دانلود و نمایش مقالات مرتبط با مقاله یادگیری عمیق 2019::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - مقاله یادگیری عمیق 2019

تعداد مقالات یافته شده: 2
ردیف عنوان نوع
1 سریع‌ترین واسط مغز و کامپیوتر جهان: ترکیب کد EEG2 با یادگیری عمیق
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 15 - تعداد صفحات فایل doc فارسی: 29
در این مقاله روش جدیدی بر اساس یادگیری عمیق برای کدگشایی اطلاعات حسیِ حاصل از الکتروانسفالوگرام‌هایی (EEG) که به صورت غیرتهاجمی ثبت شده‌اند، ارائه می‌دهیم. این روش را می‌توان در رابط‌های مغز و کامپیوتر (BCI) غیرفعال برای پیش‌بینی ویژگی‌های یک محرک بصری که فرد مشاهده می‌کند، به کار برد و یا می‌توان برای کنترل فعالانه‌ی کاربردهای BCI از آن استفاده کرد. هر دو سناریو مورد آزمایش قرار گرفتند، بدین ترتیب که متوسط نرخ انتقال اطلاعات (ITR) برابر با 701 بیت بر دقیقه برای روش BCI غیرفعال به دست آمد و بهترین سوژه به ITR آنلاین برابر با 1237 بیت بر دقیقه دست یافت. علاوه بر این، امکان تشخیص 500000 محرک بصری مختلف بر اساس تنها 2 ثانیه از اطلاعات EEG با دقت تا 100% را میسر ساخت. هنگامی که این روش در یک BCI خودگام آسنکرون برای هجی کردن به کار برده شد، متوسط نرخ سودمندی برابر با 175 بیت بر دقیقه به دست آمد که متناظر با به طور متوسط 35 حرف بدون خطا در هر دقیقه است. از آن‌جایی که اطلاعاتی که این روش استخراج می‌کند، بیش از سه برابرِ سریع‌ترین روش قبلی است، نشان می‌دهیم که سیگنال‌های EEG اطلاعات بیش‌تری نسبت به مقداری که معمولا فرض می‌شود، انتقال می‌دهند. در نهایت یک اثر حداکثر مشاهده کردیم به طوری که محتوای اطلاعات در EEG از آن چیزی که برای کنترل BCI لازم است، فراتر می‌رود و بنابراین در این مورد بحث می‌کنیم که آیا تحقیقات BCI به نقطه‌ای رسیده‌اند که دیگر نمی‌توان عملکرد کنترل BCI بصری غیرتهاجمی را به طور قابل توجهی بهبود بخشید یا خیر.
مقاله ترجمه شده
2 تحلیل احساسات مبتنی بر یادگیری عمیق در متن رومی اردو
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 9
آنالیز احساسات با توجه به رویکرد همه جانبه در آنالیز احساسات کاربران شبکه های اجتماعی مختلف، انجمن ها، سایت های بازاریابی الکترونیکی و وبلاگ ها، اهمیت زیادی دارد. داده های مربوط به احساسات در وب اهمیت زیادی دارد و بر مشتریان، خوانندگان و شرکت های تجاری تأثیر می گذارد. شبکه عصبی مکرر به طور گسترده ای در انجام وظایف پردازش زبان طبیعی مورد استفاده قرار گرفته است، زیرا برای مدل سازی داده های متوالی به صورت موثر طراحی شده است.
در این مقاله از مدل عصبی عمیق حافظه کوتاه-طولانی مدت (LSTM) استفاده شده است. توانایی فوق العاده ای در ضبط اطلاعات دور برد و حل مشکل کاهش گرادیان و همچنین ارائه اطلاعات متنی آتی، معناشناسی توالی لغات با شکوه دارد. این مقاله پایه و اساس تطبیق روش های یادگیری عمیق در آنالیز رومن اردو است. نتایج تجربی نشان داد که مدل ما دقت قابل توجهی دارد و دقت بیشتری از روش های یادگیری ماشین دارد.
کليدواژه: شبکه عصبی مکرر (RNN)| حافظه کوتاه-بلند مدت (LSTM) | آنالیز معنایی رومن اردو | تعبیه لغت
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi