بهبود شبكه هاي عصبي همگشتي با در نظر گرفتن عدم قطعيت داده ها

كارشناسي ارشد

چͺيده امروزه شبͺه هاي عصبي همͽشتr به عنوان گروهr از شبͺه هاي عصبي عميق كاربرد فراوانr در بازشناسr گفتار و پردازش تصوير يافته اند. در بازشناسr گفتار از اين شبͺه ها براي مدل سازي صوتr و همچنين استخراج ويژگr از طيف سيͽنال گفتار و در پردازش تصوير براي كلاسبندي و بخش بندي تصاوير استفاده شده است. يͺ ͬاز مشͺلات شبͺه هاي عصبي همͽشتr مقاوم نبودن در برابر نويز مr باشد. يͺ ͬاز روش هاي كنترل نوير استفاده از عدم قطعيت داده ها است. در واقع يͷ داده نويزي مقدار عدم قطعيت بالاتري دارد. در اين پژوهش يͷ روش جديد براي بهبود شبͺه هاي عصبي همͽشتr با كمͷ تئوري نتروسافيͷ ارائه شده است در حالr كه تئوري نتروسافيͷ يͷ روش براي محاسبه عدم قطعيت داده ها مr باشد. نوآوري اين پژوهش شامل دو مورد زير است. مورد اول روش محاسبه عدم قطعيت داده در فضاي نتروسافيͷ مr باشد. در اين قسمت با توجه به متفاوت بودن بودن ماهيت داده هاي گفتار و تصوير، براي هر مجموعه داده يͷ روش محاسبه عدم قطعيت ارائه شده است. مورد دوم تاثير مقدار عدم قطعيت داده ها در شبͺه هاي عصبي همͽشتr مr باشد. در اين قسمت با كمͷ گرفتن از عدم قطعيت داده ها در شبͺه هاي عصبي همͽشتr مr توان دقت را بهبود داد. بنابراين در اين پايان نامه دقت شبͺه هاي عصبي همͽشتr به كمͷ عدم قطعيت داده ها بهتر شده است. آزمايش هاي انجام شده روي مجموعه دادگان Aurora2 و 10-CIFAR نشان مr دهد دقت روش پيشنهادي در مقايسه با شبͺه هاي عصبي همͽشتr بهبود يافته است. براي مجموعه دادگان Aurora2 در حالت تميز و نويزي به ترتيب ١١ و ۴ درصد نسبت به شبͺه هاي عصبي همͽشتr بهبود داشته است. براي مجموعه دادگان 10-CIFAR نيز در حالت نويزي حدود ۴ درصد دقت شبͺه نسبت به شبͺه هاي عصبي همͽشتr بهتر شده است. واژگان كليدي: شبͺه هاي عصبي همͽشتr، تئوري نتروسافيͷ ،عدم قطعيت

191956

دانشگاه علم و صنعت ايران

دكتر بابك ناصرشريف

هوش مصنوعي و رباتيك

دكتر احمد اكبري ازيراني