شناسایی چهره از مهمترین فناوریهای بیومتریک برای شناسایی افراد است که در کنترل دسترسی هم استفاده دارد. تشخیص چهره یکی از مراحل مهم قبل از شناسایی هویت می باشد. معمولا برای تشخیص وجود چهره در تصاویر از یک روش استفاده شده است، اما در این تحقیق برای افزایش صحت تشخیص از ترک چکیده کامل
شناسایی چهره از مهمترین فناوریهای بیومتریک برای شناسایی افراد است که در کنترل دسترسی هم استفاده دارد. تشخیص چهره یکی از مراحل مهم قبل از شناسایی هویت می باشد. معمولا برای تشخیص وجود چهره در تصاویر از یک روش استفاده شده است، اما در این تحقیق برای افزایش صحت تشخیص از ترکیب دو روش الگوریتم ویولا-جونز و تطبیق اجزا و بافت تصویر با اجزا چهره و پوست برای بهبود عملکرد تشخیص استفاده میشود. در مرحله اول با استفاده از الگوریتم ویولا-جونز به تشخیص اجزای صورت میپردازیم و در مرحله بعدی با شبکه های عصبی رگرسیونی ویژگی های بافت چشم و بینی را مورد بررسی قرارداده و باتطبیق ویژگی های بافت صورت اجزاء صورت بهتر تشخیص داده می شوند. در این تحقیق از ویژگی های بافت مربوط به چشم راست و چپ و بینی درصورت برای افزایش دقت تطبیق استفاده می شود. برای ارزیابی روش پیشنهادی از چهره های مجموعه داده FDD-Fold استفاده نمودهایم. در مقایسه عملکرد این روش با روش شبکه عمیقRCNN با تعداد خیلی کمتر داده های آموزشی نسبت به آن به صحت 96.36% ، بیشتر از شبکهی یادگیری عمیق رسیدیم. این روش در سیستمهای با توانایی محاسباتی محدود با تعداد دادهی متوسط نتیجه مطلوبی می دهد.
پرونده مقاله
آموزش مجازی در سالهای اخیر مورد توجه مدارس و دانشگاههای زیادی قرار گرفته و به طور ویژه در اپیدمی کرونا به عنوان یک الزام آموزشی تعریف شده است. آموزش مجازی غالبا به شکلهای آنلاین، نیمه آنلاین و آفلاین پیاده سازی شده و مورد استفاده قرار گرفته است. با اینحال، علیرغم مزایا چکیده کامل
آموزش مجازی در سالهای اخیر مورد توجه مدارس و دانشگاههای زیادی قرار گرفته و به طور ویژه در اپیدمی کرونا به عنوان یک الزام آموزشی تعریف شده است. آموزش مجازی غالبا به شکلهای آنلاین، نیمه آنلاین و آفلاین پیاده سازی شده و مورد استفاده قرار گرفته است. با اینحال، علیرغم مزایای زیادی که آموزش مجازی به همراه دارد، کارآمدی آن در برابر آموزش حضوری سنتی یکی از سوالات جدی است که پیش روی محققان است. تحقیق حاضر با تمرکز بر این چالش، سعی کرده است به مقایسه کارآمدی مدلهای آموزش مجازی و سنتی بپردازد. این مطالعه در سطح یک دانشگاه دولتی و با حضور اساتید و دانشجویان در دانشکدههای مختلف انجام گردید. نتایج این تحقیق در حالی که اساتید معتقد بودند که مدل حضوری کارآمدتر از مدلهای آنلاین است، دانشجویان نظرات متفاوتی در این مورد داشتند. این مطالعه همچنین نشان داد که دانشجویان و اساتید دانشکدههای مختلف دیدگاههای متفاوتی در مورد اثربخشی مدلهای به کار گرفته شده داشتند. بنابراین، قضاوت کلی در مورد کارایی مدلهای آموزشی دشوار است. با این حال، به طور کلی، این مطالعه نشان میدهد که کارایی مدلهای آنلاین کمتر از مدل حضوری است.
پرونده مقاله
برای تجزیه و تحلیل کلان داده ها از جمله داده های شبکه های اجتماعی جریانی، به سیستم های بلادرنگ و توزیعشده برای دریافت، پردازش و نمایش نتایج تجزیه و تحلیل جریان داده با سرعت و کارایی بالا، ضمن حفظ توالی داده های ورودی نیاز داریم. در این مقاله، یک معماری توزیع شده برای ج چکیده کامل
برای تجزیه و تحلیل کلان داده ها از جمله داده های شبکه های اجتماعی جریانی، به سیستم های بلادرنگ و توزیعشده برای دریافت، پردازش و نمایش نتایج تجزیه و تحلیل جریان داده با سرعت و کارایی بالا، ضمن حفظ توالی داده های ورودی نیاز داریم. در این مقاله، یک معماری توزیع شده برای جمعآوری، جذب، پردازش، ذخیره و نمایش نتایج حاصل از پردازش دادههای شبکه اجتماعی جریانی برپایه معماری کاپا، پیشنهاد شده است. باتوجه به اینکه داده های ناهنجار، برکیفیت و دقت نتایج حاصل از پردازش داده ها، تاثیر منفی می گذارند، لذا در معماری پیشنهادی، مولفه تشخیص داده های ناهنجار نیز در نظر گرفته شده است. ما لایههای مختلف معماری، اجزا و تعاملات آنها را با استفاده از مدل نمای معماری 1+4 و نمودارهای UML مربوط به هر نما، توصیف می کنیم. براساس مستندات حاصل، جنبه های مختلف این معماری بررسی و مهم ترین آنها استخراج می شود. یک ساختار واضح از معماری ارائه شده که به سازماندهی اطلاعات کمک می کند، دید لازم از معماری، به ذینفعان داده می شود و آنها این فرصت را دارند که روی دیدگاهی که بیشترین ارتباط را با آنها دارد، تمرکز کنند و نیازهای عملکردی و غیر عملکردی سیستم، مشخص می شود.
پرونده مقاله
در دنیای امروز با عنایت به پیشرفتهای هوش مصنوعی، سامانههای سنتی موجود در تعامل با مخاطبین در تماسهای تلفنی کارآمد نخواهند بود و این کارآمدی با اتوماسیون و خودکارسازی فعالیتهای تکراری بهبود خواهد یافت. در این مقاله، ابزار ParsAirCall معرفی شده است که یک ابزار برای تش چکیده کامل
در دنیای امروز با عنایت به پیشرفتهای هوش مصنوعی، سامانههای سنتی موجود در تعامل با مخاطبین در تماسهای تلفنی کارآمد نخواهند بود و این کارآمدی با اتوماسیون و خودکارسازی فعالیتهای تکراری بهبود خواهد یافت. در این مقاله، ابزار ParsAirCall معرفی شده است که یک ابزار برای تشخیص خودکار گفتار فارسی اعداد در سامانههای فرودگاهی است که از یادگیری انتقالی عمیق برای بهبود عملکرد در محیطهای واقعی و عملیاتی سامانههای هوشمند تلفنی گویا در فرودگاههای کشور میباشد. ParsAirCall با تعداد کمتر پارامترها و منابع محاسباتی بهینهتر و نیز دقت بالاتر از مدلهای رقیب عمل میکند. به دلیل محدودیت دادههای موجود برای تشخیص گفتار در زبان فارسی، یک مجموعه دادگان 30ساعته تلفنی جمعآوری و برچسبگذاری شده و برای آموزش مدل نهایی مورد استفاده قرار گرفته است. آزمایشها روی هر دو مجموعه داده تلفنی جمعآوری شده توسط ما و پروژه Common Voice انجام شدند، که کارایی ParsAirCall را در دستیابی به 2.7% میزان WER در تشخیص اعداد در تماسهای تلفنی فرودگاهی را نشان میدهد. ParsAirCall میتواند به راحتی به عنوان یک سرویس در هر سیستمهای تلفنی فرودگاهی فارسی زبان ادغام شود، که آن را به یک ابزار قابل اجرا برای تشخیص اعداد در مراکز تماس و سیستمهای تلفنی فرودگاهی تبدیل کند.
پرونده مقاله
با توجه به حجم فزاینده اطلاعات و خدمات موجود در وب، ارائه ابزارهایی مانند سیستمهای توصیهکننده به وبسایتها و برنامههای کاربردی که میتوانند به کاربران در دستیابی به اطلاعات و خدمات متناسب با علایقشان کمک کنند، ضروری است. به همین دلیل، ارائه راهنمایی و پیشنهاد مناسب چکیده کامل
با توجه به حجم فزاینده اطلاعات و خدمات موجود در وب، ارائه ابزارهایی مانند سیستمهای توصیهکننده به وبسایتها و برنامههای کاربردی که میتوانند به کاربران در دستیابی به اطلاعات و خدمات متناسب با علایقشان کمک کنند، ضروری است. به همین دلیل، ارائه راهنمایی و پیشنهاد مناسب به کاربران در انتخابهای مختلف، مطابق با اولویتهای کاربر در حوزههای مختلف جایگاه خاصی پیدا کرده است. سامانههای توصیه کننده سیستمهای اطلاعاتی هستند که با مدلسازی رفتار کاربران در محیطهای عملیاتی در رتبهبندی، مقایسه، انتخاب و ترجیحات اقلام کاربران، با محدود کردن فضای جستجوی از طریق توصیههای با دقت و کیفیت بالا، در فرآیند تصمیمگیری کمک میکنند. در این پژوهش سیستم توصیه کننده چند عاملی پیشنهاد شد که بتواند به عنوان دستیار خرید در فرآیند خرید توصیه-های مناسبی ارائه دهد. برای تحلیل مدل پیشنهادی مجموعه داده فروش یک فروشگاه مستقر در بریتانیا شامل 1067371 رکورد از داده-های فروش آنلاین، مورد استفاده قرار گرفته است. با شبیه سازی مدل پیشنهادی نتایج حاصل از به کارگیری مدل بر روی دادههای مربوط به مشتریان مورد تجزیه و تحلیل قرار گرفت. نتایج به کارگیری مدل پیشنهادی نشان داد، مدل پیشنهادی در ارزیابی پارامترهای مورد استفاده در مقایسه با روشهای رایج در این حوزه دارایی کارایی مناسبی میباشد.
پرونده مقاله
در این مقاله، قصد داریم از شبکه های عصبی ژانگ برای بهینهسازی توابع غیرخطی با زمان متغیر استفاده کنیم. در این جهت از یک مدل کلی گسسته سازی ژانگ با خطای کوتاه سازی O (τ^5) استفاده شده و سعی بر آن شده است تا مطالعه دو مدل کلی پنج مرحله ای زمان گسسته شبکه عصبی ژانگ چکیده کامل
در این مقاله، قصد داریم از شبکه های عصبی ژانگ برای بهینهسازی توابع غیرخطی با زمان متغیر استفاده کنیم. در این جهت از یک مدل کلی گسسته سازی ژانگ با خطای کوتاه سازی O (τ^5) استفاده شده و سعی بر آن شده است تا مطالعه دو مدل کلی پنج مرحله ای زمان گسسته شبکه عصبی ژانگ و کاوش در رابطه پارامتر( a_1 ) و اندازه بهینه گام (h ( گسترش یابد. در این پژوهش، با استفاده از نرمافزار متلب به منظور ورود داده ها به شبکه عصبی پیشنهادی، ابتدا با روش نرمال سازی استاندارد، نرمال شده اند. داده های مورد نظر در پژوهش در چهار مرحله، آموزش، تست، آزمایش و اعتبارسنجی و در پنج فاز مورد بررسی و ارزیابی قرار گرفتند. آموزش داده ها بر مبنای مدل الگوریتم لونبرگ- ماد برای لایه اول و تابع خطی برای لایه دوم انجام شده است. در ادامه بهترین ساختار شبکه با تابع تبدیل در نظر گرفته شده و براساس مدل شبکه عصبی پیشنهادی در پنج مرحله مورد آزمایش قرار گرفته است.
پرونده مقاله