دانلود و نمایش مقالات مرتبط با تشخیص الگو::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - تشخیص الگو

تعداد مقالات یافته شده: 24
ردیف عنوان نوع
1 مشتقات ثابت دو بعدی تفکیک پذیر صریح برای تشخیص جسم
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 19
مشتقات ثابت تصویر به طور گسترده ای در زمینه های تشخیص الگو و دید رایانه مورد استفاده قرار گرفته اند، زیرا آنها قادر به ارائه الگوی ویژگی های مستقل تبدیل هندسی هستند. در حال حاضر، ثابت های تفکیک پذیر و مشتقات آنها به دلیل توانایی در ترکیب ویژگی های اساسی ثابت های متعامد مختلف، بیشتر مورد توجه قرار گرفته است. با این حال، بسیاری از مشتق های ثابت تفکیک پذیر موجود، به طور غیرمستقیم از مشتق های هندسی و بر اساس رابطه چندجمله ای متعامد و هندسی، به دست می آیند. بنابراین، در این مقاله، رویکرد مستقیمی برای ساخت مجموعه ای از مشتق های ثابت تفکیک پذیر گسسته Chebichef-Krawtchouk پیشنهاد شد که در آن به طور همزمان مشتق برای چرخش، مقیاس پذیری و تبدیل انتقال فراهم می شود و مبتنی بر فرم صریح چند جمله ای Tchebichef و Krawtchouk است. در نتیجه، نتایج تجربی و نظری اثربخشی روش پیشنهادی اثبات شد و ارجحیت آنها در طبقه بندی تصویر و شناخت الگو در مقایسه با روش های موجود نشان داده شد.
کليدواژه: مشتقات غیرمستقیم | روش صریح | ثابت تفکیک پذیر | چندجمله ای Krawtchouk | چندجمله ای Tchebichef | تشخیص الگو
مقاله ترجمه شده
2 ابزار خودسنجی برای سنجش توانمندی‌‌‌‌های فارغ‌التحصیلان نامیبیا: آزمون روایی و پایایی
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 34
بر اساس گزارشات، نامیبیا از جمله کشورهایی است که بالاترین نرخ بیکاری را دارد. در این مقاله، روایی و پایایی ابزار خودسنجی مورد استفاده برای سنجش توانمندی‌‌‌‌های فارغ‌التحصیلان نامیبیا با استفاده از تحلیل عامل اکتشافی (EFA) و تحلیل عامل تاییدی مرتبه دوم (CFA) مورد ارزیابی قرار گرفته‌است. نتایج EFA نشان داد که بیست شاخص را میتوان‌ به پنج عامل، یعنی "مدیریت و انعطاف‌پذیری"، "تخصص و ارتباطات"، "کار گروهی و تفکر انتقادی"، "خویشتن‌داری" و "انگیزه پیشرفت" طبقه‌بندی کرد. نتایج CFA نشان داد که تمام عوامل و شاخص‌ها پایایی بالا و اعتبار خوب ساختاری دارند. دانشجویان و فارغ‌التحصیلان می‌توانند این ابزار خودسنجی معتبر را برای ارزیابی یا تشخیص الگویی از نقاط قوت و ضعف خود به کار گیرند و برآوردی واقعی و عینی از قابلیت استخدام خود داشته باشند، همچنین این ابزار به آن‌ها در افزایش اثربخشی در محل کار کمک می‌کند.
کلمات کلیدی: توانمندی‌‌‌ | قابلیت استخدام | تحلیل عامل تاییدی | روایی ساختار | اعتبار سنجی
مقاله ترجمه شده
3 A unique feature extraction using MRDWT for automatic classification of abnormal heartbeat from ECG big data with Multilayered Probabilistic Neural Network classifier
استخراج ویژگی منحصر به فرد با استفاده از MRDWT برای طبقه بندی خودکارضربان قلب غیر طبیعی از داده های بزرگ ECG با چند لایه طبقه بندی احتمالی شبکه عصبی-2018
This paper employs a novel adaptive feature extraction techniques of electrocardiogram (ECG) signal for detection of cardiac arrhythmias using multiresolution discrete wavelet transform from ECG big data. In this paper, five types ECG arrhythmias including normal beats have been classified. The MIT-BIH database of 48 patient records is utilized for detection and analysis of cardiac arrhythmias. Proposed feature extraction utilizes Daubechies as wavelet function and extracts 21 feature points which include the QRS complex of ECG signal. The Multilayered Probabilistic Neural Network (MPNN) classifier is pro posed as the best-suited classifier for the proposed feature. Total 1700 ECG betas were tested using MPNN classifier and compared with other three classifiers Back Propagation (BPNN), Multilayered Perceptron (MLP) and Support Vector Machine (SVM). The system efficiency and performance have been evaluated using seven types of evaluation criteria: precision (PR), F-Score, positive predictivity (PP), sensitivity (SE), classification error rate (CER) and specificity (SP). The overall system accuracy, using MPNN technique utilizing the proposed feature, obtained is 99.53% whereas using BPNN, MLP and SVM provide 97.94%, 98.53%, and 99%. The processing time using MPNN classifier is only 3 s which show that the proposed techniques not only very accurate and efficient but also very quick.
Keywords: Signal processing ، Artificial intelligence ، Pattern recognition ، Soft computing ، Wavelet transform
مقاله انگلیسی
4 مروری بر مورد یادگیری عمیق برای داده های بزرگ
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 44
یادگیری عمیق، به عنوان یکی از مهم ترین تکنیک های یادگیری ماشینی، موفقیت های زیادی در بسیاری از برنامه های کاربردی مانند تحلیل تصویر، تشخیص گفتار و درک متن بدست اورده است . انها از استراتژی های نظارت شده و بی نظیر برای یادگیری چندین سطح و ویژگی های معماری سلسله مراتبی برای وظایف طبقه بندی و تشخیص الگو استفاده می کنند. پیشرفت های اخیر در شبکه های حسگر و فناوری های ارتباطی، قادر به جمع آوری داده های بزرگ می باشد. اگر چه داده های بزرگ فرصت های خوبی برای بسیاری از زمینه ها از جمله تجارت الکترونیک، کنترل صنعتی و پزشکی هوشمند فراهم می اورند، اما در زمینه داده کاوی و پردازش اطلاعات به دلیل ویژگی های حجم زیاد، انواع مختلف، سرعت زیاد و حقیقت بزرگ، چالش های فراوانی را به همراه خواهند داشت. در چند سال گذشته، یادگیری عمیق در راه حل های تحلیلی داده های بزرگ نقش مهمی را ایفا کرده است. در این مقاله، تحقیقات انجام شده درباره مدل های یادگیری عمیق برای یادگیری ویژگی های بزرگ داده ها در اینده را مرور می کنیم. علاوه بر این، ما با توجه به چالش های باقیمانده به یادگیری عمیق داده های بزرگ و بحث در مورد موضوعات آینده اشاره می کنیم.
کلمات کلیدی: یادگیری عمیق | داده های بزرگ | رمزگذاران خودکار انباشته شده | شبکه های اعتقادی عمیق | شبکه های عصبی کانولوشن | شبکه عصبی مکرر
مقاله ترجمه شده
5 A Novel Approach for the Prediction of Treadmill Test in Cardiology using Data Mining Algorithms implemented as a Mobile Application
یک رویکرد جدید برای پیش بینی تست تردمیل در قلب و عروق با استفاده از الگوریتم های داده کاوی به عنوان یک برنامه کاربردی موبایل-2018
Objective: To develop a mobile app called “TMT Predict” to predict the results of Treadmill Test(TMT), using Data Mining techniques applied to a clinical dataset using minimal clinical attributes. To prospectively test the results of the app in realtime to TMT and correlate with Coronary Angiogram results. Methods: In this study, instead of statistics, Data mining approach has been utilised for the prediction of the results of TMT by analysing the clinical records of 1000 Cardiac patients. This research employed the Decision Tree algorithm, a new modified version of K-Nearest Neighbour (KNN) algorithm, K-Sorting & Searching (KSS). Furthermore, Curve Fitting Mathematical Technique was used to improve the Accuracy. The system used six clinical attributes such as Age, Gender, BMI, Dyslipidemia, Diabetes mellitus and Systemic hypertension. An Android app called “TMT Predict” was developed, wherein all three inputs were combined and analysed. The final result is based on the dominating values of the three results. The App was further tested prospectively in 300 patients to predict the results of TMT and correlate with Coronary angiography. Results: The accuracy of predicting the result of a TMT using Data Mining algorithms, Decision Tree and K Sorting & Searching (KSS) were 73% and 78% respectively. The mathematical method Curve Fitting predicted with 82% Accuracy. The accuracy of the mobile app “TMT Predict”, improved to 84%. Age-wise analysis of the results show that the accuracy of the app dips when the age is more than 60 years indicating that there may be other factors like retirement stress that may have to be included. This gives scope for future research also. In the prospective study, the Positive and Negative predictive values of the App for the results of TMT and Coronary Angiogram were found to be 40% and 83% for TMT and 52% and 80% for Coronary Angiogram. The Negative Predictive value of the app was high, indicating that it is a good screening tool to rule out CAHD. Conclusion: “TMT Predict” is a simple user-friendly android app, which uses six simple clinical attributes to predict the results of TMT. The app has a high negative predictive value indicating that it is a useful tool to rule out CAHD. The “TMT Predict” could be a future digital replacement for the manual TMTas an initial screening tool to rule out CAHD.
Keywords: Cardiology ، Treadmill test (TMT) ، Pattern recognition ، K-Nearest neighbour (KNN) ، K-Sorting & Searching (KSS) ، Curve fitting
مقاله انگلیسی
6 مروری بر یادگیری عمیق برای داده های بزرگ
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 12 - تعداد صفحات فایل doc فارسی: 44
یادگیری عمیق، به عنوان یکی از مهم ترین تکنیک های یادگیری ماشینی، موفقیت های زیادی در بسیاری از برنامه های کاربردی مانند تحلیل تصویر، تشخیص گفتار و درک متن بدست اورده است . انها از استراتژی های نظارت شده و بی نظیر برای یادگیری چندین سطح و ویژگی های معماری سلسله مراتبی برای وظایف طبقه بندی و تشخیص الگو استفاده می کنند. پیشرفت های اخیر در شبکه های حسگر و فناوری های ارتباطی، قادر به جمع آوری داده های بزرگ می باشد. اگر چه داده های بزرگ فرصت های خوبی برای بسیاری از زمینه ها از جمله تجارت الکترونیک، کنترل صنعتی و پزشکی هوشمند فراهم می اورند، اما در زمینه داده کاوی و پردازش اطلاعات به دلیل ویژگی های حجم زیاد، انواع مختلف، سرعت زیاد و حقیقت بزرگ، چالش های فراوانی را به همراه خواهند داشت. در چند سال گذشته، یادگیری عمیق در راه حل های تحلیلی داده های بزرگ نقش مهمی را ایفا کرده است. در این مقاله، تحقیقات انجام شده درباره مدل های یادگیری عمیق برای یادگیری ویژگی های بزرگ داده ها در اینده را مرور می کنیم. علاوه بر این، ما با توجه به چالش های باقیمانده به یادگیری عمیق داده های بزرگ و بحث در مورد موضوعات آینده اشاره می کنیم. Furthermore, we point out the remaining challenges of big data deep learning and discuss the future topics.
کلمات کلیدی: یادگیری عمیق | داده های بزرگ | رمزگذاران خودکار انباشته شده | شبکه های اعتقادی عمیق | شبکه های عصبی کانولوشن | شبکه عصبی مرتب
مقاله ترجمه شده
7
ثبات زمانی در شبکه های تعاملی انسان-2017
This paper reports on stable (or invariant) properties of human interaction networks, with benchmarks derived from public email lists. Activity, recognized through messages sent, along time and topology were observed in snapshots in a timeline, and at different scales. Our analysis shows that activity is practically the same for all networks across timescales ranging from seconds to months. The principal components of the participants in the topological metrics space remain practically unchanged as different sets of messages are considered. The activity of participants follows the expected scale-free trace, thus yielding the hub, intermediary and peripheral classes of vertices by comparison against the Erdös– Rényi model. The relative sizes of these three sectors are essentially the same for all email lists and the same along time. Typically, <15% of the vertices are hubs, 15%–45% are intermediary and >45% are peripheral vertices. Similar results for the distribution of participants in the three sectors and for the relative importance of the topological metrics were obtained for 12 additional networks from Facebook, Twitter and ParticipaBR. These properties are consistent with the literature and may be general for human interaction networks, which has important implications for establishing a typology of participants based on quantitative criteria.
Keywords: Complex networks | Pattern recognition | Statistics | Social network analysis | Human typology
مقاله انگلیسی
8 Dendritic Cell Recognition in Computer Aided System for Cancer Immunotherapy
تشخیص سلول دندریتیک در سیستم کامپیوتری برای ایمونوتراپی سرطان-2017
Immunotherapy is an entirely advanced class of cancer treatment which has been highly active and exciting field in clinical therapeutics. In numerous procedures, cancer immunotherapy demands a laborious practice to recognise and count Dendritic Cells (DCs) in the vaccine preparation. Conventionally, the laser-based technology that provides a rapid analysis such as Flow Cytometry can affect the DCs viability as the staining procedure is involved. Another highly promising method which is Phase Contrast Microscopy (PCM) involves experienced pathologists to visually examine the respective microscopy images. In facts, PCM confronts complex issues regarding to imaging artifacts which can deteriorate the recognition process. As the DCs counting is crucial in cancer treatment procedures, this paper proposes a pioneering system called CasDC which implement an image processing algorithm to recognise and count DCs with a label-free method. The aim of developing this system is to establish a reliable and time saving-tool as a second reader in the clinical practice. In the meantime, the treatment procedure can be administered and therefore, improve the patient’s survival rate. Our proposed system has an enormous potential towards helping Cancer Research Institute in which the system offers rapid and high throughput cancer immunotherapy vaccine preparation and automated live cell investigation.© 2016 The Authors. Published by Elsevier B.V.Peer-review under responsibility of organizing committee of the 2016 IEEE International Symposium on Robotics and Intelligent Sensors (IRIS 2016).© 2017 The Authors. Published by Elsevier B.V. This is an open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).Peer-review under responsibility of organizing committee of the 2016 IEEE International Symposium on Robotics and Intelligent Sensors(IRIS 2016).
Keywords: Dendritic cells | Cancer immunotherapy | Image processing | Pattern recognition | Phase contrast microsocopy | Computer vision
مقاله انگلیسی
9 یکپارچه سازی فناوری های سنجش از دور مدرن برای نقشه برداری سریع تر از تأسیسات و استخراج داده
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 16 - تعداد صفحات فایل doc فارسی: 48
هدف از این پژوهش، تحلیل مزایای یکپارچه سازی سیستم سیار با قابلیت های تشخیصی نسبتاً ارزان و قابل اطمینان و بسیار سریع و نیز شناسایی و آزمودن وضعیت شبکه ی گرمایش مرکزی است. تصویربرداری گرمایشی با استفاده از خودروی هوایی بدون سرنشین برای تشخیص مسیر لوله ها، بازرسی صحت اطلاعات املاک و برای تعیین موقعیت نشتی های احتمالی مورد استفاده قرار می گیرد. فناوری GPR یا رادار نفوذ در زمین برای کنترل نمونه برداری از رادارگرام ها در موقعیت های مشخص مسیرها به منظور دستیابی به موارد زیر استفاده می شود: شناسایی مشخصه های هندسی ساختار و لوله کشی گرمایش مرکزی، پیشگیری از صدمات و ثبت آنها، و نیز استخراج خودکار داده ها. بخش اصلی این مقاله به الگوریتمی برای استخراج خودکار داده، براساس شبکه های عصبی مصنوعی و تشخیص الگو اختصاص یافته است. رادارگرام های لوله کشی گرمایش مرکزی به عنوان داده های ورودی برای استخراج الگوریتم استفاده شد، در حالیکه این نتایج، مشخصه های هندسی همچون عمق لوله، فاصله ی بین لوله ها و قطر آنها است.
کلمات کلیدی: شبکه ی گرمایش مرکزی | GPR | گرمانگاری هوایی | شبکه های عصبی | تشخیص لبه | استخراج خودکار داده
مقاله ترجمه شده
10 Hesitant distance set on hesitant fuzzy sets and its application in urban road traffic state identification
فاصله فشرده بر روی مجموعه های فازی تنگ و کاربرد آن در شناسایی وضعیت ترافیک جاده های شهری-2017
Since fuzziness lacks the distinction between a set and its complement, it is difficult to measure the distance between different hesitant fuzzy sets (HFSs) by a single value. In this study, a new concept “hesitant distance set (HDS)” is proposed, where the distance between different HFSs can be characterized by a series of different values. This study has three primary contributions. Firstly, most of the existing distance measures on HFSs are based on vector operation, while the novel proposed HDSs are based on set operation. Secondly, a statistical method is proposed to compare different HDSs, and some important properties of the comparison method are introduced. Thirdly, the characteristics of the novel HDSs and the classical hesitant distances are studied comparatively. Finally, the practicality and validity of the HDSs on HFSs are illustrated through an urban road traffic state identification example.
Keywords: Hesitant fuzzy sets | Hesitant distance | Reliability degree | Statistical method | Pattern recognition | Algebra space | Traffic state identification
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی