header
Image from OpenLibrary

An Enhanced deep learningapproach for object detection / By Asmaa Abdulaziz Alkhouly ; Supervised by Hesham Hefny, Ammar Mohammed.

By: Contributor(s): Material type: TextTextPublication details: 2022.Content type:
  • text
Media type:
  • Unmediated
Carrier type:
  • volume
Other title:
  • أسلوب تعلم عميق مجود للكشف عن الأشياء
Subject(s): DDC classification:
  • 004.65
Dissertation note: Thesis (Ph.D)-Cairo University-Faculty of Graduate Studies For Statistical Research ,2022. Summary: هذه الدراسة تسلط الضوء على التحديات الكامنة في الشبكات العصبية العميقة للمساعدة في استكشاف الحلول التي يمكن أن تحسن أدائها. تعرض هذه الدراسة المساهمات السابقة التي ظهرت في محاولة لتحسين الأداء. نقدم هذه الدراسة وظيفتين جديدتين للتنشيط الأولى تسمى الوحدات الخطية المطلقة والثانية هي الوحدات الخطية العكسية متعددة الحدود. يتم تعزيز كلتا وظيفتي التنشيط بواسطة معلمة قابلة للتعديل تتحكم في درجة ميل التدرج. نقدم دراسة شاملة وتصنيفًا لأنواع مختلفة من وظائف التنشيط. بعد ذلك ، نجري مجموعة واسعة من التجارب على عدة نماذج من البنى العصبية العميقة ، مع مراعاة نوع وعمق الشبكات. نقوم بتقييم أداء كل من وظائف التنشيط المقترحة في فئتين من مهام التصنيف ؛ على وجه الخصوص ، تصنيف الصور والنصوص. لهذا الغرض ، يتم استخدام العديد من مجموعات البيانات المعيارية العامة لتقييم الأداء ومقارنته بمجموعة من وظائف التنشيط الشائعة. نقوم بتحليل عميق لتأثير العديد من وظائف التنشيط الشائعة على العديد من بنى الشبكات العميقة. أخيرًا ، تكشف النتائج عن تفوق الوظائف المقترحة على معظم وظائف التنشيط الشهيرة التنافسية في العديد من المعايير.
Tags from this library: No tags from this library for this title. Log in to add tags.
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Current library Home library Call number Status Date due Barcode
Thesis Thesis قاعة الرسائل الجامعية - الدور الاول المكتبة المركزبة الجديدة - جامعة القاهرة Cai01.18.02.Ph.D.2022.As.E (Browse shelf(Opens below)) Not for loan 01010110086010000

Thesis (Ph.D)-Cairo University-Faculty of Graduate Studies For Statistical Research ,2022.

Bibliography: p. 157-175.

هذه الدراسة تسلط الضوء على التحديات الكامنة في الشبكات العصبية العميقة للمساعدة في استكشاف الحلول التي يمكن أن تحسن أدائها. تعرض هذه الدراسة المساهمات السابقة التي ظهرت في محاولة لتحسين الأداء. نقدم هذه الدراسة وظيفتين جديدتين للتنشيط الأولى تسمى الوحدات الخطية المطلقة والثانية هي الوحدات الخطية العكسية متعددة الحدود. يتم تعزيز كلتا وظيفتي التنشيط بواسطة معلمة قابلة للتعديل تتحكم في درجة ميل التدرج. نقدم دراسة شاملة وتصنيفًا لأنواع مختلفة من وظائف التنشيط. بعد ذلك ، نجري مجموعة واسعة من التجارب على عدة نماذج من البنى العصبية العميقة ، مع مراعاة نوع وعمق الشبكات. نقوم بتقييم أداء كل من وظائف التنشيط المقترحة في فئتين من مهام التصنيف ؛ على وجه الخصوص ، تصنيف الصور والنصوص. لهذا الغرض ، يتم استخدام العديد من مجموعات البيانات المعيارية العامة لتقييم الأداء ومقارنته بمجموعة من وظائف التنشيط الشائعة. نقوم بتحليل عميق لتأثير العديد من وظائف التنشيط الشائعة على العديد من بنى الشبكات العميقة. أخيرًا ، تكشف النتائج عن تفوق الوظائف المقترحة على معظم وظائف التنشيط الشهيرة التنافسية في العديد من المعايير.

There are no comments on this title.

to post a comment.