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)

در این مدل، با در نظر گرفتن یک سری حالت، احتمال گذار حالات، یک بردار ویژگی و توابع توزیع عناصر بردار در هر حالت، … اعمال الگوریتم جستجوی ویتربی[1]بر روی مشاهدات، بهترین

یکی از نکات مهم در پیاده سازی VADها، انتخاب ویژگی و یا ویژگی هایی است که بتوان به کمک آنها به تمایز دو ناحیه سکوت وگفتار پرداخت. در این مرحله پارامترهای مورد

در این مرحله اعمال پنجره، فیلتر کردن اطلاعات و … انجام می شود. برای بررسی سیگنال، ابتدا سیگنال قاب- بندی[1] می شود. در اکثر الگوریتم های پردازش گفتار برای کمترکردن تاثیر لبه

سیگنال گفتار از دو ناحیه سکوت و غیرسکوت تشکیل می شود. آشکارسازی گفتار در حضور وقایع آکوستیکی غیرگفتاری و نویزهای زمینه، تشخیص گفتار از غیر گفتار نامیده می شود و با نام

تاکنون روش های مختلفی برای بخش بندی و خوشه بندی گویندگان در یک جریان صوتی پیشنهاد شده است. روش های بکارگرفته شده را میتوان در سه دسته طبقه بندی نمود: روش های

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

شبیه سازی نرم افزار شبیه ساز که اصطلاحا به آن سرور شبیه سازی می گویند در حقیقت مسئول شبیه سازی تمامی عوامل دخیل در یک مسابقه فوتبال واقعی مانند وزن توپ، وزن

روبوکاپ عنوان مسابقاتی درزمینه دانش روباتیک وهوش مصنوعی است که بصورت سالیانه توسط فدراسیون بین‌المللی روبوکاپ[1] برگزار می شود. روبوکاپ بزرگترین اقدام بشر در جهت عملیاتی شدن تحقیقات در حوزه هوش مصنوعی

از میان تقسیم بندی­های گوناگون ارائه شده در حیطه روباتیک، یکی از پرکاربردترین و مهمترین روبات­ها، روبات انسان­نما می­باشد که از نظر تقسیم­بندی در دسته روبات های پادار دوپا قرار می­گیرد. این

این معیارهای شباهت تنها از اطلاعات هر میزبان استفاده می کند و نیازی به اطلاعات مرتبط یا همسایگی گره ندارد. این معیارها به سادگی از گراف دوسویه شبکه استخراج می شوند. به

معیارهای شباهت مبتنی بر گراف، معیارهایی هستند که از اطلاعات ارتباط همبندی گراف در محاسبات خود استفاده می کنند. به عبارتی به اطلاعاتی فراتر از اطلاعات یک تک گره نیاز دارند. در

سیستم های شناسایی نفوذ مبتنی بر شبکه از دو رویکرد کلی جهت شناسایی ترافیک مشکوک استفاده می کنند. هر بسته داده عبوری در شبکه دارای دو بخش عنوان و محتوا می باشد.

همان طور که گفته شد، یک سیستم شناسایی نفوذ با نظارت بر فعالیت های کامپیوتری موجود در محیط و تحلیل آن، قادر به شناسایی فعالیت­های خبیثانه و آگاه کردن مدیر سیستم و

برای این که درک بهتری از روند الگوریتم های شناسایی نفوذ داشته باشیم، در این بخش مروری کلی بر انواع حملات موجود خواهیم داشت. دسته بندی های متفاوتی از حملات در حوزه

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

دیوار آتش، از اجزای لاینفک شبکه‌های کامپیوتری می باشد که از دستیابی غیر مجاز به شبکه‌ جلوگیری می‌کنند. این سیستم امنیتی معمولاً ترکیبی از سخت‌افزار و نرم‌افزار است و با توجه به

این سیستم‌های که با عنوان سیستم های شناسایی و جلوگیری از نفوذ هم شناخته می‌شوند، ابزاری برای امنیت سیستم ها هستند که فعالیت‌های موجود در شبکه و یا سیستم را برای تشخیص

این سیستم ها وظیفه شناسایی و تشخیص هر گونه استفاده غیرمجاز به سیستم، سوء استفاده و یا آسیب رسانی توسط کاربران داخلی و یا خارجی را بر عهده دارند. تشخیص و جلوگیری

1-1- رديابي چهره و اجزاي آن تقريبا در تمام سيستم‏هاي نظارت چهره راننده، پس از آشکارسازي چهره رديابي آن انجام مي‏گيرد. رديابي چهره به جاي آشکارسازي آن در فريم‏هاي متوالي باعث کاهش

در سيستم‏هاي نظارت چهره راننده کمتر از ويژگي‏هاي ساير اجزاي چهره مانند بيني و لب‏ها استفاده شده، اما در اين بخش مروري کوتاه بر روش‏هاي آشکارسازي بيني و لب خواهد شد. معمولا