تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

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

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
تعداد صفحات مقاله انگلیسی : 14 تعداد صفحات ترجمه فارسی : 30
سال انتشار : 2002 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 3128 رفرنس : دارد
محتوای فایل : zip حجم فایل : 648.63Kb
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
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
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
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

نمونه متن 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 متن ترجمه

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.

خرید نسخه پاورپوینت این مقاله