منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

دانلود ترجمه مقاله تشخیص چهره با شبکه عصبی RBF تابع مبنای شعاعی - مجله IEEE

دانلود ترجمه مقاله تشخیص چهره با شبکه عصبی RBF تابع مبنای شعاعی - مجله IEEE
قیمت خرید این محصول
۱۸,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
تشخیص چهره (چهره نگاری) با استفاده از شبکه های عصبی RBF (تابع مبنای شعاعی)
عنوان انگلیسی
Face Recognition With Radial Basis Function (RBF) Neural Networks
صفحات مقاله فارسی
30
صفحات مقاله انگلیسی
14
سال انتشار
2002
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
3128
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی برق و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی الکترونیک، هوش مصنوعی و مهندسی نرم افزار
مجله
شبکه های عصبی
دانشگاه
دانشکده مهندسی برق و الکترونیک، دانشگاه فنی نانیانگ، سنگاپور
کلمات کلیدی
تشخیص چهره، مبین و مشخص کننده خطی فیشر، پایگاه داده ORL، آنالیز مولفه اصلی، شبکه های عصبی RBF، مجموعه های آموزشی کوچک با ابعاد بالا
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
مقدمه
تابع تشخیص خطی فیشر (FLD)
تعیین ساختار و راه اندازی شبکه های عصبی RBF
تعیین ساختارو انتخاب نمونه های اولیه
تخمین عرض
الگوریتم یادگیری هیبریدی
تعدیل وزن
اصلاح پارامترهای واحدهای RBF
روش یادگیری
ملاحظات
نتایج آزمایش
پایگاه داده ORL
خطای رده بندی قبل از یادگیری
خطای رده بندی بعد از یادگیری
مقایسه با سایر شیوه ها
بحث
رابطه بین مشخصه های چهره،رده بندها و عملکرد
رابطه بین نمونه های تمرینی و عملکرد
رابطه بین ارزش دهی اولیه و عملکرد
مشکل مجموعه نمونه های کوچک
نتیجه گیری
خرید نسخه پاورپوینت این مقاله
نمونه چکیده متن اصلی انگلیسی
Abstract

A general and efficient design approach using a radial basis function (RBF) neural classifier to cope with small training sets of high dimension, which is a problem frequently encountered in face recognition, is presented in this paper. In order to avoid overfitting and reduce the computational burden, face features are first extracted by the principal component analysis (PCA) method. Then, the resulting features are further processed by the Fisher’s linear discriminant (FLD) technique to acquire lower-dimensional discriminant patterns. A novel paradigm is proposed whereby data information is encapsulated in determining the structure and initial parameters of the RBF neural classifier before learning takes place. A hybrid learning algorithm is used to train the RBF neural networks so that the dimension of the search space is drastically reduced in the gradient paradigm. Simulation results conducted on the ORL database show that the system achieves excellent performance both in terms of error rates of classification and learning efficiency.

نمونه چکیده ترجمه متن فارسی
چکیده
در این مقاله شیوه طراحی کارآمد و عمومی با استفاده از رده بند و دسته کننده عصبی RBF برای رسیدگی به مجموعه های آموزشی کوچک با ابعاد بالا که در تشخیص چهره به کرار دیده می شود، معرفی شده است. به منظور اجتناب از انطباق زیاد و کاهش بار محاسباتی، ابتدا ویژگیها و مشخصه های چهره با روش آنالیز مولفه اصلی (PCA) استخراج می شوند. سپس مشخصه های حاصله با تکنیک FLD بیشتر مورد پردازش قرار می گیرند، تا بدین طریق الگوهای مبین و مشخص کننده با ابعاد پائین تر بدست آید. در اینجا الگوی جدیدی پیشنهاد شده است که به واسطه آن از اطلاعات داده برای تعیین ساختار و پارامترهای فردی رده بند عصبی RBF قبل از فراگیری استفاده شده است. در این راستا از الگوریتم یادگیری هیبریدی برای آموزش و تمرین شبکه های عصبی RBF استفاده شده است، به گونه ای که اندازه فضای جستجو در الگوی گرادیان به طور چشمگیری کاهش یافته است. نتایج شبیه سازی اجرا شده برروی پایگاه داده ORL نشان می دهد که سیستم از نظر نرخ خطای رده بندی و راندمان یادگیری، به عملکرد عالی دست می یابد.

بدون دیدگاه