خوشه بندی، سازمان دهی مجموعه ای از الگوها[1] بر اساس شباهت در خوشه ها است. به نحوی که الگوهای داخل یک خوشه شبیه به هم بوده و دارای بیشترین تفاوت با الگوهای خوشه های دیگر باشند. بطور کلی، فرآیند خوشه بندی بصورت یک دسته بندی بدون سرپرست، تعریف می شود که هیچ اطلاع قبلی در […]
در این روش بعد از فاز استخراج ویژگی، برای تصمیم گیری از یک شبکه عصبی استفاده می شود. شبکه های عصبی دارای ورودی، خروجی و لایه های مخفی میانی[1]می باشند. شکل (2-7) دیاگرام ساده ای از این روش می باشد. شکل (2-7): نمودار ساده ای از یک VAD مبتنی برشبکه های عصبی[30] در [30] در
بطور کلی مراحل مختلف یک سیستم بازشناسی گوینده، بصورت زیر خلاصه می گردد: 1-قطعه بندی آکوستیکی[1] 2-تشخیص گفتار از غیر گفتار[2] 3-تشخیص جنسیت گوینده 4-تشخیص تغییر گوینده 5-جمع زدن گوینده های مشابه این سیستم دارای بلوک های کاری مستقل از هم می باشد که هر بلوک ورودی خود را از خروجی بلوک قبلی دریافت می
در دهه اخیر با توجه به بالا رفتن سرعت شبکه های کامپیوتری، روش های نظارت و شناسایی مبتنی به جریان شبکه بسیار مورد توجه قرار گرفته اند. به طوری که تولید کنندگان قطعات و توسعه دهندگان شبکه های کامپیوتری، به استفاده از قطعاتی که استاندارد جریان شبکه را پشتیبانی می کنند تاکید دارند[6] 2-3-1. تعریف
پس از استخراج ويژگي، بحث چگونگي ارتباط ميان ويژگيها و نحوه تعيين ميزان خستگي و عدم تمرکز حواس راننده بر اساس اين ويژگيها مطرح ميشود. تعيين وضعيت راننده يک مسئله طبقهبندي[1] (دستهبندي) محسوب ميشود. سادهترين شکل آن، طبقهبندي وضعيت راننده به دو حالت هوشيار و غيرهوشيار مي‌باشد. در حالت ديگر ميتوان ميزان هوشياري راننده را
در سيستمهاي نظارت چهره راننده، ويژگيهاي مفيد براي تشخيص خستگي و عدم تمرکز حواس به سه دسته کلي قابل تقسيم است: ويژگيهاي ناحيه چشم ويژگيهاي ناحيه دهان ويژگيهاي ناحيه چهره و سر 1-1-1- ويژگيهاي ناحيه چشم چشم مهمترين عضو چهره است که نشانههاي خستگي و عدم تمرکز حواس در آن ظهور پيدا ميکند. به همين
الگوریتم AdaBoost، یک روش یادگیری جمعی است و معروف‌ترین الگوریتم از خانواده الگوریتمهای Boosting است که توسطFreund و Schapire [24] ارائه شده است. در الگوریتم های یادگیری جمعی، یک نمونه توسط چندین کلاسه بند مختلف کلاسه بندی می شود و نتایج کلاسه بندی ها به شکل هوشمندانه ای با یکدیگر ترکیب شده و نتیجه نهایی
يادگيري بر اساس تطابق نمونه هاي جديد با نمونه هاي ديده شده در اكثر طبقه بندها الگوريتم آموزش بر اساس نوعي اصلاح خطا در خروجي بوده و الگوريتم سعي در كم كردن فاصله بين خروجي مطلوب و خروجي واقعي شبكه دارد. به علت خصوصيات ذاتي در اين نوع الگوريتم ها از مشتقات و ماتريسهاي گراديان
ویژگیهای شبكه هاي عصبي مبتني بر الگوريتم رزونانس تطبيقي بیشتر بخوانید »
در شبكه هاي عصبي پرسپترون چند لايه يكي از پارامترهاي طبقه بند، سايز يا تعداد گره‌هاي هر لايه از شبكه مي‌باشد. اكثر مسايل طبقه بندي با استفاده از يك شبكه عصبي پرسپترون سه لايه (تك لايه مخفي) قابل حل هستند. اما سايز لايه مخفي شبكه كه عملكرد بهينه را تضمين مي كند به تعداد نمونه
فزايش پيچيدگي شبكه با افزايش تعداد نمونه هاي آموزش بیشتر بخوانید »
فوق لیسانس مهندسی برق در کانادا ، آمادگی خود جهت آموزش و انجام پروژه های متلب MATLAB و سیمولینک simulink و پایتون python را اعلام می کند. متقاضیان می توانند به ایمیل زیر پیام دهند : matlab120 [[att]] gmail dot com سابقه 12 ساله در انجام پروژه و برنامه نویسی متلب دانشگاهی و صنعتی