رکوردهای مرتبط با این شخص

ارائه ی روشی برای تشخیص احساسات مبتنی بر سیگنال EEG با استفاده از یادگیری عمیق (1399) / نقوی ، فاطمه، نویسنده

نوع مدرک: متون چاپی سرشناسه نقوی ، فاطمه، نویسنده رده‌بندی کنگره : ‭COM A ‭8 1399 عنوان : ارائه ی روشی برای تشخیص احساسات مبتنی بر سیگنال EEG با استفاده از یادگیری عمیق عنوان موازی : EEG based Emotion Recognition Using Deep Learning ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1399 صفحه شمار: 61ص شابک/شاپا 23339 یادداشت پایان نامه کارشناسی ارشد: هوش مصنوعی شناسه افزوده : نقش نیلچی ، احمدرضا، استاد راهنما توصیفگرها تشخیص احساس  سیگنال مغزی  یادگیری عمیق  Emotion Detection  Brain Signal  Deep Learning چکیده : احساسات که هم روی وضعیت فیزیولوژیکی و هم روحی انسان تاثیر می¬گذارد نقش مهمی را در زندگی بشر ایفا می¬کند. احساسات مثبت به بهبود سلامت انسان و بازدهی کار کمک می¬کند در حالی که احساسات منفی ممکن است باعث بروز مشکلات سلامتی شوند. احساسات منفی در طولانی مدت مستعد افسردگی هستند و ممکن است در نهایت منجر به خودکشی شوند. تشخیص احساس در حوزه-های مختلفی چون سلامت رانندگی، مراقبت از سلامتی به ویژه سلامتی روحی، امنیت اجتماعی ، و... کاربرد دارد. به طور کلی، متدهای تشخیص احساس به دو دسته¬ی مهم تقسیم می¬شوند. یک دسته استفاده از سیگنال¬های فیزیکی انسان مانند حالت صورت ، صوت و ژست و... است که مزیت آن¬ها این است که به آسانی جمع¬آوری می¬شوند و سال¬های زیادی مورد مطالعه قرار گرفته¬اند. هر چند قابلیت اعتماد در آن¬ها تضمین نمی¬شود زیرا کنترل آن¬ها برای انسان جهت مخفی کردن احساسات واقعیشان به ویژه در ارتباطات اجتماعی بسیار آسان است. دسته¬ی دیگر استفاده از سیگنال¬های داخلی از جمله سیگنال مغز است. تاکنون روش¬های متعددی برای تشخیص احساس مبتنی بر سیگنال مغز پیشنهاد شده است که نیاز بهبود دقت تشخیص دارند. در این پایان نامه سعی شده است تا دقت تشخیص با اراِئه¬ی یک روش یادگیری عمیق و استفاده از ویژگی¬های سیگنال افزایش داده شود. مدل پیشنهادی علاوه بر سیگنال¬ها با ویژگی¬ها نیز تغذیه می¬شود. و بعد از یادگیری نگاشت ویژگی¬های مربوط به سیگنال و ویژگی، همه¬ی نگاشت ویژگی¬¬ها را کنار هم قرار داده سپس بر اساس آن دسته¬بندی داده¬ها را انجام می¬دهد. همچنین مدل دو بار آموزش داده شده است. روش پیشنهادی روی مجموعه¬ داده سید مورد ازریابی قرار گرفته¬است و نتایج نشان می¬دهد که این روش توانسته نتیجه¬ی مطلوبی در این زمینه داشته باشد. دقت تشخیص با استفاده از روش پیشنهادی 3/87 می¬باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=12651 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23339	‭COM A ‭8 1399	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بیماری‌های قلبی عروقی با استفاده از تبدیل کانتورلت تصاویر ماموگرافی (1398) / حسین پور ، فروغ، نویسنده

نوع مدرک: متون چاپی سرشناسه حسین پور ، فروغ، نویسنده رده‌بندی کنگره : ‭COM A ‭13 1398 عنوان : تشخیص بیماری‌های قلبی عروقی با استفاده از تبدیل کانتورلت تصاویر ماموگرافی عنوان موازی : پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش هوش مصنوعی ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1398 صفحه شمار: 73ص شابک/شاپا 23803 یادداشت پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش هوش مصنوعی شناسه افزوده : نقش نیلچی ، احمدرضا، استاد راهنما توصیفگرها كلسيم  رگ‌هاي كلسيمي  تبديل كانتورلت  استخراج رگ  الگوي باينري محلي  خوشه‌بندي  تصاوير ماموگرافي  Calcium  Calcium Arteries  Contourlet transform  Vein Extraction  Local Binary Pattern  Clustering  Mammography Images چکیده : یکی از مهم¬ترین اهداف در علم پزشکی تشخیص به موقع و زود هنگام بیماری¬های مختلف است. ماموگرافی ، تصاویر اولتراسوند ، بیوپسی ، تصویربرداری MRI و اسپکتروسکوپی MRI اصلی¬ترین ابزارهای مبتنی بر پردازش تصویر جهت تشخیص بعضی از بیماری¬ها به شمار می¬آیند. در سال‌های اخیر دانشمندان متوجه شده‌اند که محل گرفتگی رگ‌های خونی در تصاویر ماموگرافی حاکی از بیماری‌های قلبی و عروقی در بیمار می‌باشد. با توجه به اینکه توصیه می‌شود که به منظور جلوگیری از ابتلا به سرطان سینه، زنان بالای 40 سال اقدام به آزمایش ماموگرافی سالیانه کنند، می‌توان از تصاویر اخذ شده جهت تشخیص زود هنگام بیماری‌های قلبی و عروقی نیز استفاده نمود. به این منظور، این پژوهش راهکاری که برای تشخیص رگ‌های کلسیمی در تصاویر ماموگرافی ارائه می‌دهد را با استفاده از تبدیل کانتورلت توسعه می‌دهد. در این فرآیند، ابتدا بر روی تصاویر ماموگرافی پیش پردازشی مناسب صورت می‌گیرد تا نویزهای موجود در تصویر حذف گردد و سپس برای شناسایی رگ‌ها از تبدیل کانتورلت استفاده می‌شود. سپس، با استفاده از الگوریتم باینری محلی به تشخیص رگ‌های کلسیمی پرداخته می‌شود. نهایتا، از آنجا که می‌دانیم نواحی روشن تر در تصویر نشانگر رگ‌های کلسیمی هستند، با اجرای خوشه‌بندی میزان روشنائی نواحی تصویر تطبیق داده می‌شود. الگوریتم توسعه یافته بر روی پایگاه داده تصاویر ماموگرافی موجود اجرا شده است و توانسته است تشخیص رگ‌های کلسیمی در تصاویر ماموگرافی را به‌صورت معنی داری بهبود بخشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13018 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23803	‭COM A ‭13 1398	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

قطعه‌بندی تصاویر ماهواره‌ای با استفاده از یادگیری عمیق (1397) / بهرامی ، مهین، نویسنده

نوع مدرک: متون چاپی سرشناسه بهرامی ، مهین، نویسنده رده‌بندی کنگره : ‭COM A ‭16 1397 عنوان : قطعه‌بندی تصاویر ماهواره‌ای با استفاده از یادگیری عمیق عنوان موازی : Segmentation of Satellite Images Using Deep Learning ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1397 صفحه شمار: 130ص شابک/شاپا 23858 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز شناسه افزوده : نقش نیلچی ، احمدرضا، استاد راهنما فتحی ، عبدالحسین، استاد مشاور توصیفگرها قطعه‌بندی  تصاویر ماهواره‌ای  یادگیری عمیق  شبکه‌های عصبی کانولوشن  U-net  Segmentation  Satellite Imagery, Deep Learning  Convolutional Neural Networks  U-Net چکیده : تصاویر ماهواره‌ای در زمینه‌های هواشناسی، کشاورزی، حفاظت از تنوع زیستی، جنگلداری، زمین‌شناسی، نقشه‌برداری، برنامه‌ریزی منطقه‌ای، آموزش، جنگ و دفاع، ترافیک شهری و شناسایی راه‌ها کاربرد فراوانی دارد. ازآنجایی‌که روش‌های دستی و نقشه‌برداری میـدانی در اسـتخراج نقشه‌ها فرآیندی مشکل و زمان‌بر بوده، به‌کارگیری فناوری‌های خودکار برای استخراج تغییرات زمین الزامـی به نظر می‌رسد. بعلاوه، به‌روزرسانی نقشه‌ها، ارزیابی تغییرات مکانی و زمانی و دگرگونی‌های ناشی از عوامل طبیعی و انسانی، نیازمنـد تکنیک‌های خودکار می‌باشد. یکی از این تکنیک‌های خودکار قطعه بندی تصویر است. در این پژوهش برویکرد ما به چالش تشخیص ویژگی های تصاویر ماهواره ای dstl است که توسط kaggle در سال 2017 برای طبقه بندی، قطعه بندی و تشخیص و استخراج ده کلاس از اشیاء مختلف در تصاویرماهواره ای طرح شد. هدف اصلی این پژوهش قطعه بندی معنایی دقیق این ده کلاس داده است. روش پیشنهادی ارائه شده مبتنی بر شبکه U-net است. علاوه بر این در مورد تاثیر بهینه سازهای مختلف بر روی این مجموعه داده ها و همچنین تاثیر لایه های مختلف شبکه کانولوشن و وجود Dropout در شبکه بحث خواهیم کرد. در این پژوهش 80 درصد از مجموعه داده ها برای مجموعه آموزش و 20 درصد برای مجموعه ارزیابی انتخاب شده است. همچنین سه معیار صحت، ژاکارد و میانگین خطای مربعات برای ارزیابی مورد بررسی قرار گرفته است. بر اساس نتایج به دست آمده از بررسی های مختلف میتوان گفت بهینه ساز Adam بهترین نتیجه را بر روی مجموعه داده ارائه داده است و لایه های شبکه و وجود Dropout بر روی مجموعه داده تاثیر گذار است. طبق میانگین نتایج بدست آمده صحت 0.9550 و میانگین MSE برابر با 0.1354 است. همچنین میانگین ژاکارد بدست آمده برابر با 0.7773 است که بیانگر بدست آمدن نتیجه خوب قطعه بندی تصاویر با رویکرد پیشنهادی می باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13073 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
23858	‭COM A ‭16 1397	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت