پاورپوینت کامل شناسایی اثر اگشت با استفاده از شبکه عصبی ۱۷ اسلاید در PowerPoint

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت کامل شناسایی اثر اگشت با استفاده از شبکه عصبی ۱۷ اسلاید در PowerPoint دارای ۱۷ اسلاید می باشد و دارای تنظیمات کامل در PowerPoint می باشد و آماده ارائه یا چاپ است

شما با استفاده ازاین پاورپوینت میتوانید یک ارائه بسیارعالی و با شکوهی داشته باشید و همه حاضرین با اشتیاق به مطالب شما گوش خواهند داد.

لطفا نگران مطالب داخل پاورپوینت نباشید، مطالب داخل اسلاید ها بسیار ساده و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی پاورپوینت کامل شناسایی اثر اگشت با استفاده از شبکه عصبی ۱۷ اسلاید در PowerPoint،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از مطالب داخلی اسلاید ها

پاورپوینت کامل شناسایی اثر اگشت با استفاده از شبکه عصبی ۱۷ اسلاید در PowerPoint

اسلاید ۴: ۴در شکل زیر، تصویر یک اثر انگشت با مقادیر روشنایی صفر و یک مشاهده می کنید.

اسلاید ۵: ۵الگوریتم پیشنهادیبا توجه به اینکه در اثر انگشت ها الگوی رگه ها و شیارها متفاوت می باشند، ماتریس تصویر آنها نیز با یکدیگر متفاوت است. بنابراین می توان با توجه به ماتریس تصویر یک اثر انگشت، آنرا از اثر انگشت های مشابه تشخیص داد.در این روش به منظور جلوگیری از مقایسه دو نمونه مغایر که امری بیهوده است، اثر انگشت ها بر اساس روش های موجود بصورت بصورت دلخواه طبقه بندی می شوند و برای تشخیص هر طبقه از یک شبکه عصبی استفاده می شود. به این صورت که ماتریس تصویر اثر انگشت را به یک بردار سطری تبدیل نموده و از آن بعنوان الگوی ورودی شبکه های عصبی استفاده می شود. با دادن نمونه های مختلف از یک اثر انگشت به شبکه های عصبی، این شبکه ها پس از آموزش قادرند بر اساس الگوی رگه ها و شیارها و بر اساس ماتریس تصویر، اث انگشت را با دقت بسیار بالایی شناسایی کنند.

اسلاید ۶: ۶در این شکل، فلوچارت روش پیشنهادی را مشاهده می کنید.

اسلاید ۷: ۷پیاده سازینرم افزار متلب (MATLAB) به دلیل تطبیق پذیری و دقت بالای خواندن اشکال گرافیکی، گزینه مناسبی برای پیاده سازی این پروژه ها می باشد.ابتدا تصویر اثر انگشت خوانده شده و ماتریس آن با ابعاد m n استخراج می شود. طبق استاندارد های جهانی، یک اثر انگشت باید با دقت ۵۰۰ dpi , 8 bpp نمونه برداری شود که یک تصویر ۵۱۲ × ۵۱۲ را با ۲۵۶ سطح خاکستری نتیجه می دهد.بنابراین مقادیر m و n برابر ۵۱۲ می باشند. آرایه های این ماتریس از نوع اعداد صحیح بدون علامت ۸ بیتی بوده و مقداری بین ۰ تا ۲۵۶ دارد. سپس صفحات اول و دوم ماتریس را کنار هم قرار داده و یک ماتریس دوبعدی با ابعاد ۲n m بدست آورده و سپس این ماتریس را به یک ماتریس سطری با ابعاد ۲n m 1 تبدیل می کنیم.حال این بردار را که از نوع ۸unit می باشد، به برداری با دقت مضاعف از نوع double تبدیل می کنیم و تمام عناصر آن را بر ۲۵۵ تقسیم نموده تا برداری با عناصر بین ۰ و ۱ بدست آید.مراحل فوق را برای تمامی اثر انگشت های موجود در بانک داده تکرار نموده و آنها را در یک ماتریس ۱۹۰ (۱ m 2n) ذخیره نموده و از آن به عنوان الگوی ورودی شبکه عصبی استفاده می کنیم.

اسلاید ۸: ۸انتخاب شبکه عصبیشبکه ی عصبی که برای تشخیص گروه به کار می رود از نوع پرسپترون چند لایه بوده و دارای ۲n m 1 ورودی، ۳۸ لایه میانی و ۱۹ لایه خروجی می باشد، که هر خروجی مربوط به نام گروه مربوطه خواهد بود.بدین ترتیب، تمام اثر انگشت ها به شبکه عصبی وارد گردیده و شبکه برای تشخیص گروه، آموزش می بیند.برای جستجوی اثر انگشت در هر گروه نیز از یک شبکه عصبی MLP با ۲n m 1 نرون ورودی، ۲۰ لایه میانی و ۱۰ نرون خروجی استفاده شده است.در این شبکه نیز خروجی مربوط به هر اثر انگشت برابر با