دانلود مقاله ترجمه شده شبکه های عصبی گسترش متقابل برای تشخیص علائم

این کار احتمال استفاده از الگوریتم اجزای همبسته برای تفکیک و استخراج مشخصه های ذاتی در موضوعات مورد مطالعه و شبکه های عصبی گسترش متقابل (CPN) مورد توجه قرار داده و قابلیت آموزش تشخیص موضوع و هدف را ارزیابی می نماید. شبکه های عصبی برای تعیین سیستم خروجی وابسته به ورودیهای معین به هیچ مدل ریاضیاتی ای نیاز ندارند. به جای آن، آنها بسان مدلی از برآوردکنندگان آزاد عمل کرده و ورودی آنها به الگوهایی نزدیک است که تا کنون فراگرفته شده اند. شبکه های عصبی بصورت قراردادی برای انواع آشکارسازی خودکار هدف، تشخیص ویژگی، کنترل و غیره استفاده شده اند، اما در مورد تطبیق چندگانه و مجتمع هدف نظیر علامت گذاری، در مقایسه با لوگو گرافیک، متن و ترکیبی پیچیده دارد. CPN بر اساس قاعده ی تراکم در فضای n بُعدی اقلیدسی عمل می کند. نتایج بسیار امیدوارکننده ای از آن مشاهده شده است.

فهرست مطالب

1– مقدمه

2– الگوریتم ها و مدلها

1-2-تقسیم بندی تصویر

2-2-شبکه ی عصبی گسترش متقابل Counterpropagation

3– آزمایشات

1-3- آماده سازی نمونه

2-3-انتخاب ساختار

3-3-عملکرد مدل CPN