بترکه چشم حسود    

جستجوی پیشرفته مقالات

     عنوان:

نماد اعتماد الکترونیکی

لیست مقالات ترجمه شده

سایر مقالات

امروز
دیروز
هفته جاری
هفته گذشته
ماه جاری
ماه گذشته
بازدید کل
7592
23099
115625
16404402
507069
496149
16896204

آی‌پی شما: 18.206.76.45
امروز: جمعه، 10 فروردين 1403 شمسی ساعت به وقت گرینویچ: 11:01:39

توجه                           توجه

تمامی مقالات ترجمه شده در قالب فایل ورد (Word)  ارائه می‌شوند.


       دسته‌بندی: مقالات پردازش تصویر       فروش: 0 بازدید: 12308
تشخیص چهره با شبکه های عصبی تابع اصول شعاعی (RBF)
    قیمت محصول: 240000 ریال



 

Face Recognition with Radial Basis Function (RBF) Neural Networks

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.

 

pdfدانلود رایگان مقاله انگلیسی420.79 KB

چکیده
روش طراحی موثر و کلی که از رده بندی کننده ی عصبی تابع اصول شعاعی (RBF) برای رسیدگی به مجموعه های آموزشی کوچکتر از ابعاد زیاد استفاده می کند که مشکل به طور متداول مطرح شده در تشخیص چهره می باشد، در این مقاله ارائه می شود. به منظور جلوگیری از تناسب اضافی و کاهش محدودیت محاسباتی، ویژگی های چهره ابتدا توسط روش تحلی مولفه ی مفهومی استخراج می شوند و سپس، ویژگی های حاصل توسط تکنیک تفکیک کننده ی خطی Fisher(FLD) برای دستیابی به الگوهای تفکیک کننده با ابعاد کمتر پردازش می شوند. الگوی جدید پیشنهاد می شود درحالیکه اطلاعات داده ای در تعیین پارامترهای اولیه و ساختار رده بندی کننده ی عصبی RBF قبل از یادگیری یکپارچه سازی می شوند. الگوریتم یادگیری پیوندی برای اموزش شبکه های عصبی RBF مورد استفاده قرار می گیرد طوریکه ابعاد فضای جستجو به میزان زیادی در الگوی گرادیان کاهش می یابد. نتایج شبیه سازی های انجام گرفته روی پایگاه داده ی ORL نشان میدهند که سیستم برحسب نرخ های خطای طبقه بندی و کارایی یادگیری به کارایی عالی دست می یابد.

 


تعداد صفحات مقاله انگلیسی: 14 صفحه
تعداد صفحات مقاله فارسی: 33 صفحه


لینک دانلود فایل خریداری شده بلافاصله بعد از پرداخت آنلاین فعال می‌شود