توضیحات:
درچندسال اخیر تمایل دانشجوهای کامپیوتر به یادگیری شبکه های عصبی مصنوعی واستفاده از این نوع شبکه هابرای انجام پروژه های درسی زیادشده است.
این پروژه پایان نامه مربوط به شبکه های عصبی مصنوعی میباشد که کاربرد این نوع شبکه ها را در پردازش تصویرنشان میدهد.
ودر طول این پروژه مثال های متعددی از مقاله های مفید درمورد پردازش تصویربا استفاده ازاین نوع شبکه ها وهدف کلی شبکه های عصبی زده شده است.
این پروژه میتواند علاقه مندان زیادی رابه خود جلب کند.
دراین فایل یک فایل وردبا نام index حاوی فهرست پروژه ویک فایل ورددیگر با نام main حاوی مطالب پروژه میباشد.
فهرست مطالب
عنوان
فصل اول: کلیات تحقیق 1
1-1مقدمه 2
1-2 تعریف مسئله 4
فصل دوم:شبکه عصبی چیست؟ 5
2-1 حل مساله به کمک شبکه هاي عصبي مصنوعی 9
فصل سوم:روش تحقیق 11 3-1 مقدمه 12
3-2 انواع روش های تحقیق 12
3-3 روش تحقیق مورد استفاده در این پروژه 14
فصل چهارم بررسی چند مقاله 15
مقاله اول:آشنايي با شبکه عصبي 16
مقاله دوم:پياده سازي يک سيستم دسته بندي پولک ها به کمک پردازش تصوير و شبکه هاي عصبي 18
مقاله سوم: استفاده از هوش مصنوعي در خط کنترل کيفيت تخم مرغ 21
مقاله چهارم: بررسي ويژگي هاي تصاوير ماموگرافي به کمک دسته بندي کننده هاي خطي، شبکه هاي عصبي و ماشين برداري پشتيبان 22
مقاله پنجم:کاربرد پردازش تصوير و شبکه هاي عصبي شعاعي در دسته بندي سنگ هاي معدني23
مقاله ششم : فيلترينگ به کمک شبکه هاي هاپفيلد 25
مقاله هفتم : يافتن بهترين مکان قرارگيري ماهواره 28
مقاله هشتم : قطعه بندي تصوير به کمک شبکه هاي خودسازمانده 32
مقاله نهم: واترمارک تصاوير در حوزه فرکانسي موجک به کمک شبکه عصبي 34
مقاله دهم : کاهش بعد بافت و کاربرد آن در بازيابي تصوير مبتني بر محتوا 36
مقاله یازدهم : پياده سازي سيستم بازرسي کيفي مواد غذايي به کمک شبکه عصبي 39
مقاله دوازدهم : آموزش موقعيت محيط اطراف به ربات، به کمک شبکه هاي عصبي 41
مقاله سیزدهم : سايش (لاغر سازي، پوست کندن) تصوير به کمک شبکه هاي عصبي 42
مقاله چهاردهم : استخراج ويژگي و معيار شباهت دو مبحث کليدي و اساسي در بازيابي تصوير مي باشد 47
مقاله پانزدهم : کاهش فاصله معنايي بين انسان و ماشين به کمک شبکه عصبي 48
مقاله شانزدهم : پياده سازي يک سيستم بازيابي تصاوير مبتني بر بازخورد مرتبط به کمک محاسبات نروني 50
مقاله هفدهم : تشخيص نقاط متناظر در تصاوير 52
مقاله هجدهم : بازيابي محتواي تصاوير با استفاده از شبکه هاي عصبي مصنوعي 54
منابع: 56
پیشگفتار:
مطالعه شبکه های عصبی مصنوعی تا حد زیادی ملهم از سیستم های یادگیر طبیعی است که در آنها یک مجموعه پیچیده از نرونهای به هم متصل در کار یادگیری دخیل هستند.
گمان میرود که مغز انسان از تعداد 10 11 نرون تشکیل شده باشد که هر نرون با تقریبا 104 نرون دیگر در ارتباط استسرعت سوئیچنگ نرونها در حدود 10-3 ثانیه است که در مقایسه با کامپیوترها 10 -10 ) ثانیه ( بسیار ناچیز مینماید. با این وجود آدمی قادر است در 01 ثانیه تصویر یک انسان را بازشناسائی نماید این قدرت فوق العاده باید از پردازش موازی توزیع شده در تعدادی زیادی از نرونها حاصل شده باشد.
از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوزیستها سعی کردند سیستم یادگیری و تجزیه و تحلیل مغز را کشف کنند، و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند، که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد اولین کوششها در شبیهسازی با استفاده از یک مدل منطقی توسط مک کلوک و والتر پیتز انجام شد که امروزه بلوک اصلی سازنده اکثر شبکههای عصبی مصنوعی است. این مدل فرضیههایی در مورد عملکرد نورونها ارائه میکند عملکرد این مدل مبتنی بر جمع ورودیها و ایجاد خروجی است.چنانچه حاصل جمع ورودیها از مقدار آستانه بیشتر باشد. اصطلاحا نورون برانگیخته میشود نتیجه این مدل اجرای توابع ساده مثل AND و OR بود.
|