فهرست مقالات برحسب موضوع هوش مصنوعی و رباتیک
-
دسترسی آزاد مقاله
1 - اصلاح توام نقص ابیراهی لنز دوربین و خطای خروج از مرکز تصویر با بهره‌گیری از مدل اصلاح شده زرنیک
کامبیز رهبر کریم فائز ابراهیم عطاران کاخکیکاهش کیفیت تصویر در یک سامانه اپتیکی تابع پارامترهای متفاوتی می‌تواند باشد. برخی از این پارامتر‌ها عبارتند از: ابیراهی لنز، خطای رقمی‌سازی و خطای مونتاژ سامانه. در حوزه خطای مونتاژ معمولا دو نوع خطای کلی در نظر گرفته میشود: 1) عدم متعامد بودن پرده تصویر و محور اپتیکی چکیده کاملکاهش کیفیت تصویر در یک سامانه اپتیکی تابع پارامترهای متفاوتی می‌تواند باشد. برخی از این پارامتر‌ها عبارتند از: ابیراهی لنز، خطای رقمی‌سازی و خطای مونتاژ سامانه. در حوزه خطای مونتاژ معمولا دو نوع خطای کلی در نظر گرفته میشود: 1) عدم متعامد بودن پرده تصویر و محور اپتیکی که اغلب در قالب خطای prism از آن نام برده میشود. 2) خطای عدم عبور محور اپتیکی لنز از مرکز تصویر که تحت عنوان خطای خروج از مرکز تصویر (de-centering) از آن یاد میشود. از این میان مقاله حاضر قصد دارد تا به مطالعه ابیراهی لنز پرداخته و نقص ابیراهی آن را تواما با خطای خروج از مرکز اصلاح و جبران کند. برای این منظور ابیراهی‌های زایدل در قالب مومنت‌های اصلاح شده زرنیک مبتنی بر چند‌جمله‌ای چبیشف نوع دوم به صورت توابع مجزا روی فضای کارتزین بازنویسی می‌گردند. سپس مومنت‌های بازنویسی شده به گونه‌ای اصلاح می‌گردند که با در نظر گرفتن خطای خروج از مرکز، تابع ابیراهی فاز را نیز مدل کنند. نهایتا ضرایب مدل معرفی شده جهت تخمین در دو کلاس متقارن و نامتقارن دسته‌بندی می‌شوند. سپس این ضرایب با بهره‌گیری از آنالیز چند‌طیفی تخمین زده می‌شوند. جهت تخمین ضرایب جملات متقارن از آنالیز tri-coherence و برای ضرایب جملات نامتقارن از آنالیز bi-coherence استفاده شده است. نتایج آزمایشگاهی دقت و بازدهی راه‌کار پیشنهادی را تایید می‌کنند. پرونده مقاله -
دسترسی آزاد مقاله
2 - دسته‌بندی داده‌های دورده‌ای با ابرمستطیل موازی محورهای مختصات
زهرا مصلحی مازیار پالهنگیکی از زمینههای فعالیت در یادگیری ماشین و شناسایی الگو یادگیری با ناظر می‌باشد. در یادگیری با ناظر برچسب داده‌های آموزشی موجود است. در مسایل دورده‌ای، هدف محاسبه فرضیه‌ای است که بتواند به بهترین شکل ممکن و با کمترین مقدار خطا داده‌های با دو ردهی مثبت و منفی را از یکدیگ چکیده کاملیکی از زمینههای فعالیت در یادگیری ماشین و شناسایی الگو یادگیری با ناظر می‌باشد. در یادگیری با ناظر برچسب داده‌های آموزشی موجود است. در مسایل دورده‌ای، هدف محاسبه فرضیه‌ای است که بتواند به بهترین شکل ممکن و با کمترین مقدار خطا داده‌های با دو ردهی مثبت و منفی را از یکدیگر جدا کند. انواع روشهای یادگیری با ناظر پیشنهاد شده است. به عنوان مثال می‌توان به درخت‌های تصمیم، یادگیر SVM و روشهای نزدیکترین همسایه اشاره کرد. در این مقاله بر عملکرد درخت‌های تصمیم متمرکز می‌شویم. عملکرد درخت تصمیم مشابه پیدا کردن ابرصفحه‌های تقسیم‌کننده در فضای d بعدی است، بطوریکه داده‌های موجود را به درستی رده‌بندی کند و تا حد ممکن رده‌بندی صحیح داده‌های آینده را نیز بدست آورد. دیدگاه هندسی عملکرد درخت تصمیم ما را به مفهوم تفکیک‌پذیری در هندسه محاسباتی نزدیک می‌کند. از بین کلیه الگوریتم‌های تفکیک‌پذیری موجود، مساله محاسبه مستطیل با حداکثر اختلاف دو رنگ را مطرح می‌کنیم. این مساله ارتباط نزدیکی با مساله درخت تصمیم در یادگیری ماشین دارد. در ادامه الگوریتم محاسبه مستطیل با حداکثر اختلاف دو رنگ را در یک، دو، سه و d بعد پیاده سازی می‌کنیم. نتیجه پیاده‌سازی نشاندهنده آن است که این الگوریتم، الگوریتمی قابل رقابت با الگوریتم شناخته شده C4.5 است. پرونده مقاله -
دسترسی آزاد مقاله
3 - ارائه روشی بهینه در اعزام آمبولانس مبتنی برشبکه‌های پیچیده و هوش مصنوعی
زینب الهدی حشمتی مهدی تیموری مهدی زرکش زاده هادی زارعهدف سرویس‌های اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماری‌ها و صدمات می‌باشد. اعزام سریع سرویس‌های اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء میشود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس‌های اورژانس پزشکی می‌باشد. روش معمول در اعزام آمبولانس‌ها چکیده کاملهدف سرویس‌های اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماری‌ها و صدمات می‌باشد. اعزام سریع سرویس‌های اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء میشود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس‌های اورژانس پزشکی می‌باشد. روش معمول در اعزام آمبولانس‌ها، فرستادن نزدیکترین واحد در دسترس می‌باشد که این روش به کارایی در کوتاه مدت توجه می‌کند. یکی از روش‌هایی که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر تحلیل شبکه‌های پیچیده است. هدف این روش، اعزام آمبولانس مد نظر به تماسی می‌باشد که مرکزیت بیشتری نسبت به دیگر تماسها دارد، که منجر به کارایی بهتر در دراز مدت میشود. دیگر روش‌ها در اعزام آمبولانس مبتنی بر پیدا کردن بهترین مسیر مناسب برای ماشین‌های سرویس‌دهنده می‌باشد که پیچیدگی زمانی این روش‌ها بسیار بالا می‌باشد. در این مقاله با استفاده از رویکردی ترکیبی و به کارگیری معیارهای مرکزیت از تحلیل شبکه‌های پیچیده و روشهای جستجو مبتنی بر هوش مصنوعی، روشی بهینه و نوین را برای کاهش زمان پاسخ سرویس‌های اورژانسی ارائه شده است. علاوه بر این در روش پیشنهادی، اولویت اورژانسی تماسها نیز درنظر گرفته شده است، که متغیری مهم در تصمیم گیری ها می باشد. روش پیشنهادی نسبت به روشهای قبلی از محدودیت‌های کمتری برخوردار بوده و نتایج شبیه سازی گسترده نیز بهبود معنی‌دار این روش را در مقایسه با روش های قبلی مانند روش مرکزیت و نزدیکترین همسایه، مورد تایید قرار می‌دهد. پرونده مقاله -
دسترسی آزاد مقاله
4 - تولید نام‌های زیبا و معنادار ایرانی به‌کمک الگوریتم ژنتیک با تابع برازندگی مبتنی بر شبکه عصبی مصنوعی
امیرشهاب شاهمیری بهاره زمانی سعید شیریزبانهای گفتاری جهان در طول هزاران سال تاریخ خود، روندی تکاملی را پیموده و به امروز رسیدهاند. بر همین راه واژگان زبانهای گوناگون و البته نام‌های متداول در فرهنگها و زبانهای سراسر جهان نیز، به تکامل رسیدهاند و این روند تکاملی را ادامه خواهند داد. برخی از این نام‌ها، چکیده کاملزبانهای گفتاری جهان در طول هزاران سال تاریخ خود، روندی تکاملی را پیموده و به امروز رسیدهاند. بر همین راه واژگان زبانهای گوناگون و البته نام‌های متداول در فرهنگها و زبانهای سراسر جهان نیز، به تکامل رسیدهاند و این روند تکاملی را ادامه خواهند داد. برخی از این نام‌ها، با توجه به حس زیباییشناسی افراد یک جامعه و ویژگی‌های آوایی زبانی، که بسته به زمان و مکان متغیر است، رواج بیشتری مییابند و تطور و گسترش بیشتری پیدا می‌کنند. در این پژوهش با شناخت واژگان و نام‌های فارسی، مدلی پیشنهاد شده که بر پایه آن نام‌هایی نو، که همراه با داشتن معنایی درخور، از نظر زیباییشناسی نیز نظر افراد گوناگون را برآورده سازد، تولید شود. ساخت واژگان تازه به‌کمک پردازش تکاملی (الگوریتم ژنتیک) انجام میشود که در آن، تابع برازندگی را (به‌جز در نسل نخست) یک شبکه عصبی مصنوعی از نوع پیشخور پس‌انتشار با دو لایه پنهان که تا 89٪ مشابه انسان تخمین می‌زند، شبیه‌سازی می‌کند. بهترین نام تولید شده با این روش، رتبه 5 را در میان 252 نام جامعه اولیه به‌دست آورده است. بهترین نمونه‌های جامعه اولیه و داده‌های آموزشی و آزمایشی و نیز برآورد تابع برازندگی نسل نخست و سنجش زیبایی بهترین نام‌های تولید شده بدین روش، با تحلیل آماری نمونه‌های اخذ شده به‌کمک پرسش‌نامه انجام شده است. پرونده مقاله -
دسترسی آزاد مقاله
5 - تغییرات جدید الگوی دودویی محلی و طبقه بندی و قسمت بندی تصاویر بافتی بستر دریا
بابک گودرزی رضا جاویدان محمد جواد دهقانیتحلیل بافت نقش مهمی را در پردازش تصویر ایفا می کند. با توجه به ظاهر فوق العاده بافتی تصاویر سونار، تکنیک های تحلیل بافت یک انتخاب مناسب برای تحلیل تصاویر آکوستیکی دریا هستند. اپراتور الگوی دودویی محلی یک توصیفگر بسیار موثر و چند رزولوشنی بافت است. این توصیفگر، اطلاعات م چکیده کاملتحلیل بافت نقش مهمی را در پردازش تصویر ایفا می کند. با توجه به ظاهر فوق العاده بافتی تصاویر سونار، تکنیک های تحلیل بافت یک انتخاب مناسب برای تحلیل تصاویر آکوستیکی دریا هستند. اپراتور الگوی دودویی محلی یک توصیفگر بسیار موثر و چند رزولوشنی بافت است. این توصیفگر، اطلاعات مناسب را از تغییر روشنایی و حالات تصویر بدست می آورد. با اینکه توسعه های زیادی از الگوی دودویی محلی ارائه شده است اما اپراتورهای الگوهای دودویی محلی موجود نسبت به نویز حساسند. همچنین گاهی اوقات منجر به توصیف الگوهای مختلف ساختاری با کد دودویی همگون می شوند که به ناچار قابلیت تمایز خود را کاهش می دهند. این تحقیق یک بررسی اجمالی پیرامون روش الگوی دودویی محلی را ارائه نموده که شامل چندین مورد از متغیرهای جدیدتر است. سپس برای غلبه بر ناکارآمدی های انواع الگوهای دودویی محلی، یک چارچوب قوی از الگوی دودویی بنام الگوی دودویی محلی تکمیل شده مقاوم ارائه شده که ارزش هر پیکسل مرکزی با میانگین مقادیر شدت خاکستری خانه ها از یک مربع سه در سه جایگزین می گردد. روش ارائه شده یک ابزار سریع با دقت بالا در طبقه بندی تصاویر بستر دریاست که مقایسه نتایج شبیه سازی با دیگر روش های مشهور، نشاندهنده کارآیی الگوریتم ارائه شده است. پرونده مقاله -
دسترسی آزاد مقاله
6 - یک معماری دومسیره کارآمد مبتنی بر شبکه عصبی عمیق برای بازشناسی دروازه در ویدئوی بازی فوتبال
امیرحسین زنگنه مهدی جم پور کامران لایقیدر این مقاله یک روش خودکار با استفاده از یک مدل معماری دومسیره یادگیری عمیق برای مساله تحلیل تصاویر ویدئویی ورزش فوتبال، با تاکید بر شناسایی دروازه به عنوان یکی از مهمترین عناصر رویداد گُل که مهمترین رویداد بازی فوتبال می باشد، ارائه کرده ایم. معماری پیشنهادی، شکل توسعه چکیده کاملدر این مقاله یک روش خودکار با استفاده از یک مدل معماری دومسیره یادگیری عمیق برای مساله تحلیل تصاویر ویدئویی ورزش فوتبال، با تاکید بر شناسایی دروازه به عنوان یکی از مهمترین عناصر رویداد گُل که مهمترین رویداد بازی فوتبال می باشد، ارائه کرده ایم. معماری پیشنهادی، شکل توسعه یافته مدل VGG سیزده لایه می‌باشد که طی آن یک مدل معماری دو مسیره تعریف شده است. در مدل معماری پیشنهادی برای بازشناسی دروازه در مسیر اول، مدل با مجموعه داده آموزشی، آموزش داده می شود. اما در مسیر دوم، مجموعه داده های آموزشی ابتدا توسط یک سیستم غربال‌کننده مورد بررسی قرار گرفته و بهترین تصاویر که شامل ویژگی های متفاوتی با ویژگی های انتخاب شده توسط مسیر اول هستند، انتخاب می‌شوند. به عبارت دیگر در مسیر دوم، ویژگی‌هایی از شبکه‌ای مشابه مسیر اول، ولی پس از عبور از سیستم غربالگر تولید میشود.سپس بردارهای ویژگی تولید شده در دو مسیر با یکدیگر ادغام شده و یک بردار ویژگی سراسری حاصل می شود و بدین ترتیب فضاهای متفاوتی از مساله بازشناسی دروازه تحت پوشش قرار گرفته است. ارزیابی‌های متنوعی بر روی روش ارائه شده انجام شده است. نتایج ارزیابی‌ها، حاکی از بهبود دقت بازشناسی دروازه به‌وسیله مدل معماری دومسیره ارائه شده نسبت به مدل پایه می‌باشد. همچنین مقایسه روش پیشنهادی با نتایج موجود نشان می‌دهد دقت روش پیشنهادی، بهتر از نتایج منتشر شده است. پرونده مقاله -
دسترسی آزاد مقاله
7 - افقی برای تحلیل سنجمان در شبکه‌های اجتماعی بر مبنای تفسیر محتوا
مریم طایفه محمودی امیرمنصور یادگاری پروين احمدي کامبیز بدیعتفسير محتوا با هدف تحليل سنجمان راويان آن در شبكه هاي اجتماعي از اهميت وي‍ژه اي برخوردار است. اين اهميت عمدتاً به حساسيت محتوا در شبكه هاي اجتماعي از منظر نقش آن در اطلاع رساني و آگاهي رساني به آحاد و گروه هاي انساني باز مي گردد. در اين مقاله، چارچوبي براي تحليل سنجمان چکیده کاملتفسير محتوا با هدف تحليل سنجمان راويان آن در شبكه هاي اجتماعي از اهميت وي‍ژه اي برخوردار است. اين اهميت عمدتاً به حساسيت محتوا در شبكه هاي اجتماعي از منظر نقش آن در اطلاع رساني و آگاهي رساني به آحاد و گروه هاي انساني باز مي گردد. در اين مقاله، چارچوبي براي تحليل سنجمان بر روي محتواهاي پيچيده در شبكه اجتماعي ارائه مي شود كه با استفاده از پروتكل هايي از نوع قواعد اگر- آنگاه كه در سطح انتزاع بالا تعريف شده اند، قادر است تا پيام مضموني مستتر در يك محتوا را براي كاربران شبكه هاي اجتماعي طبقه بندي نموده و از اين طريق آنان را در حد امكان با اصل محتوا آشنا سازد. طبق اين چارچوب، مواردي از قبيل لحن/ آهنگ اداي كلام، همبافت انتشار محتوا و گزاره هاي كليدي در متن محتوا، در بخش مقدم پروتكل و طبقات ممكنه از پيام مستتر در يك محتوا در بخش تالي پروتكل قرار مي گيرد. شايان ذكر است كه پروتكل هاي قاعده گونه پيشنهادي، بخاطر خاصيت تعميم پذيري كه در موارد فوق نهفته قابل تسري به ساير زبان ها مي باشد. نتايج حاصل از شبيه سازي رايانه اي بر روي طيف قابل ملاحظه اي از محتواهاي گوناگون در شبكه هاي اجتماعي حاكي از آن است كه اين چارچوب از توانايي لازم براي تحليل سنجمان راويان مربوطه برخوردار مي باشد. پرونده مقاله -
دسترسی آزاد مقاله
8 - کوانتیزاسیون چند رقمی ترنری جهت بهبود تنکی و محاسبات شبکه‌های عصبی عمیق در کاربردهای نهفته
حسنا معنوی مفرد سید علی انصارمحمدی مصطفی ارسالی صالحی نسبشبکههای عصبی عمیق به دلیل موفقیت در کاربردهای مختلف، به جذابیت فوق‌العاده‌ای دست‌یافته‌اند. اما پیچیدگی محاسبات و حجم حافظه از موانع اصلی برای پیاده‌سازی آنها در بسیاری از دستگاه‌های نهفته تلقی میشود. از مهمترین روشهای بهینه‌سازی که در سال‌های اخیر برای برطرف نمودن چکیده کاملشبکههای عصبی عمیق به دلیل موفقیت در کاربردهای مختلف، به جذابیت فوق‌العاده‌ای دست‌یافته‌اند. اما پیچیدگی محاسبات و حجم حافظه از موانع اصلی برای پیاده‌سازی آنها در بسیاری از دستگاه‌های نهفته تلقی میشود. از مهمترین روشهای بهینه‌سازی که در سال‌های اخیر برای برطرف نمودن این موانع ارائه شده، می‌توان به کوانتیزاسیون و هرس کردن اشاره کرد. یکی از روشهای معروف کوانتیزاسیون، استفاده از نمایش اعداد چندرقمی باینری است که علاوه بر بهره‌بردن از محاسبات بیتی، افت صحت شبکه‌های باینری را در مقایسه با شبکه‌های دقت کامل کاهش می‌دهد. اما به دلیل نداشتن قابلیت نمایش عدد صفر در آنها، مزایای تنکی داده‌ها را از دست می دهند. از طرفی، شبکه‌های عصبی عمیق به صورت ذاتی تنک هستند و با تنک کردن پارامترهای شبکه عصبی عمیق، حجم داده‌ها در حافظه کاهش می یابد و همچنین به کمک روش‌هایی می‌توان انجام محاسبات را تسریع کرد. در این مقاله می‌خواهیم هم از مزایای کوانتیزاسیون چند رقمی و هم از تنکی داده‌ها بهره ببریم. برای این منظور کوانتیزاسیون چند رقمی ترنری برای نمایش اعداد ارائه می‌دهیم که علاوه بر افزایش صحت شبکه نسبت به شبکه چندرقمی باینری، قابلیت هرس کردن را به شبکه می‌دهد. سپس میزان تنکی در شبکه کوانتیزه شده را با استفاده از هرس کردن افزایش می‌دهیم. نتایج نشان می‌دهد که تسریع بالقوه شبکه ما در سطح بیت و کلمه می‌تواند به ترتیب 15 و 45 برابر نسبت به شبکه چند رقمی باینری پایه افزایش یابد. پرونده مقاله -
دسترسی آزاد مقاله
9 - یک سیستم توصیه گر بر اساس تحلیل ویژگی شخصیتی افراد در شبکه اجتماعی تلگرام
محمدجواد شایگان فرد محدثه ولی زاده<p>تحلیل ویژگی های شخصیتی افراد همواره یکی از موضوعات جذاب پژوهشی بوده است. علاوه بر این، دستیابی به ویژگی‌های شخصیتی براساس داده‌هایی که از رفتار اشخاص به دست می‌آید، یک موضوع چالش برانگیز است. براساس پژوهش‌های انجام شده؛ اغلب مردم، بیشتر وقت خود را چکیده کامل<p>تحلیل ویژگی های شخصیتی افراد همواره یکی از موضوعات جذاب پژوهشی بوده است. علاوه بر این، دستیابی به ویژگی‌های شخصیتی براساس داده‌هایی که از رفتار اشخاص به دست می‌آید، یک موضوع چالش برانگیز است. براساس پژوهش‌های انجام شده؛ اغلب مردم، بیشتر وقت خود را در شبکه‌های اجتماعی صرف می‌کنند و ممکن است در این شبکه‌های اجتماعی، رفتارهایی را از خود بروز دهند که نمایانگر یک شخصیت در فضای مجازی باشد. امروزه شبکه‌های اجتماعی بسیاری وجود دارند که یکی از آن‌ها، شبکه اجتماعی تلگرام است. تلگرام در ایران نیز مخاطبان بسیاری دارد و افراد به منظور برقراری ارتباط، تعامل با دیگران، آموزش، معرفی محصولات و غیره از آن استفاده می‌کنند. این پژوهش به دنبال این موضوع هست که چگونه می توان یک سیستم توصیه گر را بر اساس ویژگی های شخصیتی افراد بنا نهاد. به این منظور، شخصیت کاربران یک گروه تلگرامی را با استفاده از سه الگوریتم Cosine Similarity، MLP و Bayes شناسایی شده و در نهایت با کمک یک سیستم توصیه‌گر، کانال‌های تلگرامی متناسب با شخصیت هر فرد ، به او پیشنهاد می‌شود. نتایج حاصل از تحقیق نشان می‌دهد که این سیستم توصیه‌گر به طور میانگین 42/65 درصد رضایت کاربران را جلب کرده است.</p> پرونده مقاله -
دسترسی آزاد مقاله
10 - پژوهشی مروری بر حوزه‌های پردازشی متون روایی و احادیث
سپیده برادران بهروز مینایی محمد ابراهیم شناسا سیدعلی حسینیجهت سهولت و رسیدن به دقت بالاتر و زمان پردازش کمتر، ارزیابی صحت حدیث به روشهای هوشمند توصیه میشود. با توجه به حجم قابل توجه متون روایی و مفاهیم و روابط پیچیده موجود در آنها، تاکنون پژوهشهای فراوانی در حوزه پردازش خودکار حدیث انجام شده است. در این حوزه، عدهای از محققان د چکیده کاملجهت سهولت و رسیدن به دقت بالاتر و زمان پردازش کمتر، ارزیابی صحت حدیث به روشهای هوشمند توصیه میشود. با توجه به حجم قابل توجه متون روایی و مفاهیم و روابط پیچیده موجود در آنها، تاکنون پژوهشهای فراوانی در حوزه پردازش خودکار حدیث انجام شده است. در این حوزه، عدهای از محققان در زمینههای پردازش متن و سند، شیوههای هوشمندی را آزمایش کردهاند، که با توجه به مرور تحقیقات پیشین، حدود 47% از آنان در خصوص پردازش متن احادیث و 45% در مورد پردازش سند احادیث و 8% در هر دو حوزه پژوهش نمودهاند. با بررسی 101 پژوهش در حوزه پردازش احادیث، مشخص شد که احادیث در حوزه سنجش صحت متن یا سند یا هر دو مورد، ارزیابی شده‌اند. وظایف پردازش را می‌توان به دسته‌های مختلفی از جمله ساخت هستان‌شناسی، رده‌بندی متن حدیث، تشابهات حدیثی و اعتبارسنجی احادیث طبقهبندی نمود. پرکاربردترین روش پردازشی حدیث، روش رده‌بندی در حوزه پردازش متن حدیث بوده است. پرونده مقاله -
دسترسی آزاد مقاله
11 - چندی‌سازی غیریکنواخت سه حالتی جهت بهبود تنکی و محاسبات شبکه‌های عصبی عمیق در کاربردهای نهفته
حسنا معنوی مفرد سید علی انصارمحمدی مصطفی ارسالی صالحی نسبشبکههای عصبی عمیق به دلیل موفقیت در کاربردهای مختلف، به جذابیت فوق‌العاده‌ای دست یافته‌اند. اما پیچیدگی محاسبات و حجم حافظه از موانع اصلی برای پیاده‌سازی آنها در بسیاری از دستگاه‌های نهفته تلقی میشود. از مهمترین روشهای بهینه‌سازی که در سال‌های اخیر برای برطرف نمودن چکیده کاملشبکههای عصبی عمیق به دلیل موفقیت در کاربردهای مختلف، به جذابیت فوق‌العاده‌ای دست یافته‌اند. اما پیچیدگی محاسبات و حجم حافظه از موانع اصلی برای پیاده‌سازی آنها در بسیاری از دستگاه‌های نهفته تلقی میشود. از مهمترین روشهای بهینه‌سازی که در سال‌های اخیر برای برطرف نمودن این موانع ارائه شده، می‌توان به چندی‌سازی و هرس کردن اشاره کرد. یکی از روشهای معروف چندی‌سازی، استفاده از نمایش اعداد غیریکنواخت دو حالتی است که علاوه بر بهره‌بردن از محاسبات بیتی، افت صحت شبکه‌های دو حالتی را در مقایسه با شبکه‌های دقت کامل کاهش می‌دهد. اما به دلیل نداشتن قابلیت نمایش عدد صفر در آنها، مزایای تنکی داده‌ها را از دست میدهند. از طرفی، شبکه‌های عصبی عمیق به صورت ذاتی تنک هستند و با تنک کردن پارامترهای شبکه عصبی عمیق، حجم داده‌ها در حافظه کاهش مییابد و همچنین به کمک روش‌هایی می‌توان انجام محاسبات را تسریع کرد. در این مقاله می‌خواهیم هم از مزایای چندی‌سازی غیریکنواخت و هم از تنکی داده‌ها بهره ببریم. برای این منظور چندی‌سازی غیریکنواخت سه حالتی برای نمایش اعداد ارائه می‌دهیم که علاوه بر افزایش صحت شبکه نسبت به شبکه غیریکنواخت دو حالتی، قابلیت هرس کردن را به شبکه می‌دهد. سپس میزان تنکی در شبکه چندی شده را با استفاده از هرس کردن افزایش می‌دهیم. نتایج نشان می‌دهد که تسریع بالقوه شبکه ما در سطح بیت و کلمه می‌تواند به ترتیب 15 و 45 برابر نسبت به شبکه غیریکنواخت دو حالتی پایه افزایش یابد. پرونده مقاله