شبکه عصبی مصنوعی و کاربردهای شبکه عصبی

شبکه عصبی مصنوعی یک سامانه پردازشی داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهدۀ پردازنده‌های کوچک و بسیار زیادی سپرده که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر رفتار می‌کنند تا یک مسئله را حل نمایند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نرون عمل کند. که به این ساختارداده گره گفته می‌شود. بعد با ایجاد شبکه‌ای بین این گره‌ها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند. در این حافظه یا شبکه عصبی گره‌ها دارای دو حالت فعال (روشن یا 1) و غیرفعال (خاموش یا 0) اند و هر یال (سیناپس یا ارتباط بین گره‌ها) دارای یک وزن می‌باشد. یال‌های با وزن مثبت، موجب تحریک یا فعال کردن گره غیر فعال بعدی می‌شوند و یال‌های با وزن منفی، گره متصل بعدی را غیر فعال یا مهار (در صورتی که فعال بوده باشد) می‌کنند. (بقیه مطالب در ادامه مطلب)

ادامه نوشته

(بخش دوم) استخراج ویژگی [قالب ها] Shape

در اینجا هدف یافتن جسم خاص از بین تعداد زیادی تصویر می­باشد. قالب (Shape) یکی از مهمترین ویژگی­ها برای توصیف محتویات یک تصویر می­باشد. از این رو بیان قالب تصویر و همچنین توصیف آن کاری دشوار می­باشد. برای به دست آوردن اطلاعات مرزی در مورد قالب شی، ویژگی­های متنوعی پیشنهاد شدند که عبارتند از : هیستوگرام قالب (Signature histogram)، اثر قالب، ثابت­های قالب­، گشتاورها، منحنی­ها، محتویات قالب، ویژگی­های طیفی و غیره. به هر حال این روش­ها به تنهایی برای ارزیابی میزان تاثیرپذیری قالب­ها کافی نمی­باشند. چون این ویژگی­ها می­توانند برخی از ویژگی­های دیگری را که به خوبی می­توانند بین قالب­ها تفکیک­پذیری ایجاد کند را رد می­کنند. در ادامه توضیحات کامل تری ارائه می گردد.

ادامه نوشته

(بخش اول) استخراج ویژگی [رنگ ها]

از مهمترین بخش های یه الگوریتم استخراج ویژگی هست. به طوریکه می شه گفت بالای 50% درصد کار رو وقتی میشه تموم شده فرض کرد که ویژگی های خوبی رو از تصویر مورد نظر استخراج کنیم. به طور کل نحوه استخراج ویژگی های برتر در بحث پردازش تصویر به صورت ابتکاری هست و به نظر من 10-15% از روشهای استخراج ویژگی رو میشه توی مطالب درسی آموخت و مابقی آن هم به صورت ابتکاری و مختص همان مسئله است.

در این بخش به معرفی برخی از مهمترین ویژگی ها خواهم پرداخت. به طور کلی ویژگی ها به دو دسته تقسیم می شن که عبارتند از : 

ويژگيهاي عمومي:  معمولاً شامل رنگ، بافت، شكل و روابط مكاني هستند.

ويژگيهاي خاص:  وابسته به حوزه كاربرد هستند.

در ادامه برخی از ویژگیهای مهم اشاره خواهد شد.

ادامه نوشته

الگوریتم اجتماع پرندگان (Particle Swarm Optimization)

روش PSO  یکی از روش­هایی است که تنها با آگاهی از اطلاعات تابع در نقاط مختلف، سعی در حرکت به سوی بهترین نقطه تابع هدف دارد. در این روش برای جهت­یابی و حرکت نقاط مختلف در هر گام، از دستورالعمل­های ساده­ای استفاده می­شود که باعث می­گردد در زمان کوتاه­تری نسبت به سایر روش­های تکاملی، به هدف نزدیک شود، هر چند که این الگوریتم در مقایسه با سایر الگوریتم مبتنی بر جمعیت از سرعت همگرایی بیشتری برخوردار می­باشد، لیکن هنوز تحقیقات گسترده­ای برای افزایش کارآیی آن صورت می­پذیرد. هدف اصلی این گزارش، بررسی PSO در حل مسائل بهینه­سازی و همچنین بررسی پارامترهای تاثیرگذار در این الگوریتم می­باشد. 

ادامه نوشته

الگوریتم کلونی مورچگان (Ant Colony)

مورچه ها با آنكه فاقد قدرت بينايي­اند، مي توانند كوتاه­ترين مسير از منبع تغذيه تا لانه خويش را با استفاده از مواد شيميايي كه در هنگام حركت از خود برجاي مي­گذارند و به «فرومون[1]» موسوم‌اند پيدا كنند. مورچه­ها هنگام راه رفتن از خود ردي از ماده شيميايي فرومون بجاي مي­گذارند؛ البته اين ماده بزودي تبخير مي­شد ولي در كوتاه مدت به عنوان رد مورچه بر سطح زمين باقي مي­ماند.

يك رفتار پايه اي ساده در مورچه ها وجود دارد:

آنها هنگام انتخاب بين دو مسير به صورت آماري[2] مسيري را انتخاب مي­كنند كه فرومون بيشتري داشته باشد يا بعبارت ديگر مورچه­هاي بيشتري قبلاً از آن عبور كرده باشند. حال دقت كنيد كه همين يك تمهيد ساده، چگونه منجر به پيدا كردن كوتاه­ترين مسير خواهد شد.

---

[1] Pheormon

[2] statistical

ادامه نوشته

الگوریتم آنيلینگ شبيه سازي شده (Simulated Annealing)

آنیلینگ شبيه­سازي شده روش جستجوي اتفاقي است كه الهام گرفته از روش سرد كردن (annealing) فلزات مي­باشد. سرد شدن فلز يعني رسيدن به انرژي حداقل و يك ساختار كريستالي مناسب مي­باشد. از اين ايده براي بهينه­سازي و جستجو استفاده مي­شود. اين الگوريتم در 1983 براي حل مسائل غيرخطي ارائه شد. عملكرد اين الگوريتم مشابه نوسان توپي است كه دامنة نوسانات آن متناسب با دماي فلز يا انرژي آن است، با سرد شدن فلز مذاب دامنه نوسانات توپ كم مي­شود.

ادامه نوشته

الگوريتم ژنتيك (Genetic Algorithm)

پارامتر اصلی ژنتیک بیولوژیک، کروموزوم است. کروموزوم­ها  با یکدیگر جایگزین می­شود و با تغییر خود، مجموعۀ جدیدی از کروموزوم ها تولید می­شود. بر اساس نیاز بعضی از کروموزوم ها بیشتر زنده می­مانند. این یک سیکل تولیدی در ژنتیک بیولوژیک است. فرایند بالا برای نسل­های زیاد، تکرار شده و سرانجام بهترین مجموعه از کروموزوم­ها بر اساس نیاز در دسترس خواهند بود. این فرایند طبیعی وراثت بیولوژیک است. الگوریتم ریاضی معادل با رفتار بالا به عنوان یک تکنیک بهینه­سازی با نام الگوریتم ژنتیک مصنوعی مورد استفاده قرار می­گیرد.

ادامه نوشته

بهینه‌ سازی مبتنی بر ابتکار

بهینه‌سازی‌های مبتنی بر ابتکار عبارت از معیارها، روش­ها یا اصولی برای تصمیم­گیری بین چند گزینه و انتخاب اثر بخش­ترین برای دست­یابی به اهداف مورد نظر می‌باشد. این روش‌ها نتیجه برقراری اعتدال بین دو نیاز هستند که نیاز به ساختن معیارهای ساده و در همان زمان توانایی تمایز درست بین انتخاب­های خوب و بد را دارا مي­باشند. 

ادامه نوشته

مرزهای بین پردازش تصویر بینایی ماشین و هوش مصنوعی

پردازش را میتوان در سه سطح پایین، متوسط و بالا در نظر گرفت.

            معمولاً در سطح پایین به پردازش عملیات اولیه ای می پردازند که عملیاتی از قبیل کاهش و حذف نویز، بهبود نویز و پر رنگ کردن لبه های اشیاء و عملیات آماده سازی تصویر میپردازند.

ادامه نوشته