ترجمه مقاله طبقه بندی تصویر بیولوژیکی با استفاده ازشبکه عصبی مصنوعی راف-فازی - نشریه الزویر

ترجمه مقاله طبقه بندی تصویر بیولوژیکی با استفاده ازشبکه عصبی مصنوعی راف-فازی - نشریه الزویر
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
طبقه بندی تصویر بیولوژیکی با استفاده ازشبکه عصبی مصنوعی راف-فازی
عنوان انگلیسی
Biological image classification using rough-fuzzy artificial neural network
صفحات مقاله فارسی
16
صفحات مقاله انگلیسی
7
سال انتشار
2015
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده و pdf
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
5.891 در سال 2018
شاخص H_index مجله
162 در سال 2019
شاخص SJR مجله
1.190 در سال 2018
شناسه ISSN مجله
0957-4174
شاخص Q یا Quartile (چارک)
Q1 در سال 2018
کد محصول
F1369
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
درج نشده است ☓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
بیس
نیست ☓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مهندسی کامپیوتر، هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
مجله
سیستم های خبره و کاربردهای آن - Expert Systems With Applications
دانشگاه
گروه EIM، برزیل
کلمات کلیدی
شناسایی تصویر، انتخاب خصوصیت، مجموعه های راف، مجموعه های فازی، شبکه عصبی مصنوعی
کلمات کلیدی انگلیسی
Image identification - Feature selection - Rough sets - Fuzzy sets - Artificial neural network
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.eswa.2015.07.075
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1-مقدمه
2-بررسی متون
2-1-شناسایی تصویر
2-2-تئوری مجموعه راف یا RS
2-3-مجموعه فازی (FS)
2-4-شبکه های عصبی مصنوعی یا ANN
2-5-شبکه عصبی مصنوعی راف-فازی RFANN
3-روش شناسی آزمایشی
3-1-تعیین الگوریتم جدید
3-2-فضاهای تخمین
4-اجرای آزمایشات
4-1-RFANN بکار بسته شده برای شناسایی تصویر
4-2-مقایسه با خصوصیات انتخابی تصادفی
5-نتیجه گیری ها
نمونه چکیده متن اصلی انگلیسی
Abstract

This paper presents a methodology to biological image classification through a Rough-Fuzzy Artificial Neural Network (RFANN). This approach is used in order to improve the learning process by Rough Sets Theory (RS) focusing on the feature selection, considering that the RS feature selection allows the use of low dimension features from the image database. This result could be achieved, once the image features are characterized using membership functions and reduced it by Fuzzy Sets rules. The RS identifies the attributes relevance and the Fuzzy relations influence on the Artificial Neural Network (ANN) surface response. Thus, the features filtered by Rough Sets are used to train a Multilayer Perceptron Neuro Fuzzy Network. The reduction of feature sets reduces the complexity of the neural network structure therefore improves its runtime. To measure the performance of the proposed RFANN the runtime and training error were compared to the unreduced features.

نمونه چکیده ترجمه متن فارسی
چکیده
این مقاله نمایانگر یک روش شناسی برای طبقه بندی تصویر بیولوژیکی ازطریق یک شبکه عصبی مصنوعی راف-فازی یا RFANN می باشد. این رهیافت برای بهبود پروسه یادگیری توسط تئوری مجموعه های راف RS متمرکز بر انتخاب خصوصیت با درنظرگیری این امر استفاده می شود که انتخاب خصوصیت RS به استفاده از خصوصیات بعد پایین از پایگاه داده های تصویر امکان می دهد. این نتیجه می تواند حاصل آید، زمانی که خصوصیات تصویر با استفاده از توابع عضویت مشخصه سازی گردیده است و آنرا با قوانین مجموعه های فازی کاهش داده باشند. RS ارتباط خصوصیات و تاثیرروابط فازی را روی پاسخ سطح شبکه عصبی مصنوعی یا ANN شناسایی می کند. بااینحساب، خصوصیات فیلتر شده با مجموعه های راف برای آموزش یک شبکه فازی نرونی ادراک چندلایه ای بکار می رود. کاهش مجموعه های خصوصیات منجر به کاهش پیچیدگی ساختار شبکه عصبی می گردد از اینرو زمان اجرای آن را بهبود می دهد. برای اندازه گیری عملکرد RFANN مطرح شده، زمان اجرا و خطای اموزشی را با خصوصیات کاهش نیافته مقایسه کردیم.

بدون دیدگاه