پایان نامه روش ها و الگوریتم های تشخیص چهره -شبکه های عصبی

اختصاصی از یاری فایل پایان نامه روش ها و الگوریتم های تشخیص چهره -شبکه های عصبی دانلود با لینک مستقیم و پر سرعت .

پایان نامه روش ها و الگوریتم های تشخیص چهره

چهره نقش اساسی را در شناسایی افراد و نمایش احساسات آنها در سطح جامعه دارد. توانایی انسان در تشخیص چهره ها قابل توجه است ما می توانیم هزاران چهره ی یاد داده شده در طول عمرمان را تشخیص دهیم و در یک نگاه چهره های آشنا را حتی پس از سالها جدایی شناسایی کنیم. این مهارت در مقابل تغییرات در شرایط دیداری مانند حالت چهره، سن و همچنین تغییراتی در عینک ، ریش یا سبک مدل موها ایستادگی می کند. تشخیص چهره یک موضوع مهم در کاربردهایی همچون سیستم های امنیتی ، کنترل کارت اعتباری و شناسایی مجرمان شده است. برای مثال ، قابلیت مدل کردن یک چهره ی خاص و تمیز دادن آن از یک تعداد فراوان از مدل های چهره ی ذخیره شده ، شناسایی
مجرمان را به صورت گسترده ای بهبود خواهد بخشید. اگرچه درست است که انسان ها در تشخیص چهره توانا هستند اما نحوه ی کدینگ و دی کدینگ چهره ها در مغز انسان کاملا آشکار نیست. تشخیص چهره ی انسان برای بیش از بیست سال مورد مطالعه قرار گرفته است. توسعه ی یک مدل محاسباتی برای تشخیص چهره کاملا دشوار است و دلیل آن پیچیدگی چهره ها و ساختار چند بعدی بینایی است. بنابراین تشخیص چهره یک فعالیت سطح بالا در بینایی کامپیوتر است و می تواند بسیاری از تکنیک های بینایی اولیه را در بر گیرد.

قسمت اول : تشخیص چهره.......................................................................................................... 4
فصل اول : تشخیص الگو و تشخیص چهره ...................................................................................... 5
مفاهیم اصلی تشخیص الگو و چهره............................................................................................. 7
نگاه کلی............................................................................................................................. 7
الگوها و کلاس های الگوها....................................................................................................... 8
مسائل اساسی در طراحی سیستم تشخیص الگو ............................................................................... 9
یادگیری و تمرین دادن........................................................................................................... 11
تشخیص الگوی نظارت شده و بدون نظارت................................................................................. 12
کلیات یک سیستم تشخیص الگو . .............................................................................................. 13
تشخیص چهره .................................................................................................................... 14
کلیات یک سیستم تشخیص چهره عام ......................................................................................... 14
قسمت دوم : روش های استخراج ویژگی در تشخیص چهره............................................................... 19
فصل دوم : تشخیص چهره با استفاده از چهره – ویژه ها................................................................... 20
کلیات سیستم تشخیص چهره .................................................................................................... 24
محاسبه ی چهره – ویژه ها ..................................................................................................... 27
33............................................................................. HMM فصل سوم : تشخیص چهره با استفاده از
مدل مارکف مخفی................................................................................................................ 34
34 ....................................................................................................HIDDEN MARKOV MODEL
ها ................................................................................................................. 34 HMM معرفی
یک بعدی........................................................................................................ 35 HMM تعریف
تمرین دادن مدل و تشخیص..................................................................................................... 36
ها در بینایی............................................................................................................... 41 HMM
تشریح یک معماری.............................................................................................................. 44
رویه های تمرین و تست......................................................................................................... 46
48 .................................................................................................................HMM توپولوژی
49 ................................................................................................................ERGODIC HMMS
های بالا – پایین.......................................................................................................... 51 HMM
قسمت سوم : روش های دسته بندی در تشخیص چهره ..................................................................... 54
فصل چهارم : تشخیص چهره با استفاده از ماشین های بردار پشتیبان................................................... 55
تشخیص چند کلاسی ............................................................................................................. 60
فصل پنجم : تشخیص چهره با استفاده از شبکه های عصبی............................................................... 62
مدل نرون.......................................................................................................................... 63
توابع انتقال......................................................................................................................... 65
نرونی با ورودی برداری .......................................................................................................

معماری های شبکه............................................................................................................... 68
یک لایه از نرون ها.............................................................................................................. 68
چندین لایه از نرون ها........................................................................................................... 70
یادگیری شبکه های عصبی..................................................................................................... 71
دسته بندی با استفاده از شبکه های عصبی ................................................................................... 75
منابع.................................................................................................................................... 77
سایت ها ...............................................................................................................................

پایانامه مشکلات عصبی

اختصاصی از یاری فایل پایانامه مشکلات عصبی دانلود با لینک مستقیم و پر سرعت .

شلینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:68

فهرست و توضیحات:

چکیده
مقدمه
فصل اول : کلیات تحقیق
پیشگفتار
بیان مسئله
سوالات تحقیق
اهداف تحقیق
فرضیات
تعریف نظری وعملیاتی
اهمیت وضرورت تحقیق
پیشینه تحقیق
فصل دوم : ادبیات نظری تحقیق
گزارش تحقیق
کلیات و مبانی نظری
اهداف پژوهش
روش کار تحقیق
فصل سوم: روش شناسی پژوهش
روش تحقیق و تحلیل داده ها
فصل چهارم: داده های آماری
داده های آماری
فصل پنجم : نتیجه گیری و پیشنهادات
جمع بندی و نتیجه گیری
پیشنهادات
منابع و ماخذ

مشکلات عصبی وحرکتی  همواره محققان را واداشته تا بدنبال یافتن روشهایی برای رفع این مشکلات برایند .استفاده از الکترومایو گرافی  یکی از این روش ها  میباشد .الکترو مایو گرافی در لغت به معنی برق نگاری ماهیچه ای است.واز نظر علمی روشی تجربی در زمینه بسط ،ثبت وانالیز سیگنالهای الکتریکی عضله می باشد ،که این سیگنال  ها بوسیله دگرگونی های فیزیولوپیکی در غشا فیبر عضلانی شکل می گیرد .این تحقیق ابتدا به بررسی این سیگنال انواع ان ومفاهیم اساسی در به دست اوردن ان وس÷س به بررسی این سیگنال در حرکت دست می÷ردازد،در اینجا ما سعی کده ایم مطالب را به گونه ای ساده وقابل فهم توضیح دهیم.هدف از این کار اشنایی مختصری با استفاده از الکترونیک در علم پزشکی  میباشد.همانطور که در این تحقیق خواهیم خوتند این سیگنال کمک بسیاری به حرکت دست های مصنوعی وکسانی که مقطوع العضوند می کند .دنیای  الکترومایو گرافی دنیای بسیار گستر دهای می باشد وما در اینجا مختصری از ان را بیان کرده ایم ،امیدواریم که توانسته باشیم مطالب را به گونه ای مفید ارائه کرده باشیم .

الکترو ما یو گرافی  روشی  تجربی  در زمینه  ی  بسط  ، ثبت وانالیز  سیگنال  های  الکتریکی  عضله است . سیگنال  های  الکتریکی  عضله بوسیله ئگرگونیهای  فیزیو لو ژیکی  در غشا فیبر  عضلانی  شکل  می  گیرند. الکترو مایو گرافی  شامل  ردیا بی  ثبت ، تقویت ،انالیز  وتفسیر  جهت سیگنال  های  ایجاد شده توسط  عضله اسکلتی  ،هنگام فعالیت برای  تولید نیرو است.اهداف  کلی  در این فصل معرفی  جامع  سیگنال  الکترومایو گرافی،وهم چنین منشا ایجاد سیگنال میباشد برای  فهم کامل  این موضوع  شرح مختصری از اناتومی  عضله اورده  شده است.هم جنین در مورد فاکتور های  موثر بر سیگنال  توضیح مختصری  داده شده  که در فصل های  اتی  به انها پرداخته می شود.به طور کلی  در این فصل هدف درک کامل EMGبرای کاربرد درست ان در  زمینه های  مختلف می باشد،که ما در این تحقیق  به بررسی  ان در حرکت دست می پردازیم.

مقاله محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی

اختصاصی از یاری فایل مقاله محاسبه فرکانس غالب ورقها با استفاده از شبکه عصبی انتشار برگشتی دانلود با لینک مستقیم و پر سرعت .

در چند دهه اخیر،اندیشه بالنده شبیه سازی مغز انسان ،محققان و دانشمندان را برآن داشته است توانایی‌های مغز انسان را به رایانه منتقل سازند.عملکرد مغز انسان با توجه به میلیونها سال تکامل می‌تواند به عنوان کاملترین و بهترین الگو برای تشخیص وقایع پیرامون خود در نظرگرفته شود.لذا دانشمندان در تلاشند تا با درک اصول وساز و کارهای محاسباتی مغز انسان که عملکرد بسیار سریع و دقیقی را دارا می‌باشد ، سیستم‌های عصبی مصنوعی را شبیه سازی نمایند بدین ترتیب شبکه‌‌های عصبی مصنوعی تا حدودی از مغزانسان الگوبرداری شده‌اند و همان گونه که مغز انسان می‌تواند با استفاده از تجربیات قبلی و مسائل از پیش یادگرفته،مسائل جدید را تحلیل و تجزیه نماید،شبکه‌های عصبی نیز در صورت آموزش قادرند برمبنای اطلاعاتی که به ازای آنها آموزش دیده‌اند،جوابهای قابل قبول ارائه دهند.

این مقاله به صورت  ورد (docx ) می باشد و تعداد صفحات آن 61صفحه  آماده پرینت می باشد

چیزی که این مقالات را متمایز کرده است آماده پرینت بودن مقالات می باشد تا خریدار از خرید خود راضی باشد

مقالات را با ورژن  office2010  به بالا بازکنید

انتخاب بهینه سبد سهام با استفاده از مدل شبکه عصبی – مصنوعی ، اریما و مدل مارکوئیتز در بورس اوراق بهادار تهران

اختصاصی از یاری فایل انتخاب بهینه سبد سهام با استفاده از مدل شبکه عصبی – مصنوعی ، اریما و مدل مارکوئیتز در بورس اوراق بهادار تهران دانلود با لینک مستقیم و پر سرعت .

مقاله با عنوان انتخاب بهینه سبد سهام با استفاده از مدل شبکه عصبی  – مصنوعی ، اریما و مدل مارکوئیتز در بورس اوراق بهادار تهران که در اولین کنفرانس سالانه مدیریت، نوآوری و کارآفرینی ارائه شده است آماده دانلود می باشد.

سال برگزاری:1389

محل برگزاری:شیراز

تعداد صفحه:21

محتویات فایل: فایل زیپ حاوی یک pdf

نویسند‌گان:

اکبر عالم تبریز - تهران، پونک، دانشگاه شهید بهشتی ، دانشیار دانشگاه شهید بهشتی
محمد علی افشاری - قزوین، شهر صنعتی الوند ، دانشجوی کارشناسی ارشد مدیریت صنعتی، دانشگاه کار، قزوین. (مسول مکاتبات)
محمد حسن ملکی - تهران، دانشگاه تهران ، دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران ، دانشجوی کارشناسی ارشد مدیریت بازرگانی، دانشکده مدیریت، دانشگاه تهران
جواد محمدی - تهران، دانشکده مدیریت،دانشجوی کارشناسی ارشد مدیریت صنعتی، دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران

چکیده

همواره انتخاب بهینه سبد سهام یکی از مهم ترین مسائل پیش روی سرمایه گذاران و مدیران مالی است. در تحقیق حاضر ابتدا با مطالعه بازارهای مالی و نقش آن ها در اقتصاد به تحلیل داده ها می پردازیم. در تحقیق حاضر برای انتخاب بهینه سبد سهام از سه مدل شبکه عصبی- مصنوعی، مدل مارکویتز و مدل خطی اریما برای پیش بینی و انتخاب بهینه سبد سهام استفاده شد. 10 سهام از ده صنعت مختلف برای تحلیل مدل انتخاب گردید. سپس با توجه به خرجی مدل های سه گانه ی فوق سهام هایی را که میانگین بازده پیش بینی آن ها بیشتر و ریسک کم تری را دارا بودند انتخاب می گردد. برای مقایسه مدل ها از آزمون میانگین دو جامعه (t-test) در سطح معنی داری 95% استفاده شد که در نهایت شبکه عصبی به عنوان بهترین مدل شناسایی گردید.

تشخیص احساسات از روی سیگنالهای مغزی با استفاده از شبکه عصبی مصنوعی(EEG-based Emotion Assessment using Artificial Neural Network

اختصاصی از یاری فایل تشخیص احساسات از روی سیگنالهای مغزی با استفاده از شبکه عصبی مصنوعی(EEG-based Emotion Assessment using Artificial Neural Network) دانلود با لینک مستقیم و پر سرعت .

;">بندی کنندههای مورد مغز انسان شبکهیچیپ یا از ده سلولیها عصبای ی نورونها است که در ارتباط ی با یکد م گر یباشند. چون نیا ارتباط یم ان نورونها
بصورت الکترکی ی م یباشد، بنابرایم نی دانیها الکترکی ی در اطراف آنها یا جاد م یشود با که ثبت یس گنالیها ناشی یم نیا از دانیها
الکترکی م ی یتوان تفسری ی هر چند یچیپ از ده فعالیتیها مغزی داشته باش.می احساسات رابطه مستقمی ی با سطح کفی ی زندگی اشخاص
دارد. اکثر تحقیقاتی که در زمینه احساسات صورت گرفته از پارامترهاکیزیف ی ینظ ی ر حالتیها صورت یا ژستها و حرکات بدن و نیز از
یس گنالیزیف یها ولوژکی ی مربوط به سیستم جانبینظ ی ر دما، مقاومت پوستی و سیگنالیها قلبی بهره جستهاندلیخ یول. ی کم از داده-
های مغز( ی EEG) که نمودی از فعالیت سیستم عصبی مرکزی است استفاده نمودهاند، هرچند که کی ی از مهمترین تئوری احساسات،
تئوری شناخت( ی Theory Cognitiveم) یباشد که در آن مغز اساس فعالیتیها احساسی است. لذا با توجه به این کمبود در این مقاله ما
از تئوری شناختی برای بررسی احساسات استفاده کردیم. در این کار برای استخراج ویژگی از روشهای مختلف استخراج ویژگی و طبقه