-
دسترسی آزاد مقاله
1 - Rough Sets Theory with Deep Learning for Tracking in Natural Interaction with Deaf
Mohammad Ebrahimi Hossein Ebrahimpour-KomelehSign languages commonly serve as an alternative or complementary mode of human communication Tracking is one of the most fundamental problems in computer vision, and use in a long list of applications such as sign languages recognition. Despite great advances in recent چکیده کاملSign languages commonly serve as an alternative or complementary mode of human communication Tracking is one of the most fundamental problems in computer vision, and use in a long list of applications such as sign languages recognition. Despite great advances in recent years, tracking remains challenging due to many factors including occlusion, scale variation, etc. The mistake detecting of head or left hand instead of right hand in overlapping are, modes like this, and due to the uncertainty of the hand area over the deaf news video frames; we proposed two methods: first, tracking using particle filter and second tracking using the idea of the rough set theory in granular information with deep neural network. We proposed the method for Combination the Rough Set with Deep Neural Network and used for in Hand/Head Tracking in Video Signal DeafNews. We develop a tracking system for Deaf News. We used rough set theory to increase the accuracy of skin segmentation in video signal. Using deep neural network, we extracted inherent relationships available in the frame pixels and generalized the achieved features to tracking. The system proposed is tested on the 33 of Deaf News with 100 different words and 1927 video files for words then recall, MOTA and MOTP values are obtained. پرونده مقاله -
دسترسی آزاد مقاله
2 - یک سیستم پشتیبانی تصمیم مبتنی بر نظریه مجموعه‌های ناهموار برای برنامه ریزی بنگاه‌ها در شرایط عدم قطعیت
سید امیرهادی مینوفام حسن رشیدیبا رشد روز افزون تاثیر فناوری نوین در بازار جهانی، معیارهای تصمیم‌گیری برای برنامه ریزی بنگاه‌های اقتصادی درگیر چالش‌هایی می‌باشد. یکی از رویکردهای مناسب برای مقابله با این چالش‌ها، استفاده از سیستم‌های پشتیبانی تصمیم با بکارگیری نظریه مجموعه‌های ناهموار است. در این مقا چکیده کاملبا رشد روز افزون تاثیر فناوری نوین در بازار جهانی، معیارهای تصمیم‌گیری برای برنامه ریزی بنگاه‌های اقتصادی درگیر چالش‌هایی می‌باشد. یکی از رویکردهای مناسب برای مقابله با این چالش‌ها، استفاده از سیستم‌های پشتیبانی تصمیم با بکارگیری نظریه مجموعه‌های ناهموار است. در این مقاله، یک سیستم پشتیبانی تصمیم به همراه الگوریتمی بر اساس نظریه مجموعه‌های ناهموار برای تصمیم‌گیری پیشنهاد میگردد. این الگوریتم برای یکی از خطوط تولید در یکی از بنگاه‌های تحت پوشش وزارت صمت، پیاده سازی و اثرات متغیرها بر اهداف آن بررسی شده است. برای تحلیل و ارزیابی نتایج، دو شاخص قدرت و پشتیبانی در قوانین موجود نظریه مجموعه‌های ناهموار، مورد استفاده قرار گرفت. این قوانین در سه دسته، مورد بررسی قرار گرفتند و از بین 12 قانون، سه قانون دارای ارزشی متوسط در آن دو شاخص هستند که همیشه برقرار می باشند. بقیه قوانین توزیع ناهمگنی دارند و امکان نقض شدن 3 مورد از قوانین نیز وجود دارد. مزایای استفاده از سیستم پیشنهادی، جلوگیری از اتلاف سرمایه بنگاه، پیشگیری از اشتباهات ناشی از عدم قطعیت موجود در داده‌ها، دقت بالا در تصمیم گیری، افزایش سادگی و سرعت در انجام تصمیم گیری‌های حیاتی برای این بنگاه و بنگاه‌های اقتصادی مشابه می‌باشد که بر اساس نظرات تصمیم گیرندگان در این بنگاه، مورد تایید قرار گرفت. پرونده مقاله -
دسترسی آزاد مقاله
3 - Membrane Cholesterol Prediction from Human Receptor using Rough Set based Mean-Shift Approach
Rudra Kalyan Nayak Ramamani Tripathy Hitesh Mohapatra Amiya Kumar Rath Debahuti MishraIn human physiology, cholesterol plays an imperative part in membrane cells which regulates the function of G-protein-coupled receptors (GPCR) family. Cholesterol is an individual type of lipid structure and about 90 percent of cellular cholesterol is present at plasma چکیده کاملIn human physiology, cholesterol plays an imperative part in membrane cells which regulates the function of G-protein-coupled receptors (GPCR) family. Cholesterol is an individual type of lipid structure and about 90 percent of cellular cholesterol is present at plasma membrane region. Cholesterol Recognition/interaction Amino acid Consensus (CRAC) sequence, generally referred as the CRAC (L/V)-X1−5-(Y)-X1−5-(K/R) and the new cholesterol-binding domain is similar to the CRAC sequence, but exhibits the inverse orientation along the polypeptide chain i.e. CARC (K/R)-X1−5-(Y/F)-X1−5-(L/V). GPCR is treated as a biggest super family in human physiology and probably more than 900 protein genes included in this family. Among all membrane proteins GPCR is responsible for novel drug discovery in all pharmaceuticals industry. In earlier researches the researchers did not find the required number of valid motifs in terms of helices and motif types so they were lacking clinical relevance. The research gap here is that they were not able to predict the motifs effectively which are belonging to multiple motif types. To find out better motif sequences from human GPCR, we explored a hybrid computational model consisting of hybridization of Rough Set with Mean-Shift algorithm. In this paper we made comparison among our resulted output with other techniques such as fuzzy C-means (FCM), FCM with spectral clustering and we concluded that our proposed method targeted well on CRAC region in comparison to CARC region which have higher biological relevance in medicine industry and drug discovery. پرونده مقاله -
دسترسی آزاد مقاله
4 - تشخیص روبات‌های وب با استفاده از نظریه مجموعه‌های فازی ناهموار
سمانه رحیمی جواد حمیدزادهروباتهای وب، برنامه‌های نرم‌افزاری هستند که به طور خودکار در اینترنت اجرا می‌شوند و مهمترین وظیفه آنها واکشی اطلاعات و ارسال آنها به سرویس‌دهنده مبدأ است. مصرف زیاد پهنای باند شبکه توسط آنها و کاهش کارایی سرویس‌دهنده باعث شده تا مسأله تشخیص روبات‌های وب مطرح شود. در ا چکیده کاملروباتهای وب، برنامه‌های نرم‌افزاری هستند که به طور خودکار در اینترنت اجرا می‌شوند و مهمترین وظیفه آنها واکشی اطلاعات و ارسال آنها به سرویس‌دهنده مبدأ است. مصرف زیاد پهنای باند شبکه توسط آنها و کاهش کارایی سرویس‌دهنده باعث شده تا مسأله تشخیص روبات‌های وب مطرح شود. در این مقاله از نظریه مجموعه‌های فازی ناهموار برای تشخیص روبات‌های وب استفاده شده است. روش پیشنهادی شامل چهار مرحله است. در مرحله اول، نشست‌های کاربران وب توسط خوشه‌بندی مجموعه‌های فازی ناهموار شناسایی می‌شود. در مرحله دوم، برداری شامل 10 ویژگی متمایز برای هر نشست استخراج میگردد. در مرحله سوم نشست‌های شناسایی‌شده توسط یک روش مکاشفه‌ای برچسب‌گذاری می‌شود. در مرحله چهارم این برچسب‌ها با استفاده از طبقه‌بندی مجموعه‌های فازی ناهموار بهبود می‌یابد. کارایی روش پیشنهادی بر روی مجموعه داده‌های واقعی ارزیابی شده است. نتایج آزمایشها نشان‌دهنده برتری روش پیشنهادی نسبت به سایر روش‌های مطرح از نظر معیار F است. پرونده مقاله
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396