نتایج جستجو

27

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

3

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها



گروه تخصصی






متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
مرکز اطلاعات علمی SID
مرکز اطلاعات علمی SID
مرکز اطلاعات علمی SID
مرکز اطلاعات علمی SID
مرکز اطلاعات علمی SID
نویسنده: 

خسروی حسن

اطلاعات دوره: 
  • سال: 

    1390
  • دوره: 

    1
  • شماره: 

    1
  • صفحه شروع: 

    47
  • صفحه پایان: 

    51
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    105
  • دانلود: 

    42
کلیدواژه: 
چکیده: 

در این مقاله عناصر-𝑛  انگل گروهی راست را مورد مطالعه قرار می دهیم. با تغییر گروهی که توسط نیومن و نیکل ساخته شده است، برای هر 𝑛≥5 یک گروه دو مولده G=〈a,b〉 با این خاصیت می سازیم که در آن b یک عنصر -𝑛 انگل راست است ولی [bk , 𝑛α] از مرتبه نامتناهی است هرگاه .kÏ {0,1} اصل مقاله به صورت متن کامل انگلیسی، در بخش انگلیسی قابل رویت است.

آمار یکساله:  

بازدید 105

دانلود 42 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    7
  • شماره: 

    1
  • صفحه شروع: 

    165
  • صفحه پایان: 

    179
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    97
  • دانلود: 

    58
کلیدواژه: 
چکیده: 

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

آمار یکساله:  

بازدید 97

دانلود 58 استناد 0 مرجع 0
نویسنده: 

DAGHIGH H. | BAHRAMIAN M.

اطلاعات دوره: 
  • سال: 

    2009
  • دوره: 

    4
  • شماره: 

    2
  • صفحه شروع: 

    55
  • صفحه پایان: 

    64
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    14344
  • دانلود: 

    11944
کلیدواژه: 
چکیده: 

Let E be an elliptic curve over the finite field Fq, P a point in E(Fq) of order n, and Q a point in the group generated by P. The discrete logarithm problem on E is to find the number k such that Q = kP. In this paper we reduce the discrete logarithm problem on E[n] to the discrete logarithm on the group F*q , the multiplicative group of nonzero elements of Fq, in the case where n ï q - 1, using generalized jacobian of E.

آمار یکساله:  

بازدید 14344

دانلود 11944 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1398
  • دوره: 

    21
  • شماره: 

    1
  • صفحه شروع: 

    29
  • صفحه پایان: 

    44
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    223
  • دانلود: 

    126
چکیده: 

مقدمه: سیستم شناسایی چهره، یک سیستم بیومتریک است که با استفاده از روش های هوشمند اتوماتیک، هویت انسان را بر اساس ویژگی های فیزیولوژیکی تشخیص می دهد و تایید می کند. هدف از این پژوهش، بهره گیری از مدل HMAX بهبود یافته برای بازشناسی چهره است. HMAX مدل بایولوژیکی الهام گرفته از سیستم بینایی انسان است. در این مقاله برای بهبود عملکرد مدل HMAX از اتوماتای یادگیر، بهره گرفته شده است. اتوماتا، دارای پارامترهای آزاد الفا و بتا است، قدرت پیشگویی در محیط های غیر قطعی را دارد و برای بالا بردن نرخ بازشناسی چهره انسان، به کار می آید. روش: ورودی مدل پیشنهادی، دیتا با استاندارد FEI، شامل تصاویر 200 فرد اهل برزیل است. پس از خواندن تصاویر با دستورات نرم افزار MATLAB، تصاویر خوانده شده وارد مرحله استخراج ویژگی می شود. استخراج ویژگی با فیلترهای مدل HMAX انجام می-شود. برای محاسبه نرخ بازشناسی چهره، ویژگی های استخراج شده با مدل HMAX، دسته بندی می شود. پارامترهای مدل HMAX، با اتوماتای یادگیر تعیین می شود. HMAX، مدل سلسله مراتبی با ساختار چهار لایه ایC2, S2, C1, S1 برای تشخیص ویژگی های ریز تصاویر است. به دلیل نمایش کارایی مدل پیشنهادی، مدل HMAX بهبود یافته با مدل رقیب الگوریتم Genetic، مقایسه شده است. یافته ها: نتایج تحلیل دیتا ست، نرخ بازشناسی چهره را 08/94 درصد نشان داده است. نتیجه گیری: با توجه به نتایج این پژوهش مدل HMAX بهبود یافته، نرخ بازشناسی چهره را با دقت بالاتری نسبت به الگوریتم Genetic، نشان داد.

آمار یکساله:  

بازدید 223

دانلود 126 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1398
  • دوره: 

    49
  • شماره: 

    1 (پیاپی 87)
  • صفحه شروع: 

    51
  • صفحه پایان: 

    62
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    135
  • دانلود: 

    80
چکیده: 

سیستم بینایی انسان قادر به بازشناسی شِیء در صحنه های شلوغ با سرعت و دقت بالاست. مدل های زیادی برای بازشناسی شیء با الهام از سیستم بینایی انسان ازجمله مدل HMAX معرفی شده اند. در این تحقیق، روشی مؤثر با عنوان انتخاب احتمالی HMAX (PSHMAX) برای بازشناسی شیء با حفظ ساختار مدل HMAX ارائه شده است. مشکل مدل HMAX انتخاب تصادفی تکه های تصویر است که سبب استخراج دو دسته از تکه های نامطلوب می شود. دسته اول تکه هایی با اطلاعات کم که بدون تولید خروجی مفید، بار محاسباتی سیستم را افزایش می دهند و دسته دوم تکه هایی با اطلاعات غیرمفید از پس زمینه که باعث تولید خروجی اشتباه می شوند. در مدل پیشنهادی، تکه هایی شامل اطلاعات حداکثری مفید با رویکرد تصادفی در دو مرحله استخراج می شوند: مرحله اول ایجاد استخری از تکه های شامل بیشترین اطلاعات و مرحله دوم استخراج تکه های شامل اطلاعات مفیدتر و بهینه از استخر. برای ارزیابی، نرخ بازشناسی روش پیشنهادی با مدل HMAX و سایر روش های جدید توسعه یافته آن روی پایگاه های داده Caltech5 و Caltech101 مقایسه شده است. نتایج حاصل نشانگر برتری روش پیشنهادی است.

آمار یکساله:  

بازدید 135

دانلود 80 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1386
  • دوره: 

    0
  • شماره: 

    13
تعامل: 
  • بازدید: 

    55
  • دانلود: 

    11
کلیدواژه: 
چکیده: 

در این مقاله، روش جدید و موفقی به نام HMAX که از سیستم بیولوژیکی مغز انسان برای تهیه بردار خصوصیات الهام می گیرد، به منظور استخراج مشخصه های گوش افراد استفاده شده است. ما از مجموعه داده گوش USTB که شامل 180 تصویر گوش از 60 نفر (با 3 تصویر از هر نفر) می باشد، برای اثبات عملکرد مناسب روشمان استفاده نموده ایم. نتایج آزمایشی ما نشان داده است که شیوه پیشنهاد شدی در مقایسه با شیوه،  PCAنه تنها ضریب شناسایی بالاتری را به دست می آورد، بلکه همچنین این شیوه نسبت به تغییر مقیاس و موقعیت تصاویر نیز مقاوم است و عملکرد آن در برابر این تغییرات، ثابت باقی می ماند. در حالیکه روش PCA، فقط در زمانی که شرایط کاملا باشد، ضریب شناسایی بالایی را به دست می آورد. همچنین، نتایج آزمایشی نشان داده که استفاده از ترکیب مدل  HMAXو دسته بندی کننده SVM باعث افزایش عملکرد شناسایی سیستم پیشنهادی در مقایسه با ترکیب مدل HMAX و دسته بندی کننده نزدیکترین همسایگی (KNN) می شود. از سوی دیگر، با استفاده از آزمایشات انجام گرفته، به این نتیجه دست یافتیم که به کارگیری فیلتر گاوسین (Gaussian) در مدل HMAX در مقایسه با استفاده از فیلتر گابور، (Gabor) عملکرد شناسایی اشخاص را افزایش می دهد.

آمار یکساله:  

بازدید 55

دانلود 11
اطلاعات دوره: 
  • سال: 

    1385
  • دوره: 

    6
  • شماره: 

    2
  • صفحه شروع: 

    87
  • صفحه پایان: 

    94
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    145
  • دانلود: 

    88
چکیده: 

با استفاده از کد CORSIKA و مدل اندرکنش هادرونی انرژیهای بالا QGSJET، شبیه سازی مونت کارلو برای تعداد 5000 بهمن گسترده هوایی و تابشهای اولیه گاما، پروتون، هلیوم، نیتروژن، سیلسیوم و آهن در انرژیهای مختلف انجام و رابطه HMAX با جرم و انرژی تابش اولیه به دست آمده و نتایج مورد تحلیل قرار گرفته است.

آمار یکساله:  

بازدید 145

دانلود 88 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2019
  • دوره: 

    7
  • شماره: 

    3 (27)
  • صفحه شروع: 

    225
  • صفحه پایان: 

    237
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    16276
  • دانلود: 

    17922
کلیدواژه: 
چکیده: 

Facial images are the most popular biometrics in automated identification systems. Different methods have been introduced to evaluate the quality of these images. FICV is a common benchmark to evaluate facial images quality using ISO / ICAO compliancy assessment algorithms. In this work, a new model has been introduced based on brain functionality for Facial Image Quality Assessment, using Face Image ISO Compliance Verification (FICV) benchmark. We have used the Hierarchical Max-pooling (HMAX) model for brain functionality simulation and evaluated its performance. Based on the accuracy of compliancy verification, Equal Error Rate of ICAO requirements, has been classified and from those with higher error rate in the past researches, nine ICAO requirements have been used to assess the compliancy of the face images quality to the standard. To evaluate the quality of facial images, first, image patches were generated for key and non-key face components by using Viola-Jones algorithm. For simulating the brain function, HMAX method has been applied to these patches. In the HMAX model, a multi-resolution spatial pooling has been used, which encodes local and public spatial information for generating image discriminative signatures. In the proposed model, the way of storing and fetching information is similar to the function of the brain. For training and testing the model, AR and PUT databases were used. The results has been evaluated by FICV assessment factors, showing lower Equal Error Rate and rejection rate, compared to the existing methods.

آمار یکساله:  

بازدید 16276

دانلود 17922 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1388
  • دوره: 

    0
  • شماره: 

    6
تعامل: 
  • بازدید: 

    123
  • دانلود: 

    22
چکیده: 

در این مقاله سیستمی جهت احراز هویت افراد چه در فضای فیزیکی و چه در فضای سایبر پیشنهاد می شود تا تعاملات در محیطی امن صورت پذیرد. در این سیستم کارت بدون تماسی (contact-less) بر پایه فناوریRFID ، جهت احراز هویت صادر می گردد که حاوی تصاویر اثر انگشت شخص می باشد. سیستم در دو فاز ایجاد کارت احراز هویت و فرآیند احراز هویت طراحی شده است. در این مقاله جهت پیاده سازی استخراج خصیصه (Feature extraction) تصاویر اثر انگشت از مدل HMAX که از سیستم بیولوژیکی مغز انسان گرفته شده است استفاده کرده و پس از تست مدل برروی 100 تصویر اثر انگشت از مجموعه داده های FVC و اخذ میانگین خصیصه های هر تصویر دریافتیم که سیستم پیشنهادی ما با حد آستانه 0.9 به طور 100% قادر به پاسخگویی می باشد همچنین نتایج به دست آمده نشان می دهد که روش پیشنهادی نسبت به مدل PCA نه تنها ضریب شناسایی بالاتری دارد بلکه این روش نسبت به تغییر مقیاس و موقعیت تصاویر، پایداری بیشتری نشان می دهد.

آمار یکساله:  

بازدید 123

دانلود 22
اطلاعات دوره: 
  • سال: 

    1393
  • دوره: 

    8
  • شماره: 

    4
  • صفحه شروع: 

    372
  • صفحه پایان: 

    384
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    123
  • دانلود: 

    74
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

آمار یکساله:  

بازدید 123

دانلود 74 استناد 0 مرجع 0
litScript