[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: الیاس رشنو - 1397/07/21 ::
 | تاریخ ارسال: ۱۳۹۷/۷/۲۱ | 

آقای الیاس رشنو دانشجوی کارشناسی ارشد آقای دکتر احمد اکبری  شنبه 1397 /21/07 ساعت 16:30 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان بهبود شبکه‌های عصبی همگشتی با در نظر گرفتن عدم قطعیت داده‌ها دفاع خواهند نمود.


چکیده پایان نامه:

امروزه شبکه‌های عصبی همگشتی به عنوان گروهی از شبکه‌های عصبی عمیق کاربرد فراوانی در بازشناسی گفتار و پردازش تصویر یافته‌اند. در بازشناسی گفتار از این شبکه‌ها برای مدل سازی صوتی و همچنین استخراج ویژگی از طیف سیگنال گفتار و در پردازش تصویر برای کلاسبندی و بخش‌بندی تصاویر استفاده شده است. یکی از مشکلات شبکه‌های عصبی همگشتی مقاوم نبودن در برابر نویز می‌باشد.‌ یکی از روش‌های کنترل نویر استفاده از عدم قطعیت داده‌ها است. در واقع یک داده نویزی مقدار عدم قطعیت بالاتری دارد.
در این پژوهش یک روش جدید برای بهبود شبکه‌های عصبی همگشتی با کمک تئوری نتروسافیک ارائه شده است در حالی که تئوری نتروسافیک یک روش برای محاسبه عدم قطعیت داده‌ها می‌باشد. نوآوری این پژوهش شامل دو مورد زیر است. مورد اول روش محاسبه عدم قطعیت داده در فضای نتروسافیک می‌باشد. در این قسمت با توجه به متفاوت بودن بودن ماهیت داده‌های گفتار و تصویر، برای هر مجموعه داده یک روش محاسبه عدم قطعیت ارائه شده است. مورد دوم تاثیر مقدار عدم قطعیت داده‌ها در شبکه‌های عصبی همگشتی می باشد. در این قسمت با کمک گرفتن از عدم  قطعیت داده‌ها در شبکه‌های عصبی همگشتی می توان دقت را بهبود داد. بنابراین در این پایان نامه دقت شبکه‌های عصبی همگشتی به کمک عدم قطعیت داده‌ها بهتر شده است. آزمایش‌های انجام شده  روی مجموعه دادگان  Aurora2و CIFAR-10 نشان می‌دهد دقت روش پیشنهادی در مقایسه با شبکه‌های عصبی همگشتی  بهبود یافته است. برای مجموعه دادگان  Aurora2 در حالت تمیز و نویزی به ترتیب ۱۱ و ۴ درصد نسبت به شبکه‌های عصبی همگشتی بهبود داشته است. برای مجموعه دادگان CIFAR-10 نیز در حالت نویزی حدود ۴ درصد دقت شبکه نسبت به شبکه‌های عصبی همگشتی بهتر شده است.
 

 

  ارائه­ دهنده:

الیاس رشنو

  استاد راهنما:

آقای دکتر احمد اکبری

  استاد ممتحن خارجی : آقای دکتر محمدمهدی همایونپور

استاد ممتحن داخلی: آقای دکتر ناصر مزینی

  زمان :  شنبه 21 مهرماه

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

دفعات مشاهده: 121 بار   |   دفعات چاپ: 2 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.19 seconds with 50 queries by YEKTAWEB 3760