ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تأثير خوارزمية SVM على شبكات ا...>الوصف

تأثير خوارزمية SVM على شبكات التصنيف العميقة

العنوان بلغة أخرى: Effect of the SVM Algorithm on Deep Classification Networks
المصدر: مجلة العلوم الهندسية وتكنولوجيا المعلومات
الناشر: المركز القومي للبحوث
المؤلف الرئيسي: الحلبي، سمر عبدالغني (مؤلف)
المؤلف الرئيسي (الإنجليزية): Al-Halabi, Samar Abd AlGanai
مؤلفين آخرين: خليل، فداء عماد (م. مشارك)
المجلد/العدد: مج6, ع4
محكمة: نعم
الدولة: فلسطين
التاريخ الميلادي: 2022
الشهر: يونيو
الصفحات: 73 - 88
ISSN: 2522-3321
رقم MD: 1321464
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: HumanIndex
مواضيع:
المقاييس الحيوية | الثورة الرقمية | التعرف على الوجوه | الشبكات التأسيسية | خوارزمية دعم الآلة
كلمات المؤلف المفتاحية:
التعلم بالنقل | تعلم الآلة | التصنيف | شبكة عصبية تلافيفية | خوارزمية متجه دعم الآلة | Transfer Learning | Machine Learning | Image Classification | Convolutional Neural Networks | Support Vector Machine (SVM)
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

5

حفظ في:
المستخلص: هدفت الدراسة إلى تطبيق عدة شبكات عصبونية تلافيفية على عينتي بيانات تضمان مجموعة كبيرة من الصور البشرية بهدف التعرف عليها من خلال تقنية التعلم بالنقل، ودراسة مدى تأثير تطبيق خوارزمية متجه دعم الآلة على هذه الشبكات. تعد تقنية التعرف على الوجوه البشرية من المسائل المهمة، فقد تم تطبيقها على نطاق واسع في العديد من المجالات منها الأمنية كالتعرف على المجرمين، والتعليمية كأنظمة الحضور، وأنظمة الحماية كالخدمات المصرفية الإلكترونية الآمنة، وغيرها. لا تعطي الخوارزميات التقليدية نتائج مثلى في هذا المجال لذلك قمنا بالعمل على عدة شبكات عصبونية تلافيفية اعتمدت في مجال التصنيف من الأقدم إلى الأحدث، بالإضافة إلى ذلك استبدلنا طبقة التصنيف في كل شبكة من الشبكات المدروسة بخوارزمية متجه دعم الآلة للاستفادة من مزاياها في فصل البيانات غير الخطية ودراسة مدى تأثيرها على أداء هذه الشبكات من ناحية الدقة والزمن. حصلنا في نهاية البحث على مجموعة من النتائج الجيدة، والتي حققت دقة عالية بلغت تقريبا 99% وانخفاض في زمن التدريب ونسبة خطأ التصنيف في بعض الحالات المدروسة.

The study aimed at applying several convolutional neural networks on two data samples containing a large group of human images in order to identify them through transfer learning technology, and study the effect of applying support vector machine (SVM) on these networks. Human facial recognition technology is an important problem; this technology is applied broadly in security (such as criminal identification), education (such as attendance systems), protection systems (such as secure electronic banking), etc. Traditional algorithms didn't give optimal results in the classification field, so we used the newest (CNNs) in its. Additionally, we replaced classification layer in each of the networks studied with (svm), to study its effect on the performance of these networks in accuracy and time. At the end, we got good results that achieved accuracy about 99% and reducing training time and classification error rate in some cases.
ISSN: 2522-3321

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.