پروژه ارشد هوش مصنوعی – چکیده
پایان نامه هوش مصنوعی . معمولا فرآیند یادگیری مورد استفاده برای تشخیص حالت چهره حاوی سه مرحله، یادگیری ویژگی، انتخاب ویژگی و ساخت دستهبند می باشد. از این رو یافتن ترکیب بهینهای از این سه مرحله نمونه ویژگی، مجموعه ویژگی و دستهبند در جهت بالا بردن عملکرد تشخیص، مساله ای سنگین و زمان بر می باشد.
بنابراین میتوان گفت مساله یافتن ترکیب بهینهای از این مراحل، مساله چالش برانگیز میباشد که تاکنون محققان کمی موفق به رصد کردن این مساله بودهاند. این پایاننامه، یک شبکه نوین باور عمیق فازی بوستینگ که به اختصار BFDBN بوستینگ نام گذاری شده است را برای انجام سه مرحله آموزشی مذکور در چهارچوب حلقهوار پیشنهاد میدهد.
روش شبکه باورعمیق فازی بوستینگ پیشنهادی بدینگونه عمل میکند که با استفاده از یک شبکه باور نیمه ناظر فازی، مجموعه ای از ویژگی های موثر برای تشخیص حالت چهره را پس از آموزش، برای ورود به دسته بند قوی انتخاب میکند (در واقع با استفاده از شبکه باور نیمه ناظر فازی، نمونه های تصویر را آموزش داده سپس نمونههای حاصلشده که به عنوان دستهبند ضعیف شناخته میشود، در جهت ورود به دسته بند قوی به منظور تشخیص حالت، انتخاب میشوند از این رو میتوان گفت که فاز یادگیری نمونه ویژگی (دسته بند ضعیف) و انتخاب ویژگی (دسته بند قوی) با یکدیگر در اتصالاند و به یادگیری میپردازند تا به همگرایی برسند.
بنابراین
همچنان که یادگیری ادامه مییابد، دسته بند قوی در طول تکرار های برنامه، بیشتر و بیشتر بهبود یافته و از طریق فرایند اتصال یاد شده و بنابر میزان اهمیت نسبی ویژگی های انتخاب شده در دستهبند قوی، قابلیت تمایز ویژگی های انتخاب شده درجه بندی میشد تا آن ویژگیهایی که درجه تمایز بیشتری دارند، گزینش شده و از طریق فاز طبقه بندی، تشخیص حالت از روی نمونه های انتخاب شده صورت گیرد آزمایشات انجام شده بر روی دو پایگاه داده بیانگر میزان تشخیص بهتر روش پیشنهادی در مقایسه با حالت استفاده از شبکه باور عمیق ساده بود.
پایان نامه هوش مصنوعی – فهرست …
فصل اول 1
کلیات پژوهش 1-1- مقدمه 1-2- تعریف مسئله 1-3- اهمیت و ضرورت تحقیق 1-4- اهداف تحقیق 1-4-1- اهداف اصلی. 6-4-2- اهداف فرعی 1-5- فرضیات تحقیق 9-6- روششناسی تحقیق 1-7- قلمرو تحقیق 1-8- جنبه جدید بودن و نوآوری 1-9- تعاریف و اصطلاحات پایه .
فصل 2
پیشینه نظری پژوهش 2-1- کارهای مرتبط .
فصل 3
روششناسی تحقیق 3-1- مقدمه 3-2- روش شبکه باورعمیق فازی بوستینگ پیشنهادی 3-2-1- استخراج ویژگی با استفاده از شبکه باور عمیق فازی.
3-2-1-1- ساختار شبکه های باور عمیق فازی 3-2-1-2- استخراج توابع تعلق فازی 3-2-1-3- شبکه باور عمیق فازی 3-2-2- . استخراج ویژگی با استفاده از شبکه باور عمیق فازی 3-2-3- انتخاب ویژگی و ساخت دسته بند .
فصل 4
پیادهسازی روش تحقیق و تحلیل نتایج 4-1- مقدمه 4-2- سیستم سخت افزاری و نرم افزای اجرای پیاده سازی. 4-3- مولفه های پیاده سازی 4-4- توابع پیاده سازی 4-5- نتایج پیاده سازی .
فصل 5
نتیجهگیری و ارائه پیشنهادها 5-1- مقدمه 73 5-2- جمعبندی و نتیجهگیری 5-5- پیشنهادها.
مراجع
پایان نامه هوش مصنوعی – کلید واژه ها
شبکه باورعمیق فازی – fuzzy deep belief network
بوستینگ – boosting
نیمه ناظر – semi-supervisor