شماره ركورد كنفرانس :
4605
عنوان مقاله :
شبكه باور عميق فازي براي دسته بندي ارقام دست نوشته انگليسي و فارسي با استفاده از اعداد فازي
پديدآورندگان :
السادات حسيني مرضيه marzieh.hosseini@ec.iut.ac.ir دانشكده برق و كامپيوتر، دانشگاه صنعتي اصفهان، اصفهان، ايران؛ , صفاياني مهران safayani@cc.iut.ac.ir دانشكده برق و كامپيوتر، دانشگاه صنعتي اصفهان، اصفهان، ايران؛
كليدواژه :
اعداد فازي , شبكه باور عميق فازي , ماشين بولتزمن محدود فازي , يادگيري عميق
عنوان كنفرانس :
بيست و ششمين كنفرانس مهندسي برق ايران
چكيده فارسي :
با پيشرفت هاي شگرف اخير تحليل داده ها با حجم وسيعي انجام مي شود. در اين بين، به منظور تحليل دقيق‌تر پژوهش‌هاي زيادي با روش‌هاي مبتكرانه‌اي در حوزه‌هاي مختلف از جمله هوش مصنوعي صورت پذيرفته است. يكي از روش‌هاي موجود در اين حوزه براي پردازش داده‌ها و تحليل آن ها، شبكه‌هاي عصبي مصنوعي است كه با الهام از سيستم عصبي مغز انسان، در مواردي همچون پردازش تصوير، مدل‌سازي موضوع و دسته‌بندي الگوها كاربرد دارد. در اين مقاله با اضافه كردن عدم قطعيت به شبكه باور عميق، مدل فازي آن را ارائه مي نماييم و روش پيشنهادي را بر روي مجموعه داده ارقام دست نوشته انگليسي و فارسي مورد ارزيابي قرار مي دهيم. اضافه كردن عدم قطعيت به شبكه باور عميق در مسائل پيچيده تر با تعداد متغير بيشتر باعث بهبود عملكرد شده و به كارگيري اين روش ها باعث ارتقاي دقت دسته بندي مي گردد. به طوري كه شبكه باور عميق فازي با معماري در نظر گرفته شده در مقاله، به دقتي بيش از 95 درصد بر روي مجموعه داده ارقام دست نوشته فارسي و بيش از 96 درصد بر روي مجموعه داده ارقام دست نوشته انگليسي دست يافته كه با توجه به پژوهش هاي صورت گرفته در اين حوزه از دقت مناسبي برخوردار است.
