13568

13568

تحليل بيناب‌نمايي فروشكست القايي ليزري با استفاده از شبكه‌هاي عصبي مصنوعي

كارشناسي ارشد

فناوري اطلاعات و ارتباطات - مخابرات امن

آذر‌ماه 1393

آذر‌ماه 1393

دكتر ناصر مزيني - دكتر پرويز پروين

چكيده به‌كارگيري روش‌هاي هوش مصنوعي در تحليل طيف‌هاي حاصل از بيناب‌نمايي فروشكست القايي ليزري،گامي نو و روبه‌پيشرفت است كه به‌تازگي بسيار موردتوجهقرارگرفته است. سيگنال‌هاي طيفي اكثراً از خطوط نشري باريكيتشكيل‌شده‌اند كه توابع پيچيده غير‌خطي را شامل مي‌شوند. اين عوامل مانع جدي براي استفـاده از مزاياي كامل اين بيناب‌نمـايي در الگوريتم‌هاي پردازش داده‌هاي طيفـي مي‌باشند. گـرچه روش‌هايي همچون كاوش مؤلفه‌هاي اصلي، درخت رگرسيون، تحليل تفكيك خطي و... پيش‌ازاينموردمطالعهقرارگرفته و نتايج نويدبخشي نيز ارائه كرده‌اند؛ اما اين تكنيك‌ها به دليل آنكه بر پايه پردازش خطي عمل مي‌كنند، در بررسي آثار غيرخطي دچار مشكل مي‌شوند.وجه تمايز اين تحقيق نسبت به ديگر پژوهش‌هاي مرتبط، استفاده از شبكه‌هاي عصبي در دسته‌بندي طيفي مي‌باشد. باآنكهاخيراً شبكه‌هاي عصبي در مقالات مرتبط با اين روش بيناب‌نمايي مورداستفادهقرارگرفته‌اند؛ اما غالباً دچار اشكالات اساسي نظير عدم مقايسه با روش‌هاي خطي جهت نماياندن وجوه متمايز آن و يا عدم بررسي تعميم‌پذيري شبكه و ... مي‌باشند. در بسياري موارد نيز انتخاب داده‌هاي ورودي به حدي دچار افتراق است كه ديگر نياز چنداني به روش‌هاي بهينه‌اي همچون شبكه عصبي حس نمي‌شود. موضوع اين پايان‌نامهطي يك فعاليت دوساله، براي اولين بار در كشور موردتحقيققرارگرفتهو گزينش بازه طيفي استخراج‌شده جهت نماياندن اثرات غيرخطي طيف، با وسواس بسياري صورت پذيرفته است، تا قابليت شبكه عصبي در دسته‌بندي مواد، در مقايسه با روش‌هاي خطي، نمود بهتري داشته باشد.بررسي‌هانشان داد كه الگوريتم‌ شبكه پس‌انتشار خطا در مقايسه با روش‌هاي دسته‌بندي خطي،نرخ دسته‌بندي صحيح خطا را حدود 13 درصد افزايش داده و اين مقداررا به بيش از 92 درصد رسانده است.ازاين‌رو حتي باوجود اعوجاج‌هاي قابل‌توجه در الگوهاي طيفي انتخاب‌شده، عملكرد به‌مراتب بهتري را موجب گرديده است. اين نتايج به ازاي بردارهاي ورودي مختلف و شيوه‌هاي انتخاب بازه طيفي، بسيار موثر و كارا ارزيابي گرديدند. واژه‌هاي كليدي: شبكه‌ عصبي مصنوعي - بيناب‌نمايي ليزري