{"title":"SVM算法对深层分类网络的影响","authors":"سمر عبدالغني الحلبي, فادي خليل","doi":"10.26389/ajsrp.l181221","DOIUrl":null,"url":null,"abstract":"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 الالكترونية 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 تقريباً 99% وانخفاض في زمن التدريب ونسبة خطأ التصنيف في بعض الحالات المدروسة.","PeriodicalId":15747,"journal":{"name":"Journal of engineering sciences and information technology","volume":"95 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"تأثير خوارزمية SVM على شبكات التصنيف العميقة\",\"authors\":\"سمر عبدالغني الحلبي, فادي خليل\",\"doi\":\"10.26389/ajsrp.l181221\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"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 الالكترونية 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 تقريباً 99% وانخفاض في زمن التدريب ونسبة خطأ التصنيف في بعض الحالات المدروسة.\",\"PeriodicalId\":15747,\"journal\":{\"name\":\"Journal of engineering sciences and information technology\",\"volume\":\"95 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-06-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal of engineering sciences and information technology\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.26389/ajsrp.l181221\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of engineering sciences and information technology","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26389/ajsrp.l181221","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
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 الالكترونية 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 تقريباً 99% وانخفاض في زمن التدريب ونسبة خطأ التصنيف في بعض الحالات المدروسة.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
