تصنيف الصور مع الشبكة العصبية التلافيفية العميقة باستخدام تينسور فلو ونقل التعلم

حققت خوارزمية التعلم العميق مؤخرًا الكثير من النجاح خاصة في مجال رؤية الكمبيوتر.يهدف البحث الحالي إلى وصف طريقة التصنيف المطبقة على مجموعة البيانات الخاصة بأنواع متعددة من الصور (صور الرادار ذي الفجوة المركبةSAR والصور ليست SAR) ، أستخدم نقل التعلم متبوعًا بأساليب الضبط الدقيق في مخطط التصنيف هذا . تم استخدام بنيات مدربة مسبقًا على قاعدة بيانات الصور المعروفهImageNet، تم استخدام نموذج VGG 16 بالفعل كمستخرج ميزات وتم تدريب مصنف جديد بناءً على الميزات المستخرجة .تركز بيانات الإدخال بشكل أساسي على مجموعة البيانات التي تتكون من خمس فئات فئة صور الرادارSAR (المنازل) وفئات الصور ليستSAR (القطط والكلاب والخيول والبشر). تم اختيار الشبكة العصبية التلافيفية (CNN) كخيار أفضل لـعملية التدريب لانها نتجت عن دقة عالية. لقد وصلنا إلى الدقة النهائية بنسبة 91.18٪ في خمس فئات مختلفة. تتم مناقشة النتائج من حيث احتمالية الدقة لكل فئة في تصنيف الصورة بالنسبة المئوية. تحصل فئة القطط على 99.6٪ ، بينما تحصل فئة المنازل على 100٪ وتحصل انواع آخرى من الفئات بمتوسط درجات 90٪ وما فوق.

أداء نظام تصنيف الأشكال في الصورة باستخدام الشبكات العصبونية الالتفافي

في السنوات الأخيرة نمت مشكلة تصنيف الكائنات في الصّور نتيجة لمتطلبات القطاع الصناعي.على الرّغم من تعدد التقنيات المستخدمة للمساعدة في عملية التصنيف SIFT Scale Invariant Feature Transforms، ORB Oriented Fast And Rotated Brief , SURF Speed Up Robust Features، إضافة لشبكات التعلم العميق Deep Learning Neural Network DNN والشبكات العصبونية الالتفافية Convolutional Neural Network CNN، فإن الأنظمة المقترحة لمعالجة هذه المشكلة تفتقر للحل الشّامل للصعوبات المتمثلة بوقت التّدريب الطّويل والذاكرة العائمة أثناء عملية التدريب، وانخفاض معدّل التصنيف. تعتبر الشبكات العصبونية الالتفافيةConvolutional Neural Networks (CNNs) من أكثر الخوارزميات استخداما لهذه المهمة، فقد كانت نموذجا حسابيا لتحليل البيانات الموجودة في الصور. تم اقتراح نموذج شبكة التفافية عميقة جديد لحل المشاكل المذكورة أعلاه. يهدف البحث إلى إظهار أداء نظام التّعرف باستخدام شبكاتCNNs على الذّاكرة المتاحة وزمن التدريب وذلك من خلال منهجة متغيرات مناسبة للشبكة العصبونية الالتفافية. قاعدة البيانات المستخدمة في هذا البحث هي CIFAR10 المكونة من60000 صورة ملونة تنتسب لعشرة أصناف، حيث أن كل 6000 صورة تكون لصنف من هذه الأصناف. يوجد 50000 صورة للتدريب و 10000 صورة للاختبار. حقق النموذج لدى اختباره على عينة من الصور المنتقاة من قاعدة البيانات CIFAR10 معدل تصنيف 98.87%.

تحسين قواعد التعلم لاستخلاص العلاقات من نص

استخدمت نظم استخلاص العلاقة استخداماً واسعاً للميزات المولدة من وحدات التحليل اللغوي. إذ تؤدي الأخطاء في هذه المميزات إلى أخطاء في كشف العلاقة و تصنيفها. في هذا البحث، نخرج من هذه الطرق التقليدية مع بنية مميز معقدة من خلال تقديم الشبكات العصبونية الالتفافية لاستخلاص العلاقة التي تتعلم تلقائيا ميزات من الجمل و تقلل من الاعتماد على مجموعة الأدوات و المصادر الخارجية. نموذجنا يأخذ مزايا أحجام لنوافذ متعددة للمرشحات و تضمينات الكلمة المدربة سابقا كدخل لبنية غير ثابتة لتحسين الأداء.

دراسة مقارنة بين أداء الشبكات العصبية و نظام الاستدلال العصبي الضبابي المتكيف في تشخيص سرطان الثدي بالاعتماد على السمات البنيوية

في هذه البحث تم تصميم شبكة عصبية اصطناعية تعتمد على خوارزمية الانتشار الخلفي للخطأ (BPNN) لتشخيص أورام الثدي و كذلك تصميم مصنف للتشخيص باستخدام نظام الاستدلال العصبي الضبابي المتكيف (ANFIS) و قد اعتمدت كلا الدراستين على السمات البنيوية للخزع الموجودة في قاعدة البيانات لصور الثدي لجامعة ويسكونسون في الولايات المتحدة الأميركية” Wisconson Brest Cancer dataset“ في النهاية تم اجراء مقارنة بين الدراستين من أجل التشخيص الحميد و الخبيث للكتل السرطانية لسرطان الثدي حيث حصلت الدراسة الاولى BPNN على دقة %95.95 بينما الدراسة الثانية ANFIS حصلت على دقة 91.9% و هذه النتائج تعتبر هامة جدا و مساعدة إذا ما قورنت بالأبحاث المعتمدة على السمات الشكلية المأخوذة من الصور لأجهزة متنوعة كالماموغراف و الرنين المغناطيسي.

استخدام التحويل المويجي المتقطع و الشبكات العصبونية في الكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس

الصرع هو اضطراب عصبي مزمن يحدث في الدماغ، و يصيب ما يقارب 2% من سكان العالم، حيث يواجه المرضى الكثير من الصعوبات في الحياة اليومية بسبب حدوث النوبات. تستخدم إشارات التخطيط الكهربائي للدماغ (EEG) في الكشف الآلي لحدوث نوبات الصرع, EEG لديها خصائص غير خطية و غير ثابتة. في هذا البحث قمنا بالكشف الآلي عن نوبات الصرع من إشارات EEG لفروة الرأس باستخدام التحويل المويجي المتقطع DWT من المستوى 5 لتحليل الإشارة و استخراج المميزات الإحصائية مثل (الحد الأقصى، الحد الأدنى، المتوسط، متوسط الطاقة، الانحراف المعياري، النسبة بين متوسط القيم) و استخدمت الشبكات العصبونية ANN من أجل التصنيف و حقق نظام الكشف المقترح دقة 89.85 % و حساسية 90.69 %، و خصوصية 89.1%.

تصميم متحكم عصبوني ضبابي متكيف موسع لنظام التعليق النشط في نموذج نصف المركبة

تم في هذه الدراسة تصميم متحكم عصبوني ضبابي متكيف (ANFIS) و مقارنة أداءه مع أداء المتحكم المقترح و مع استجابة النموذج الرياضي للمركبة بدون وجود متحكم (حلقة مفتوحة) و بوجود اضطرابات دخل مختلفة.

تحسين عامل الاستطاعة باستخدام الشبكات العصبونية

يقدم هذا البحث تقنية جديدة لتحسين عامل الاستطاعة بالاعتماد على الشبكات العصبونية الاصطناعية. حيث يتم التحكم بمحرك متواقت عن طريق متحكم عصبوني للتعامل مع مشكلة تعويض الاستطاعة الردية للنظام، و ذلك بهدف تحسين عامل الاستطاعة. تم في هذا البحث نمذجة النظام الكهربائي و المتحكم العصبوني باستخدام برنامج ماتلاب، و قد بينت النتائج أن هذه الطريقة قد تغلبت على المشاكل التي تحدث عند استخدام الطرق التقليدية (استخدام المكثفات الساكنة)، كالتأخير الزمني و التغيرات الخطوية في تعويض الاستطاعة الردية، بالإضافة إلى السرعة بالمقارنة مع التعويض باستخدام المكثفات.

تصميم وحدة تحكم لنظام التعليق في نموذج ربع المركبة باستخدام نظام الاستدلال العصبي الضبابي المتكيف الموسع

تعتبر أنظمة التعليق من أهم المكونات في المركبات الحديثة كما أنها تعد أهم عوامل الراحة و الأمان فيها لذلك كان لابد من تأمين متحكم يضمن التفاعل الكامل بين مكونات نظام التعليق و يساعد في اتخاذ القرارات الدقيقة في الوقت المناسب, يقترح البحث تصميم متحكم باستخدام نظام الاستدلال العصبي الضبابي المكيف الموسع (EANFIS) و استخدامه كوحدة اتخاذ قرار في نظام التعليق لنموذج ربع المركبة بغاية المحافظة على ثبات المركبة على الطرقات لتأمين راحة الركاب حيث يقوم بتحقيق دقة في اتخاذ القرار للمساهمة في تخفيض الاهتزازات و امتصاص الصدمات الناتجة عن عدم استواء الطريق و بالتالي يمنع وصولها إلى مقصورة القيادة و يؤمن الثبات و التماسك المطلوب تم تطبيق المتحكم على نموذج ربع المركبة و دراسة استجابة النموذج في حال حدوث اضطرابات مختلفة و مقارنة أداء المتحكم مع متحكم يعتمد على نظام الاستدلال الضبابي و مع استجابة النموذج الرياضي ذو الحلقة المفتوحة بوجود اضطرابات دخل مختلفة و قد أظهر المتحكم تفوقاً في الأداء من حيث تخفيض الإزاحات و سرعة الاهتزاز و تسارعه.

التعرف على الأشخاص عن طريق راحة اليد باستخدام تقنية التقاطعات الصفرية

التعرف على الأشخاص باستخدام بصمة اليد يلقى الكثير من الاهتمام بالتزامن مع الحاجة إلى تقنيات جديدة ترفع من مستوى الأمان. في هذه الدراسة تم اقتراح تقنية جديدة للتعرف على الأشخاص عن طريق بصمة اليد و ذلك من خلال استخلاص السمات من معاملات التحويل المويجي لصور راحة اليد بالاعتماد على فكرة التقاطعات الصفرية (عدد مرات التقاطع مع القيمة صفر). حيث تم إيجاد التحويل المويجي عند المستوى الرابع لكامل صورة اليد و الذي نتج عنه أربع مصفوفات، ثلاث مصفوفات تفاصيل (أفقية – شاقولية- قطرية) و مصفوفة تقريبات و تم الاعتماد على مصفوفات التفاصيل دون التقريبات لأن المعلومات التي نحتاجها (خطوط و منحنيات اليد) محتواة في مصفوفات التفاصيل. بعد ذلك تم استخلاص ستة عشر معامل (سمة ) من كل مصفوفة تفاصيل و ترتيب هذه السمات ضمن شعاع واحد ليتشكل شعاع السمات المستخلص من كل عينة من عينات اليد و المكون من ثمان و أربعين (48) سمة و الذي تم استخدامه كدخل للشبكة العصبونية المستخدمة. تم خلال هذه الدراسة بناء قاعدة بيانات مكونة من 400 صورة لراحة اليد عائدة لأربعين شخص بمعدل 10 صور لكل شخص. حيث أظهرت الاختبارات العملية أن النظام المصمم نجح في التعرف بمعدل 91.36%.

كشف أعطال محولات القدرة الكهربائية بإستخدام تقانات الذكاء الصنعي

قمنا من خلال هذا البحث ببناء نظام خبير يدعى Transformer Fault Detection و اختصارا Exformer مهمته مساعدة المهندسين و الفنيين في إكتشاف و تشخيص أعطال محولات القدرة الكهربائية الزيتية المعطلة أو المشتبه بأنها معطلة قبل خروجها من الخدمة, إضافة إلى إستخدام المنطق العائم في الحالات التي تكون فيها المعطيات غامضة أو مبهمة مما تطلب كتابة قواعد عائمة لاستخدامها في قاعدة المعرفة للنظام الخبير, كما قمنا بوضع القواعد اللازمة لبناء و تدريب شبكة عصبونية صنعية لتحقيق نفس الغاية في كشف أعطال المحولات و المقارنة مع تقنيات الذكاء الصنعي الأخرى.