بهبود مدل تفکیک کننده منیفلدهای غیرخطی به منظور بازشناسی چهره با یک تصویر از هر فرد

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بهبود مدل تفکیک کننده منیفلدهای غیرخطی به منظور بازشناسی چهره با یک تصویر از هر فرد دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهبود مدل تفکیک کننده منیفلدهای غیرخطی به منظور بازشناسی چهره با یک تصویر از هر فرد  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهبود مدل تفکیک کننده منیفلدهای غیرخطی به منظور بازشناسی چهره با یک تصویر از هر فرد،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهبود مدل تفکیک کننده منیفلدهای غیرخطی به منظور بازشناسی چهره با یک تصویر از هر فرد :

نام کنفرانس، همایش یا نشریه : پردازش علایم و داده ها

تعداد صفحات :۱۸

یادگیری منیفلد یکی از روش های کاهش بعد مطرح به منظور استخراج ساختار غیرخطی داده با ابعاد بالاست. تاکنون روش های زیادی به این منظور ارائه شده اند. در تمام این روش ها یک منیفلد به عنوان منیفلد جاسازی شده در داده استخراج می شود. در حالی که در خیلی از مسائل مربوط به دنیای واقعی یک منیفلد به تنهایی بیان گر ساختار داده نیست. در این راستا بر مبنای تحقیقات قبلی، یک روش کاهش بعد غیرخطی مبتنی بر شبکه های عصبی عمیق ارائه شده است که قادر به استخراج توأم منیفلدهای جاسازی شده در داده است. در مدل شبکه عصبی تفکیک کننده منیفلدهای غیرخطی، برخلاف روش معمول استخراج منیفلد با شبکه های عصبی که به صورت بدون سرپرستی صورت می گیرد، از برچسب داده در جهت شکل گیری منیفلدها به صورت غیرمستقیم استفاده می شود. با توجه به ساختار عمیق این مدل نشان داده شده است که با بهره گیری از روش های پیش تعلیم می توان به طور معناداری عملکرد آن را بهبود بخشید؛ همچنین در راستای استخراج بهتر منیفلدها و حفظ تمایز درون منیفلدی برای طبقات مختلف، توابع معیار آن بهبود داده شده است. این مدل برای استخراج منیفلدهای حالت های احساسی و هویت افراد از دادگان چهره CK+، مورد استفاده قرار گرفته است. با بهره گیری از پیش تعلیم لایه به لایه و بهبود توابع معیار، نرخ بازشناسی حالت برای تصاویر مجازی از ۲۴.۲۹% به ۷۵.۰۷% و درصد صحت بازشناسی هویت با یک تصویر از هر فرد با غنی سازی دادگان تعلیم طبقه بند KNN توسط این تصاویر مجازی، از ۹۰.۶۲% به ۹۷.۰۷% نسبت به مدل اولیه بهبود داشته است.

کلید واژه: شبکه عصبی، یادگیری منیفلد، تمایز درون منیفلدی، الگوهای مجازی، ساختار عمیق، تفکیک منیفلدها