0/56 مقداردهی می شود به نحوی که براساس رابطه زیر پهنای باند کانال برابر 1 اکتاو شود:
(4)
بر اساس مطالعاتی که Wiesel , Hubel [15] انجام داده اند، سلولهای ساده در راستای جهت های خاصی با پهنای باند تقریبی ْ30 حساس هستند. بنابراین در روش پیشنهادی برای هشت جهت و همچنین سه فرکانس مکانی مقدار انرژی گابور را محاسبه نموده و 24 تصویر پاسخ بدست می آید. انتخاب فرکانسها و جهت ها باید به نحوی باشد که دامنه فرکانسی پوشش داده شود (شکل 3).

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله  19  صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

دانلود پروژه توانبخشی مبتنی بر جامعه CBR

اختصاصی از هایدی دانلود پروژه توانبخشی مبتنی بر جامعه CBR دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه توانبخشی مبتنی بر جامعه

فهرست

چکیده : 1

مقدمه.. 8

رویکرد چند بخشی... 11

معیار برنامه.. 12

اجزاء برنامه های توانبخشی مبتنی بر جامعه.. 14

بخش های درگیر در توسعه و اجرای توانبخشی مبتنی بر جامعه.. 18

افراد تحت پوشش طرح CBR:. 22

خدمات توانبخشی در طرح CBR:. 22

توانبخشی مبتنی بر جامعه؛ ‌راهبردی برای کمک به معلولا‌ن.. 25

تاریخچه توان بخشی در جهان : 30

تاریخچه توان بخشی در ایران : 31

تعاریف و مفاهیم : 33

تعریف توان بخشی حرفه ای : 34

مراحل توانبخشی حرفه ای : 34

برنامه توانبخشی مبتنی بر جامعه در ایران.. 37

NGOها و توان‌بخشی مبتنی بر جامعه.. 40

معلولان درگذر زمان : 44

توانبخشی مبتنی برجامعه و آموزش و پرورش فراگیر. 49

آموزش در خانواده، راهبرد اصلی توانبخشی مبتنی بر جامعه در ایران.. 71

منابع.. 79

فایل حاضر به صورت word و شامل 97 صفحه و قابل ویرایش می باشد.