: امروزه، رشد چشمگیر ناباروری در جوامع مختلف و نیاز به بررسی هر یک از عوامل ناشی از ناتوانی مردان و زنان در ایجاد و تشدید آن بر کسی پوشیده نیست. در این میان، آمارهای سازمان بهداشت جهانی از رشد سریع عوامل ناتوانی مردانه در باروری تا حدود 50 درصد حکایت دارد؛ که نشاندهنده چکیده کامل
: امروزه، رشد چشمگیر ناباروری در جوامع مختلف و نیاز به بررسی هر یک از عوامل ناشی از ناتوانی مردان و زنان در ایجاد و تشدید آن بر کسی پوشیده نیست. در این میان، آمارهای سازمان بهداشت جهانی از رشد سریع عوامل ناتوانی مردانه در باروری تا حدود 50 درصد حکایت دارد؛ که نشاندهنده اهمیت بالای تجزیه و تحلیل مورفولوژیکی اسپرم، به عنوان یکی از مهمترین و اساسیترین گامها در تجزیه و تحلیل مایع منی، به منظور اجرای لقاح مصنوعی است. در این مقاله، تلاش شدهاست تا به کمک یکی از روشهای یادگیری نیمهنظارتی، موسوم به شبکه نردبانی، به استخراج ویژگیهای بخشهای مختلف اسپرم (مانند سر، واکوئل و آکروزوم) پرداخته و در ادامه با طبقهبندی آنها در دو گروه اسپرمهای طبیعی و غیرطبیعی، به انتخاب اسپرم مناسب، به منظور شرکت در فرآیند لقاح مصنوعی موفق شویم. پژوهش حاضر با اعمال تغییرات و بهبود عوامل مختلف بهویژه نویز ورودی، نتایج مناسبی را در آنالیز تصاویر با وضوح پایین و بدون رنگآمیزی کسب کرده است. بررسی مدل پیشنهادی برای هر سه بخش اسپرم (سر، واکوئل و آکروزوم) موفق شد با وجود تصاویری با کیفیت پایین، نتایج چشمگیر بیش از 70% را برای سر و آکروزوم و بیش از 80% را برای واکوئل بهدست آورد.
پرونده مقاله
: شبکههای عصبی عمیق دقت و کارایی بالایی در حل مسائل مختلف دارند اما در برابر نمونههای تخاصمی آسیب پذیر هستند. این دسته از نمونههای مخرب به منظور فریب مدل آموزشدیده و بررسی آسیبپذیری مدلهای شبکه عصبی تولید میشوند. در حوزه متن روشهای موفق زیادی برای ساخت این نمو چکیده کامل
: شبکههای عصبی عمیق دقت و کارایی بالایی در حل مسائل مختلف دارند اما در برابر نمونههای تخاصمی آسیب پذیر هستند. این دسته از نمونههای مخرب به منظور فریب مدل آموزشدیده و بررسی آسیبپذیری مدلهای شبکه عصبی تولید میشوند. در حوزه متن روشهای موفق زیادی برای ساخت این نمونهها ارائه نشده است. در این پژوهش یک روش قوی مبتنی بر گرادیان تابع هزینه مدل برای تولید نمونه-های تخاصمی متنی ارائه شده و نشان داده شده که میتوان با جایگزینی تعداد کمی از کلمات موجود در نمونههای اصلی با کلماتی که بیشترین تاثیر منفی را روی تصمیم طبقهبند دارند، نمونههای جدیدی مشابه با نمونههای اولیه برای فریب طبقهبند تحلیل احساس در سطح کلمه تولید نمود. در نهایت با بهرهگیری از این نمونهها دقت دو مدل طبقهبند از پیشآموزشدیده بررسی شد. روش مورد استفاده در این پژوهش، با دستکاری اندک نمونههای ورودی، موفق به کاهش دقت طبقهبندی از 86 درصد به کمتر از 10 درصد شده است.
پرونده مقاله