جستجو
استخراج بهینه هایپرپارامترهای شبکه عصبی کانولوشن با استفاده از الگوریتم بهینه سازی پنگوئن امپراطور با هدف افزایش دقت تشخیص ارقام دست نویس
علی فیض1 علیرضا چمکوری2 نوشین ربیعی3
چکیده :
تشخیص ارقام دستنویس یکی از مسائل مهم در حوزه بینایی ماشین و پردازش تصویر است که کاربردهای گستردهای در سیستمهای بانکی، پستی و دیجیتالیسازی اسناد دارد. در سالهای اخیر، شبکههای عصبی کانولوشن (CNN) به دلیل توانایی بالا در استخراج خودکار ویژگیهای بصری، به یکی از مؤثرترین روشها برای بازشناسی ارقام دستنویس تبدیل شدهاند. با این حال، عملکرد این شبکهها به شدت وابسته به انتخاب مناسب هایپرپارامترهایی نظیر تعداد فیلترها، اندازه فیلترها، نرخ یادگیری و اندازه دسته آموزشی است و تنظیم دستی این پارامترها اغلب فرآیندی زمانبر و غیربهینه محسوب میشود. در این پژوهش، یک رویکرد ترکیبی مبتنی بر تلفیق شبکه عصبی کانولوشن و الگوریتم بهینهسازی پنگوئن امپراطور (Emperor Penguin Optimizer – EPO) برای استخراج بهینه هایپرپارامترهای مدل ارائه شده است. در این روش، هر پنگوئن نمایانگر یک مجموعه از هایپرپارامترهای CNN بوده و الگوریتم با الهام از رفتار تجمع گرمایشی پنگوئنها، به جستجوی فضای پارامترها پرداخته و بهترین پیکربندی را شناسایی میکند. برای ارزیابی عملکرد مدل پیشنهادی از مجموعه داده استاندارد MNIST شامل ۷۰,۰۰۰ تصویر از ارقام دستنویس استفاده شده است. نتایج آزمایشها نشان میدهد که استفاده از الگوریتم EPO در فرآیند تنظیم هایپرپارامترها میتواند منجر به بهبود دقت تشخیص، افزایش سرعت همگرایی و کاهش وابستگی به تنظیمات دستی شود. یافتههای این تحقیق نشان میدهد که رویکرد پیشنهادی میتواند به عنوان یک روش کارآمد در حوزه بهینهسازی مدلهای یادگیری عمیق و توسعه سیستمهای بازشناسی هوشمند مورد استفاده قرار گیرد.
کلمات کلیدی : یادگیری عمیق شبکه عصبی کانولوشن الگوریتم بهینهسازی پنگوئن امپراطور تشخیص ارقام دستنویس بهینهسازی هایپرپارامترها
زبان مقاله : فارسی
محور مقاله : محورهای نظری هوش مصنوعی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ACZFDB
لینک مستقیم مقاله : https://isnac.ir/AAHD-ACZFDB
سایر مقالات ارائه دهنده
- بهبود عملکرد خوشهبندی مشتریان تجارت الکترونیکی از طریق ارتقای فاکتور آگاهی در الگوریتم بهینهسازی چیتا
- ارائه یک روش ترکیبی مبتنی بر الگوریتم بهینه سازی کرم شبتاب و ماشین بردار پشتیبان جهت شناسایی مواد فعالکننده گیرنده آندروژن
- طبقه بندی هوشمند تصاویر پزشکی با بهره گیری از تلفیق بردارهای ویژگی در سطح میانی شبکه های عمیق هیبرید
- استخراج بهینه هایپرپارامترهای شبکه عصبی کانولوشن با استفاده از الگوریتم بهینه سازی پنگوئن امپراطور با هدف افزایش دقت تشخیص ارقام دست نویس
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems