اشتراک در خبرنامه
لطفاً نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه در کادر زیر وارد کنید.
آمار سایت
- کل کاربران ثبت شده: 1961 کاربر
- کاربران حاضر در وبگاه: 0 کاربر
- میهمانان در حال بازدید: 994 کاربر
- تمام بازدید‌ها: 21753240 بازدید
- بازدید ۲۴ ساعت گذشته: 11491 بازدید
کنفرانس های انجمن
همایش
اپتیک و فوتونیک،
بهمن 1403
(برگزار شد)
استفاده از مطالب ارائه شده در این پایگاه با ذکر منبع آزاد می باشد.
جلد 20 - مجموعه مقالات پذیرفته و ارائه شده در بیستمین کنفرانس اپتیک و فوتونیک ایران
ICOP & ICPET _ INPC _ ICOFS سال20 صفحات 1020-1017 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mohammadigol R, khoshtaghaza M H, Malekfar R, Mirabolfathi M, Nikbakht A M, Darabi H. Evaluation of artificial neural networks(MLP) performance in biologic samples Raman spectra classification Detection of the aflatoxin in pistachio. ICOP & ICPET _ INPC _ ICOFS 2014; 20 :1017-1020
URL: http://opsi.ir/article-1-407-fa.html
URL: http://opsi.ir/article-1-407-fa.html
محمدی گل رضا، خوش تقاضا محمد هادی، ملک فر رسول، میرابوالفتحی منصوره، نیکبخت علی محمد، دارابی هادی. ارزیابی عملکرد شبکه عصبی (MLP) درطبقه بندی طیف های رامان حاصل از نمونه های زیستی: تشخیص سم آفلاتوکسین درپسته. مقالات پذیرفته و ارائه شده در کنفرانس‌های انجمن اپتیک و فوتونیک ایران. 1392; 20 () :1017-1020
رضا محمدی گل*1 
، محمد هادی خوش تقاضا ، رسول ملک فر ، منصوره میرابوالفتحی ، علی محمد نیکبخت ، هادی دارابی
، محمد هادی خوش تقاضا ، رسول ملک فر ، منصوره میرابوالفتحی ، علی محمد نیکبخت ، هادی دارابی
چکیده: (5862 مشاهده)
دراین پژوهش امکان تشخیص آفلاتوکسین در پسته با تکنیک طیف‌سنجی رامان و بکارگیری شبکه عصبی(MLP) بررسی شده است. بعد از طیف‌برداری، با توجه به نتایج آنالیز مولفه های اصلی(PCA) پیش‌پردازش مناسب، اعمال مشتق دوم روی داده های طیفی انتخاب شد و به دنبال آن برای کاهش ابعاد داده‌های طیفی استخراج مولفه‌های اصلی نیز صورت پذیرفت. برای طبقه بندی نمونه ها شبکه پرسپترون تک لایه( 8 نرون در لایه پنهان) و دو لایه ( 2 و4 نرون به ترتیب در لایه اول و دوم) با قانون یادگیری پس انتشار خطا مورد مقایسه قرار گرفتند. میانگین دقت طبقه بندی شبکه تک لایه 92 درصد و شبکه دو لایه 82 درصد به دست آمد. در هر دو شبکه نمونه های سالم با 100 درصد دقت از هر دو سطح نمونه های آلوده جدا شده و لذا عملکرد شبکه های عصبی در جداسازی نمونه های سالم از نمونه های دیگر موفقیت آمیز ارزیابی شد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
