تحلیل جاذب ها در شبکه های عصبی خودانجمنی و کاربرد آن در آنالیز تصاویر چهره

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 229

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-9-1_006

تاریخ نمایه سازی: 2 دی 1400

چکیده مقاله:

شبکه های عصبی خودانجمنی بالقوه امکان به کارگیری برای پردازش و هنجارسازی غیرخطی داده ها را در خود دارند؛ زیرا نخست، به یادگیری و شبیه سازی ارتباطات غیرخطی پیچیده قادرند و دوم، این ارتباطات را با تجزیه و گسترده سازی اطلاعات روی نورون ها و وزن ها و سپس ترکیب نتایج پردازش آنها به انجام می رسانند و از این طریق روی اطلاعات ورودی و ارتباطات مابین آنها عملا درون یابی انجام می دهند. ایراد این شبکه ها این است که نمی توانند رفتار جاذب گونه را توضیح دهند که یکی از واضح ترین عملکردهای مغز است. در این مقاله با برقراری اتصال بازگشتی در ساختار این شبکه ها، قابلیت رفتار جاذب گونه نیز به آنها افزوده شده است. تحلیل های انجام شده در این راستا نشان داد برای یک نورون با تابع غیرخطی تانژانت هیپرپولیک، با برقراری این اتصال بازگشتی، همواره در محل نمونه تعلیم داده شده و قرینه آن دو جاذب ایجاد می شود؛ اما در صورتی که تابع غیرخطی، سیگموئید باشد برای محدوده خاصی جاذب تشکیل می شود. در آزمایشات روی تصاویر چهره نشان داده شد با افزایش تعداد لایه های شبکه خودانجمنی، قابلیت ذخیره تصاویر بیشتری فراهم می شود؛ به طوری که با پیش تعلیم لایه به لایه باسرپرست، به منظور جهت دهی به نحوه تشکیل جاذب ها، میزان جذب تصاویر به جاذب هایی با حالت مشابه از ۶۷/۵۲% به ۲۷/۸۷% بهبود یافت.

کلیدواژه ها:

نویسندگان

سیده زهره سیدصالحی

فارغ التحصیل دکتری، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران

سیدعلی سیدصالحی

دانشیار، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Hou Y., Yao L., and He P., "Robust Nonlinear Dimension ...
  • Huang D., Yi Z., and Pu X., "Manifold-based Learning and ...
  • .Seow M.- J. and Asari V.K., "Learning a Perceptual Manifold", ...
  • Seow M.-J. and Asari V.K., "Recurrent Neural Network as a ...
  • Nejadgholi I., Seyyedsalehi S.A., and Chartier S., "A Brain-Inspired Method ...
  • Trappenberg T.P., "Continuous Attractor Neural Networks", Recent developments in biologically ...
  • Saul L.K. and Jordan M.I., "Attractor Dynamics in Feedforward Neural ...
  • Diamantaras K.I. and Kung S.Y., Principal Component Neural Networks: Wiley ...
  • Chartier S. and Boukadoum M., "A Bidirectional Heteroassociative Memory for ...
  • Amini N. and Seyyedsalehi S.A., "Manipulation of attractors in feed-forward ...
  • Seyyedsalehi S.Z. and Seyyedsalehi S.A., "Improvement of Autoassociative Neural Networks ...
  • Kulenovic M.R. and Merino O., Discrete Dynamical Systems and Difference ...
  • Seyyedsalehi S.Z. and Seyyedsalehi S.A., "Simultaneous Learning of Nonlinear Manifolds ...
  • Lucey P., Cohn J. F., Kanade T., Saragih J., Ambadar ...
  • Mohammadian, A., Aghaeinia, H., & Towhidkhah, F. "Video-based Facial Expression ...
  • Seyyedsalehi S.Z. and Seyyedsalehi S.A., "A Fast and Efficient Pre-training ...
  • Calder A., Rhodes G., Johnson M., and Haxby J., Oxford ...
  • Seow M.-J., Asari V.K., and Livingston A., "Learning as a ...
  • نمایش کامل مراجع