دفاعیه کارشناسی ارشد (برق و کامپیوتر) بهبود لایه ادغام در شبکه های CNN با استفاده از خواص توپولوژیکی

 | تاریخ ارسال: 1400/7/18 | 
دانشجو: آقای مهدی حسینی مقدم
استاد راهنما: دکتر میرمحسن پدرام
زمان: دوشنبه ۲۶ مهر ماه ۱۴۰۰ ساعت: ۱۰:۰۰ 
لینک ورود به جلسه
چکیده:
با توجه به پیشرفت علم و وسایل ارتباطی و جمع آوری و تولید دادگان در مقیاس انبوه و همچنین ساخت و معرفی مدل های بسیار پیچیده هوش مصنوعی و یادگیری عمیق، نیاز به داشتن زیرساخت محاسباتی قدرتمند و با توان بالا بیش از هر زمان دیگری احساس می شود. از طرفی با توجه به هزینه های بسیار بالا برای ایجاد و استفاده از زیر ساخت های محاسباتی قدرتمند، این سؤال مطرح می شود که چگونه می توان مدل هایی قدرتمند با پیچیدگی ‌بالا‌ بر روی مجموعه دادگان بزرگ را آموزش داد. لایه های ادغام در شبکه‌های عصبی معمولاً جهت ساده سازی و خلاصه سازی تصاویر و همچنین جهت کاهش سربار محاسباتی استفاده می‌شوند، اما کمبود یک چنین لایه ای در شبکه های عصبی همبافت سادکی بسیار به چشم می‌خورد. در این پایان‌نامه مفهوم لایه ادغام در شبکه های عصبی همبافت سادکی معرفی می گردد. اساس تعریف این لایه، نظریه مرس گسسته و نقش آن در کاهش همبافت های سادکی می باشد. ایده اصلی در ساخت لایه ادغام شبکه‌های عصبی همبافت سادکی استفاده از مفهوم عصب همبافت سادکی برای کاهش این نوع ساختار داده است که حافظ ویژگی های توپولوژیکی است.



CAPTCHA

دفعات مشاهده: 103 بار   |   دفعات چاپ: 17 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر