دانلود ترجمه مقاله TGLSTM: یک رویکرد یادگیری عمیق گراف مبتنی بر زمان

عنوان فارسی

TGLSTM: یک رویکرد یادگیری عمیق گراف مبتنی بر زمان برای شناسایی هویت از روی نحوه راه رفتن

عنوان انگلیسی

TGLSTM: A time based graph deep learning approach to gait recognition

کلمات کلیدی :

  شناسایی هویت از روی نحوه راه رفتن؛ شناسایی عمل؛ اسکلت؛ داده ساختار یافته؛ یادگیری عمیق؛ LSTM؛ RNN

درسهای مرتبط مهندسی کامپیوتر
تعداد صفحات مقاله انگلیسی : 7 نشریه : ELSEVIER
سال انتشار : 2018 تعداد رفرنس مقاله : 50
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد

سفارش پاورپوینت این مقاله

وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
ELSEVIER
قیمت دانلود ترجمه مقاله
43,200 تومان
فهرست مطالب

1. مقدمه 2. ارائه گراف 3. مدل TGLSTM 4. نتایج آزمایشگاهی 5. نتیجه گیری

سفارش ترجمه
ترجمه نمونه متن انگلیسی

چکیده – ما با مسئله شناسایی هویت، از روی نحوه راه رفتن، با استفاده از مدل یادگیری عمیق مستحکم بر پایه گراف ها روبه رو هستیم. رویکرد یادگیری مبتنی بر گراف پیشنهادی، که با نام شبکه حافظه طولانی کوتاه مدت گراف، مبتنی بر زمان، نامگذاری شده، توانایی یادگیری پویای گراف ها در صورت تغییر در طول زمان را دارند (همانند شناسایی عمل و هویت از روی نحوه راه رفتن). در حقیقت، مدل TGLSTM به صورت مشترک از داده های ساختار یافته و اطلاعات زمانی، از طریق یک مدل شبکه عصبی عمیق استفاده می کند که توانایی یادگیری وابستگی های کوتاه مدت بلند را به صورت مشترک با ساختار گراف دارد. آزمایشاتی بر روی مجموعه داده های معروف، برای شناسایی اعمال و هویت از روی نحوه راه رفتن انجام شد. این مجموعه داده ها شامل MSR ACTION 3D، CAD60، CASIA Gait B ،TUM گیت از صدا، عکس و دفث (TUM-GAID) می شود که نکات برتر TGLSTM را در مقایسه با مدرن ترین روش ها بررسی می کند.

نمونه متن انگلیسی مقاله

We face the problem of gait recognition by using a robust deep learning model based on graphs. The proposed graph based learning approach, named Time based Graph Long Short-Term Memory (TGLSTM) network, is able to dynamically learn graphs when they may change during time, like in gait and action recognition. Indeed, the TGLSTM model jointly exploits structured data and temporal information through a deep neural network model able to learn long short-term dependencies together with graph structure. The experiments were made on popular datasets for action and gait recognition, MSR Action 3D, CAD-60, CASIA Gait B, “TUM Gait from Audio, Image and Depth” (TUM-GAID) datasets, investigating the advantages of TGLSTM with respect to state-of-the-art methods.

توضیحات و مشاهده مقاله انگلیسی

محتوی بسته دانلودی:

PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
قیمت : 43,200 تومان

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود ترجمه مقاله TGLSTM: یک رویکرد یادگیری عمیق گراف مبتنی بر زمان”

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

شش + هفده =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi