الفهرس | Only 14 pages are availabe for public view |
Abstract الخلاصة تدور مشكلة التعلم المتزايد حول القدرة على تحديث مجموعة البيانات بانتظام لتشمل موضوعات جديدة بطريقة عبر الإنترنت لضمان قابلية توسيع النظام بما يتجاوز الظروف الأولية. التعرف على الوجه هي واحدة من المجالات التي يمكن أن تستفيد بشكل كبير من التعلم المتزايد المستحق إلى الحاجة المستمرة لتحديث مجموعة بيانات التعرف على الوجه، على سبيل المثال في شركة، تتوسع مجموعة بيانات الشركة باستمرار لتشمل الموظفين الجدد شؤون الموظفين. الحوسبة فائقة الأبعاد (HD) هي نظام حاسوبي مستوحى من الدماغ يحاكي كيفية تشفير الدماغ للمعلومات في ذاكرته الذي يوفر قابلية التوسع والمرونة في النشر، وقد تم استخدامه في بعض التطبيقات المتعلقة بالطب. تتمثل المزايا الرئيسية لخوارزميات الحوسبة عالية الدقة في الحسابات البسيطة المطلوبة والمقاومة العالية للضوضاء، والقدرة على تخزين كميات زائدة من المعلومات في ملف ناقل HD واحد. هذه المزايا تجعل الحوسبة عالية الدقة خيارًا رائعًا إدراجها في نظام التعلم التدريجي. في هذه الأطروحة، مجتمعة تم اقتراح إطار يتضمن الحوسبة فائقة الأبعاد (HD)، الشبكات العصبية، وK-وسائل التجميع لتحقيق عملية حسابية بسيطة إطار التعلم المتزايد في نظام التعرف على الوجه. لاختبار الإطار المقترح، كان هناك ما مجموعه 11 مجموعة بيانات معيارية مفتوحة المصدر مستخدم. يتم إجراء عدد من الاختبارات التجريبية لضمان الاتساق أداء الإطار في ظل ظروف مختلفة ضد مختلفة مجموعات البيانات. كان الإطار قادرًا على الحفاظ على دقة عالية (أعلى من 99%) ووقت معالجة منخفض لكل صورة (بمتوسط 110 ميللي ثانية) في معظم مجموعات البيانات |