ترجمه مقالات کامپیوتر

دانلود ترجمه مقاله شبح نگاری کامپیوتری با استفاده از یادگیری عمیق (کامپیوتر-الزویر ۲۰۱۸)

ترجمه فارسی مقاله شبح نگاری کامپیوتری با استفاده از یادگیری عمیق

مقاله ترجمه شده شبح نگاری کامپیوتری با استفاده از یادگیری عمیق مربوط به رشته مهندسی کامپیوتر و درباره هوش مصنوعی و مهندسی نرم افزار می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.

 .

دانلود مقاله انگلیسی با ترجمه فارسی :
دانلود رایگان مقاله انگلیسی Computational ghost imaging using deep learning

خرید ترجمه فارسی مقاله شبح نگاری کامپیوتری با استفاده از یادگیری عمیق

 .

بخشی از ترجمه فارسی مقاله :  شبح نگاری کامپیوتری با استفاده از یادگیری عمیق
 شبح نگاری کامپیوتری (CGI) یک تکنیک تصویر برداری تک پیکسل می باشد که از همبستگی های بین الگوی های اتفاقی معلوم و شدت اندازه گیری شده ی نور عبور یافته ( یا منعکس شده) توسط یک شی، استفاده می کند. با وجود این که CGI می تواند تصویر های دو یا سه بعدی را با استفاده از یک یا چندین آشکار ساز پیمانه ای ( آشکار ساز های تک پیکسلی با نام آشکار ساز های پیمانه ای نیز شناخته می شوند) به دست بیاورد، در اثر نویز در روند بازسازی تصویر از الگوهای اتفاقی، کیفیت تصویر های بازسازی شده پایین می آید.

در این مطالعه، ما کیفیت تصویر برداری های CGI را با استفاده از یادگیری عمیق بهبود می دهیم. یک شبکه ی عصبی عمیق در این مطالعه مورد استفاده قرار گرفته است تا این شبکه بتواند به صورت خودکار ویژگی های تصویر های CGI آلوده به نویز را یاد بگیرد. بعد از تمرین ، این شبکه می تواند تصویر هایی با نویز پایین را از تصویر های CGI آلوده به نویز، پیش بینی کند.

 .

بخشی از مقاله انگلیسی :

 Computational ghost imaging using deep learning
 Computational ghost imaging (CGI) is a single-pixel imaging technique that exploits the correlation between known random patterns and the measured intensity of light transmitted (or reflected) by an object. Although CGI can obtain two- or three-dimensional images with a single or a few bucket detectors, the quality of the reconstructed images is reduced by noise due to the reconstruction of images from random patterns.

In this study, we improve the quality of CGI images using deep learning. A deep neural network is used to automatically learn the features of noise-contaminated CGI images. After training, the network is able to predict low-noise images from new noise-contaminated CGI images.

 .

مشخصات مقاله :
عنوان فارسی: شبح نگاری کامپیوتری با استفاده از یادگیری عمیق
عنوان انگلیسی:  Computational ghost imaging using deep learning
تعداد صفحات مقاله انگلیسی :  5 تعداد صفحات ترجمه فارسی : ۹
سال انتشار : 2018 نشریه:   الزویر – Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 359 رفرنس : دارد
محتوای فایل : zip حجم فایل : 4.01Mb
رشته های مرتبط با این مقاله:  مهندسی کامپیوتر
گرایش های مرتبط با این مقاله:  هوش مصنوعی و مهندسی نرم افزار
مجله: ارتباطات اپتیک – Optics Communications
دانشگاه: دانشگاه چیبا، دانشکده مهندسی، ژاپن
کلمات کلیدی:  شبح نگاری کامپیوتری، شبح نگاری ، یادگیری عمیق
وضعیت ترجمه عناوین تصاویر : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر: ترجمه شده است
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.optcom.2017.12.041

 

دانلود مقاله انگلیسی با ترجمه فارسی :
دانلود رایگان مقاله انگلیسی Computational ghost imaging using deep learning

خرید ترجمه فارسی مقاله شبح نگاری کامپیوتری با استفاده از یادگیری عمیق

 

مطالب مرتبط:

دانلود مقالات کامپیوتر با ترجمه فارسی

دانلود رایگان مقاله انگلیسی با ترجمه فارسی

دانلود مقالات فناوری اطلاعات با ترجمه فارسی

دانلود رایگان مقاله انگلیسی با ترجمه فارسی کامپیوتر

 .

پشتیبانی :
شما پس از انتخاب دکمه خرید در سایت کالج پروژه به سایت ایران عرضه جهت انجام مراحل خرید هدایت خواهید شد.
– تلفن ثابت: ۰۴۱۴۲۲۷۳۷۸۱
– ساعات تماس: ۷ صبح الی ۱۸ عصر
– آدرس ایمیل: iranarze.supt@gmail.com
– تلگرام ایران عرضه: ۰۹۲۱۶۴۲۶۳۸۴
– پیامک: ۰۹۲۱۶۴۲۶۳۸۴
– آدرس: آذربایجان شرقی، مرند، خیابان کشاورزی، کوچه امین، پلاک ۳۰
– کد پستی: ۵۴۱۶۸۵۵۱۸۳

پشتیبانی و تیکت

سوالات متداول

پیگیری خرید

telegram.me/IranArze

 .

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا