مقاله کنفرانسی سال ۱۴۰۴ فارسی

ارائه روشی کارآمد برای طبقه بندی بهینه پوشش اراضی شهری با استفاده از ترکیب الگوریتم بهینه سازی ستاره دریایی و شبکه عصبی کانولوشن

چکیده مقاله

با رشد سریع شهرنشینی پایش و طبقه بندی دقیق پوشش اراضی شهری به امری ضروری در مدیریت پایدار شهری تبدیل شده است اگرچه شبکه های عصبی کانولوشنی CNN توانایی بالایی در استخراج ویژگی های پیچیده از داده های سنجش از دور دارند اما عملکرد آنها به شدت وابسته به تنظیم بهینه هایپرپارامترها است هدف این پژوهش ارائه یک روش ترکیبی نوین برای طبقه بندی بهینه پوشش اراضی شهری با استفاده از الگوریتم بهینه سازی ستاره دریایی SFOA و شبکه عصبی کانولوشنی است در این پژوهش از الگوریتم بهینه سازی ستاره دریایی برای تنظیم خودکار هایپرپارامترهای کلیدی CNN شامل تعداد فیلترها، اندازه فیلترها، اندازه گام، اندازه کرنل، لایه MaxPooling، نرخ Dropout و اندازه Batch استفاده شده است مجموعه داده Urban Land Cover از UCI شامل ۱۶۸ نمونه با ۱۴۸ ویژگی، طیفی، شکلی و بافتی به عنوان داده های پژوهش مورد استفاده قرار گرفت عملکرد روش پیشنهادی با معیارهای دقت، صحت، فراخوانی و F۱ Score ارزیابی شد نتایج آزمایش ها نشان داد که روش ترکیبی SFOA CNN با دقت کلی ۹۴ ۷ کارآمدتر از روش های پایه است این روش توانست هایپرپارامترهای بهینه را به صورت خودکار شناسایی کند و منجر به بهبود ۱۲ ۳ در دقت طبقه بندی نسبت به CNN با هایپرپارامترهای پیش فرض شود، همچنین روش پیشنهادی تعادل بهتری بین اکتشاف و بهره برداری در فضای جستجوی هایپرپارامترها ایجاد کرد ترکیب الگوریتم بهینه سازی ستاره دریایی با شبکه عصبی کانولوشنی به عنوان یک روش کارآمد و خودکار برای طبقه بندی پوشش اراضی شهری پیشنهاد می شود این روش نه تنها دقت طبقه بندی را به طور قابل توجهی بهبود می بخشد بلکه وابستگی به تنظیم دستی هایپرپارامترها را کاهش می دهد کاربردهای عملی این پژوهش در حوزه های برنامه ریزی شهری، مدیریت منابع طبیعی و پایش تغییرات محیطی قابل تصور است

کلیدواژه‌ها

نویسندگان

تصویر حسن قائدی

حسن قائدی

Department of Electrical Engineering, Khorm C , Islamic Azad University, Khormoj, Iran

شیوه ارجاع

�لبوت، علیرضا و معصومی، اشکان و قائدی، حسن،1404،ارائه روشی کارآمد برای طبقه بندی بهینه پوشش اراضی شهری با استفاده از ترکیب الگوریتم بهینه سازی ستاره دریایی و شبکه عصبی کانولوشن،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

پوستر مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۴۶۸ مشاهده

کنترل بهینه مبتنی بر پیشبین مدل (MPC) و شبکه عصبی مصنوعی (ANN) برای مبدل بازوی تناوبی (AAC) مورد استفاده در سیستم HVDC

این پژوهش به طراحی یک چارچوب کنترل پیشبین مدل MPC برای تنظیم جریان و ولتاژ در مبدل بازوی تناوبی AAC می پ…

مبدل بازوی تناوبیشبکه عصبی مصنوعیشبکه HVDC
مقاله کنفرانسی سال ۱۴۰۴ ۳۲۱ مشاهده

مروری تحلیلی بر روشهای تجمیع داده امن در شبکه های حسگر بیسیم چالشها رویکردها و مسیرهای آینده پژوهش

تجمیع داده در شبکه های حسگر بیسیم یکی از فرایندهای بنیادین برای بهبود کارایی ارتباطی، کاهش حجم داده های…

تجمیع دادهامنخوشه بندی
مقاله کنفرانسی سال ۱۴۰۴ ۲۳۸ مشاهده

بررسی کاربرد هوش مصنوعی در سازمان ثبت اسناد و املاک

هوش مصنوعی به عنوان یکی از مهم ترین ابزارهای فناورانه عصر حاضر توانسته است فرآیندهای پیچیده انسانی را با…

هوش مصنوعیتحول دیجیتالاتوماسیون اداری
مقاله کنفرانسی سال ۱۴۰۴ ۱۹۴ مشاهده

شبکه های عصبی و یادگیری عمیق در پردازش داده های ماهواره ای

رشد فزاینده حجم و پیچیدگی داده های ماهواره ای فرصت های بی سابقه و در عین حال چالش های تحلیلی قابل توجهی…

یادگیری عمیقطبقه بندیسنجش از دور
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۱ مشاهده

طراحی یک تقویت کننده کم نویز سه طبقه با روش استفاده مجدد از جریان و بهبود در عملکرد بهره و عدد نویز

این مقاله یک تقویت کننده کم نویز با بهبود عملکرد در عدد نویز و بهره با استفاده از سه ساختار استفاده مجدد…

عدد نویزبهرهطبقه آبشاری
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۰ مشاهده

مطالعه روشهای نوین هوش مصنوعی به منظور تشخیص خطا در سیستمهای قدرت

در سالهای اخیر تشخیص و پیشبینی خطاها در سیستمهای قدرت به یکی از چالشهای اصلی مهندسی برق تبدیل شده است در…

سیستمهای قدرتتشخیص خطایادگیری ماشین