Fractional derivative

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود

Fractional neural network approximation

a b s t r a c t
Here, we study the univariate fractional quantitative approximation of real valued
functions on a compact interval by quasi-interpolation sigmoidal and hyperbolic tangent
neural network operators. These approximations are derived by establishing Jackson type
inequalities involving the moduli of continuity of the right and left Caputo fractional
derivatives of the engaged function. The approximations are pointwise and with respect
to the uniform norm. The related feed-forward neural networks are with one hidden
layer. Our fractional approximation results into higher order converges better than the
ordinary ones

تخمين تقريبي شبكه­ ي عصبي كسري

چكيده

تقريب كمي كسري يك متغيره­ي توابع با ارزش واقعي را بر روي فاصله­ي فشرده توسط عملگرهاي شبكه­ي عصبي مجانبي هايپربوليك و سيگموئيد شبه ميان­يابي مطالعه مي­كنيم. اين تقريب­ها با برقراري نامساوي­هاي نوع جكسون شامل مدول­هاي پيوستگي مشتقات كسري كاپوتوي راست و چپ تابع مورد استفاده استخراج مي­شود. تقريب­ها نقطه به نقطه و نسبت به نُرم يكنواخت هستند. شبكه­هاي عصبي فيدفوروارد مربوطه داراي يك لايه­ي پنهان هستند. تقريب زني كسري ما  منجر به همگرايي بهتري نسبت به تقريب­هاي معمولي مي­شود.

.

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود

IMPROVEMENT OF IMAGE PROCESSING BY USING HOMOGENEOUS NEURAL NETWORKS WITH FRACTIONAL DERIVATIVES THEOREM

Abstract. The present paper deals with the unique circumvention of design-
ing feed forward neural networks in the task of the interferometry image recog-
nition. In order to bring the interferometry techniques to the fore, we recall
briefly that this is one of the modern techniques of restitution of three di-
mensional shapes of the observed object on the basis of two dimensional flat
like images registered by CCD camera. The preliminary stage of this process
is conducted with ridges detection, and to solve this computational task the
discussed neural network was applied. By looking for the similarities in the bi-
ological neural systems authors show the designing process of the homogeneous
neural network in the task of maximums detection. The fractional derivative
theorem has been involved to assume the weight distribution function as well
as transfer functions. To ensure reader that the theoretical considerations are
correct, the comprehensive review of experiment results with obtained two di-
mensional signals have been presented too

بهبود پردازش تصوير با استفاده از شبكه­ هاي عصبي همگن با قضيه­ ي مشتقات كسري

چكيده

اين مقاله شرايط منحصربفردي از طراحي شبكه­هاي عصبي تغذيه مستقيم (فيد فوروارد) در زمينه­يشناسايي تداخل تصوير را  بررسي مي­كند. به منظور پيشبرد فن­آوري­هاي تداخل، بطور خلاصه يادآوري مي­كنيم كهاين  يكي از روش­هاي جديد بازگرداني تصاوير سه بعدي از جسم مشاهده شده بر اساس تصاوير دو بعدي مسطح مانند است كه توسط دوربين CCDگرفته شده است. مرحله مقدماتي اين فرايند با تشخيص شيارها انجام مي­شود، و براي حل كردن اين كار محاسباتي شبكه عصبي مورد بحث به كار مي­رود. با جستجوي مشابهت­ها در سيستم­هاي عصبي بيولوژيكي، مولفانفرايند طراحي شبكه عصبي همگن را در تشخيص حداكثرها نشان مي­دهند. قضيه مشتق كسري شامل در نظر گرفتن تابع توزيع بار و هم­چنين توابع انتقال است. براي اطمينان دادن به خوانندهكه ملاحظات تئوري صحيح است، بررسي جامعي از نتايج آزمايش كه با دو سيگنال دوبعدي بدست آمده است ارائه مي­شود.

.

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود