نتایج جستجو

2558

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

27

انتقال به صفحه

آرشیو

سال

دوره(شماره)

مشاهده شمارگان

مرکز اطلاعات علمی SID1
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
اطلاعات دوره: 
  • سال: 

    1392
  • دوره: 

    11
  • شماره: 

    1
  • صفحات: 

    1-12
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1698
  • دانلود: 

    1209
چکیده: 

یادگیری ساختار شبکه بیزی از داده، در سال های اخیر توجه بسیاری از محققین را به خود جلب نموده است. از طرفی، یافتن شبکه بهینه از داده کامل، خود یک مساله غیر چندجمله ای سخت می باشد و پیچیدگی مساله، زمانی که داده ناقص است، بیشتر می شود. به طور کلی دو حالت یادگیری شبکه بیزی از داده ناقص وجود دارد: زمانی که ساختار مشخص است و زمانی که ساختار نیز نامشخص است. در این مقاله سعی بر آن است تا پارامترهای بهینه را برای یک شبکه بیزی با ساختار مشخص از داده حاوی مقادیر گم شده بیابیم. برای این منظور مفهوم "پارامتر موثر" را معرفی نمودیم، به طوری که درست نمایی ساختار شبکه به شرط داده کامل شده، بیشینه گردد. این روش می تواند به هر الگوریتمی همچون بیشینه سازی امید ساختاری که به پارامترهای بهینه برای یافتن ساختار شبکه بیزی نیاز دارند، متصل شود.در این مقاله ثابت کردیم که روش پیشنهادی از دیدگاه تابع درست نمایی به پارامترهای بهینه شبکه دست می یابد. نتایج اعمال روش پیشنهادی به چندین شبکه بیزی استاندارد، نشان دهنده سرعت روش در مقایسه با روش های شناخته شده قبلی است و نیز این که به پارامترهای بهتری نسبت به آنها دست می یابد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1698

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 1209 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 10
نویسندگان: 

شرفی سیدمهران

اطلاعات دوره: 
  • سال: 

    1392
  • دوره: 

    11
  • شماره: 

    1
  • صفحات: 

    13-22
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    2034
  • دانلود: 

    996
چکیده: 

در این مقاله ضمن معرفی روش های متداول مبتنی بر سناریو در ارزیابی معماری نرم افزار و بیان نقاط ضعف و قوت آنها، رویکرد متفاوتی برای شناسایی نقایص معماری ارائه می شود. در روش پیشنهادی مشکلات تهدیدکننده سیستم توسط سهام داران فهرست می شوند و با تحلیل نقص های احتمالی که می توانند مسبب بروز آن مشکلات باشند، خطاهای موجود در سطوح مختلف به ویژه در سطح معماری نرم افزار کشف می گردند. نتایج به کارگیری عملی روش پیشنهادی نشان می دهد که این روش می تواند در آشکار نمودن نقص هایی که ممکن است از حوزه تاثیر روش های دیگر مصون مانده باشند، موثر باشد. لذا از این روش می توان هم برای آزمون معماری و هم به عنوان یک رویه تکمیلی در کنار روش های ارزیابی معماری نرم افزار جهت شناسایی نقایص و اصلاح معماری استفاده نمود. روش پیشنهادی و اجزای آن در یک قالب سیستماتیک معرفی شده و نتایج به کارگیری آن بر روی یک سیستم واقعی ارائه می گردد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 2034

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 996 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 5
اطلاعات دوره: 
  • سال: 

    1392
  • دوره: 

    11
  • شماره: 

    1
  • صفحات: 

    23-33
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    2894
  • دانلود: 

    1056
چکیده: 

طبقه بندی بافت تصویر نقش بسیار مهمی در بینایی ماشین و پردازش تصویر دارد. اولین و مهم ترین مرحله در طبقه بندی بافت تصویر، استخراج ویژگی از تصویر می باشد. تاکنون روش های بسیار زیادی برای استخراج ویژگی از تصاویر بافتی ارائه شده اند اما از میان روش های موجود الگوهای باینری محلی، در شکل اصلی و بهبودیافته خود، به دلیل سادگی در پیاده سازی و استخراج ویژگی های مناسب با دقت طبقه بندی بالا، مورد توجه بسیاری از متخصصان این زمینه قرار گرفته است. شکل اصلی الگوهای باینری محلی هرچند از نظر پیاده سازی بسیار ساده است، اما زمانی که شعاع همسایگی افزایش یابد پیچیدگی محاسباتی بالایی دارد. شکل بهبودیافته الگوهای باینری محلی نیز به الگوهای همگن برچسب های متمایز و به تمام الگوهای غیر همگن یک برچسب یکسان انتساب می دهد و این امر، طبقه بندی تصاویری که دارای درصد بالایی از الگوهای غیر همگن می باشند را با مشکل مواجه می سازد.در این مقاله، یک شکل جدید از الگوهای باینری محلی ارائه شده است که پیچیدگی محاسباتی آن نسبت به شکل اصلی الگوهای باینری محلی کمتر و دقت طبقه بندی آن نیز از شکل اصلی و بهبودیافته الگوهای باینری محلی بیشتر می باشد. روش ارائه شده در این مقاله نه تنها تصاویر با الگوهای همگن را به خوبی طبقه بندی می کند، بلکه در مورد تصاویری که دارای حجم بسیار بالایی از الگوهای غیر همگن می باشند نیز به خوبی عمل می کند. همچنین می توان با تغییر در بازه های شدت روشنایی، محلی یا سراسری بودن ویژگی ها را کنترل کرد. دقت طبقه بندی برای تمام تصاویر بافتی موجود در پایگاه داده Brodatz و Outex، کارایی روش ارائه شده را نشان می دهد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 2894

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 1056 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 8
اطلاعات دوره: 
  • سال: 

    1392
  • دوره: 

    11
  • شماره: 

    1
  • صفحات: 

    34-42
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1263
  • دانلود: 

    756
چکیده: 

وب معنایی یکی از گسترده ترین موضوعات تحقیقی در چند سال اخیر است که در آن مفهوم بسیار مهم و ارزشمندی به نام آنتولوژی وجود دارد. آنتولوژی اطلاعات و دانش موجود در دامنه مورد نظر را به صورت صوری توصیف می کند و با وجود این توصیف صوری امکان استدلال در آنها فراهم می شود. به دلیل توزیع شدگی وب معنایی و پراکندگی آنتولوژی ها و داده ها در سطح وب، در بسیاری از موارد استدلال متمرکز به سختی انجام می شود و لازم است استدلال به صورت توزیع شده میان آنتولوژی های مختلف یک حوزه دانش صورت پذیرد. از طرف دیگر در اطلاعات موجود در وب معنایی همانند بسیاری از موضوعات دیگر عدم قطعیت و اطمینان وجود دارد. مدل سازی عدم قطعیت در وب معنایی و استدلال در اطلاعات غیر قطعی نیز از موضوعات تحقیقاتی جدیدی است که در دهه اخیر به آن پرداخته شده است. در این مقاله تلاش شده روشی برای استدلال توزیع شده میان گروهی از آنتولوژی ها که دارای اطلاعات غیر قطعی هستند، ارائه شود که از کارایی مناسبی نیز برخوردار باشد. برای این منظور از منطق توصیفی توزیع شده به عنوان چارچوبی برای استدلال توزیع شده و از نظریه عدم قطعیت برای مدل سازی عدم قطعیت بهره گرفته شده است. به کمک روش ارائه شده امکان استدلال میان گروهی از آنتولوژی های توزیع شده با اطلاعات غیر قطعی فراهم خواهد شد. نتایج کاربرد این روش در پالایش نگاشت میان آنتولوژی ها نشان می دهد این روش از دقت و درستی بیشتری نسبت به روش استدلال توزیع شده قطعی برخوردار است.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1263

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 756 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 14
نویسندگان: 

ملاخلیلی میبدی محمدرضا | میبدی محمدرضا

اطلاعات دوره: 
  • سال: 

    1392
  • دوره: 

    11
  • شماره: 

    1
  • صفحات: 

    43-51
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    1576
  • دانلود: 

    578
چکیده: 

یکی از مسایل مطرح در ساخت سیستم های یادگیر نظیر شبکه های عصبی و یا اتوماتای یادگیر، تعیین نرخ یادگیری است. در اکثر موارد از یک الگوریتم کاهش یابنده در طول زمان برای تنظیم نرخ یادگیری استفاده می شود. در این مقاله یک روش جدید برای تغییر نرخ یادگیری و انطباق سیستم یادگیرنده با وضعیت محیط، برای استفاده در اتوماتای یادگیر پیشنهاد شده است. این روش جدید از برخی معیارهای آماری مربوط به توزیع فعلی به دست آمده برای بردار احتمالات متناظر با اقدام های اتوماتا به منظور تعیین افزایش یا کاهش نرخ یادگیری استفاده می کند. مزیت این روش در آن است که بر خلاف روش های موجود فعلی، در طول فرایند یادگیری هم افزایش و هم کاهش مقدار نرخ یادگیری را - بسته به نتایج مقایسه معیارهای آماری - انجام می دهد و به صورت خودکار نرخ یادگیری را تنظیم می کند.ضمن تشریح مبانی ریاضی این الگوریتم جدید، عملکرد این الگوریتم را در محیط های تصادفی نمونه بررسی کرده و با مقایسه نتایج به دست آمده نشان داده ایم روش پیشنهادی جدید به دلیل این که در طول زمان یادگیری، هم زمان و بر اساس معیارهای تعیین شده، افزایش و کاهش نرخ یادگیری را انجام می دهد، از انعطاف پذیری بیشتری نسبت به روش های قبلی برای انطباق با محیط های تصادفی پویا برخوردار است و مقادیر یاد گرفته شده به مقادیر حقیقی نزدیک تر هستند.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1576

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 578 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 4
اطلاعات دوره: 
  • سال: 

    1392
  • دوره: 

    11
  • شماره: 

    1
  • صفحات: 

    52-57
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1378
  • دانلود: 

    531
چکیده: 

روش بهینه سازی نیروی مرکزی (CFO) یکی از روش های ابتکاری جستجو و بهینه سازی جدید است که به تازگی به مجموعه روش های هوش جمعی اضافه شده است. در این تحقیق، روشی موثر و کارامد برای خوشه یابی بدون ناظر تصویر با استفاده از الگوریتم فوق ارائه و CFO - Clustering نامیده شده است. در روش پیشنهادی، هر پروب در بر دارنده اطلاعات مربوط به مراکز خوشه می باشد که به صورت تصادفی در ابتدای فرایند جستجو مقداردهی می شود. این مقادیر در طی مراحل مختلف الگوریتم CFO تغییر کرده و در نهایت پس از رسیدن به شرط توقف، حاوی مراکز بهینه خوشه ها خواهند بود. ملاک بهینه سازی یا تابع برازندگی، هم حاوی فواصل درون خوشه ای و هم شامل فواصل بین خوشه ای می باشد. آزمایشات مکرر بر روی تصاویر مرجع، کارایی روش CFO-Clustering را نسبت به سایر روش های مرسوم خوشه بندی نشان می دهد.

آمار یکساله:   مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید 1378

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 531 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 6