الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 145 |  |  |
| | | from | 145 | | |
Abstract
التعلم العميق هو فرع من فروع التعلم الآلي حيث أنه يتكون من خوارزميات تسمح للبرنامج بتدريب نفسه على تنفيذ مهام متعددة مثل التعرف على الصور والكلام. مسمى التعلم العميق يأتى من تعدد الطبقات المخفية بين طبقتى الدخل و الخرج لذلك يسمى أيضا بالتعلم الهرمى. حيث يتم استخدام الشبكات العصبية التلافيفية بكثرة كنماذج للتعليم العميق من أجل التحقق من و التعرف على الأشياء. فى السنوات الماضية, أصبحت تقنيات التعلم العميقة غاية فى الأهمية و الفائدة نتيجة لكثرة استخدام الشبكات العصبية التلافيفية مع عدد كبير من قواعد بيانات الصور. حيث ساعدت الباحثين على تحسين الأداء لأن الشبكات العصبية التلافيفية تقوم بحل المشاكل المعقدة.
يعتبر التعرف على الوجوه من أكثر المشاكل المستعصية فى مجال التعرف على النماذج. و عليه, الهدف الرئيسي من هذه الرسالة هو تحسين نظام التعرف على الوجوه باستخدام الشبكات العصبية العميقة و ذلك لأهمية و قيمة مثل هذا النظام فى العديد من التطبيقات على سبيل المثال: أنظمة الأمن, التحقق من هوية مستخدم الهواتف النقالة, التحكم فى دخول الأفراد للأماكن و المنشآت و التعاملات البنكية باستخدام كروت الصرف الألى. و لهذا يمكن لنا اعتبار أنظمة التعرف على الوجوه من أكثر الأنظمة البيومترية للتحقق المتاحة للاستخدام من حيث الدقة والاعتمادية.
سوف يتم استخدام شبكة عصبية تلافيفية للمطابقة بين قدرات و أداء تطبيق التحقق من الوجوه و قدرات و أداء الأنسان فى هذا المجال. فى تقنية الشبكات العصبية التلافيفية يتم تعلم الخصائص بطريقة تميزية و ليس بطريقة يدوية لتحسين دقة التعرف على الوجوه. و تحتاج الشبكة العصبية التلافيفية لثلاث طبقات رئيسة: 1) طبقة تلافيفية. 2) طبقة للتجميع/التفريع و 3) طبقة كاملة التواصل حتى يتسنى للشبكة العصبية التلافيفية استخراج الخصائص و تصنيفها. و يعتبرالنظام المهجن للتعرف على الوجوه Hybrid Face Recognition System الذى يجمع بين كل من امكانيات الشبكة العصبية و النسب العشوائي المنحدر ذو القوة الدافعة Stochastic gradient descent with momentum (SGDM) أحد الوسائل المطورة من أجل التحسين. و يتم استخدام هذه الوسيلة للتحسين للعثور على أفضل هيكل للشبكة العصبية التلافيفية. حيث سيتم استخدام النسب العشوائي المنحدر ذو القوة الدافعة كوسيلة للتحسين للحصول على نتائج ذات دقة عالية/مشاكل أو تعقيدات أقل. و تعتبر خصائص الوجوه التى يتم تعلمها ذات قيمة و أهمية من أجل التعرف على الوجوه و يمكن لها أيضا أعادة بناء صورالوجوه من خلال رؤيتها الأمامية.