مروری بر روش های کلاس بندی سنگ بر پایه یادگیری عمیق

مروری بر روش های کلاس بندی سنگ بر پایه یادگیری عمیق


  • 38 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

چکیده  
کارهای اولیه انجام شده بروی شبکه های عصبی هوشمند با فراز و نشیب های زیادی مواجه بوده، ولی همیشه بحث مورد علاقه محققان است. روش های تلفیقی مبتنی بر شبکه های عصبی برای دسته بندی، خوشه بندی، پیش بینی و تخمین زدن توانسته در مصارف مهمی چون تشخیص مشکلات پزشکی، بیولوژیکی، تجارت، رباتیک و پروژه های صنعتی نقش کلیدی را ایفا کنند. آخرین پیشرفت در این رشته باعث ابداع روش های دیگر مانند یادگیری عمیق است که حاصل پیشرفت محاسبات موازی سخت افزاری و نرم افزاری می باشد. یکی از مصارف موثر یادگیر عمق در طبقه بندی تصاویر است و روشی مناسب برای استفاده در صنعت سنگهای ساختمانی می باشد.

نتیجه گیری
از آنجا که طبقه بندی نامناسب از سنگ می تواند منجر به مشکلات اصلی اقتصادی شود، طبقه بندی مناسب از آنها با توجه به ظاهر و کیفیتشان از علل مهم است. با این حال با استفاده از کارشناسان برای طبقه بندی با توجه به اپراتورهای مختلف، معیارهای مختلف که توسط اپراتورهای در نظر گرفته میشود، و نوع نور محیط می تواند منجر به خطا در عملکرد طبقه بندی شود. بنابراین، با استفاده از سیستم که قادر به طبقه بندی خودکار است ضروری می باشد.
در ضمن بوسیله روش پیشنهادی تمامی لایه های متصل یک CNN کلاسیک استخراج شده اهمیت کمتری در آنالیز بافت خواهند داشت، بنابرین یک معیار انرژی از آخرین لایه ی کانولوشن را که آن را به یک لایه کاملا متصل متصل نموده است تجمیع می کنیم. راه ارائه شده میتواند کارایی یک شبکه را از نظر کاهش حافظه مورد استفاده و محاسبات بهبود بخشد.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی در مورد یادگیری عمیق که شامل 50 مقاله فارسی در مورد الگوریتم ها و روش های یادگیری عمیق است به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.