فهرست مطالب

فصلنامه پردازش علائم و داده ها
سال دهم شماره 2 (پیاپی 20، پاییز و زمستان 1392)

  • تاریخ انتشار: 1392/11/13
  • تعداد عناوین: 6
|
  • محسن مشکی*، پیمان کبیری، علیرضا محب الحجه صفحات 3-20
    جو زمین یک سیستم آشوبناک است و پدیده هایی که در آن رخ می دهند، از پیچیدگی بالایی برخوردار می باشند. روزانه حجم انبوهی از داده های آب وهوایی در صدها ایستگاه همدیدی کشور ثبت می شوند. در این مقاله، امکان بکارگیری این داده ها برای پیش بینی کوتاه مدت وضع هوا مورد بررسی قرار گرفته است. برای پیش بینی بر مبنای این داده ها، چارچوبی پیشنهاد شده است که مبتنی بر بکارگیری مجموعه ای از نگاشت های وضعیت کنونی به وضعیت 3 ساعت آینده است. در بخشی از مقاله امکان پیش بینی وضعیت 3 ساعت آینده ایستگاه همدیدی همدان بر پایه وضعیت جاری این ایستگاه و 9 ایستگاه پیرامونش مورد بررسی قرار گرفته است. برای نگاشت از وضعیت کنونی به وضعیت آینده، نخست پارامترهای ورودی مهم تر در توصیف وضعیت کنونی انتخاب و سپس از یک رگرسیون کننده برای نگاشت به وضعیت آینده استفاده شده است. نتایج تجربی نشان می دهند که پیش بینی دقیق تنها با تکیه بر داده های ایستگاه های همدیدی میسر نیست.
    کلیدواژگان: ایستگاه سینوپتیک، سیستم آشوبناک، پیش بینی کوتاه مدت، انتخاب ویژگی، رگرسیون، پیش بینی غیر عددی
  • الناز ایل بیگی*، محمدرضا یزدچی، امین مهنام صفحات 21-34
    احساسات نقش مهمی در زندگی روزمره انسان بازی می کنند از این رو نیاز به بازشناسی خودکار آن برای بهبود ارتباط انسان و رایانه افزایش یافته است. بازشناسی از طریق سیگنال EEG با توجه به نشان دادن احساسات درونی افراد نسبت به سایر روش ها بسیار مورد توجه است. با توجه به فقدان مجموعه تحریک کننده های عاطفی برای انجام چنین مطالعاتی در فرهنگ ایرانی، در این مطالعه سعی بر انجام آزمایش هایی مطمئن و ایجاد چهار وضعیت احساسی در افراد شرکت کننده شده است. سوژه ها یک بار از طریق سیستم تصاویر استاندارد عاطفی که در دانشگاه فلوریدا جمع آوری شده است تحریک می شوند و بار دیگر از طریق مجموعه از فیلم هایی که با توجه به فرهنگ ایرانی جمع آوری شده اند آزمایش می شوند. نتایج حاکی از موفقیت بیشتر مجموعه فیلم های جمع آوری شده جهت تحریک عاطفی افراد شرکت کننده است. نکته قابل توجه دیگر در این مطالعه استفاده تنها از دو الکترود و بازشناسی احساسات با صحت بالا است
    کلیدواژگان: بازشناسی احساسات، سیگنالEEG، سیستم تصاویر استاندارد عاطفی، بعد فرکتال
  • زینب وکیل*، شهرام خدیوی صفحات 35-46
    در این مقاله، ما برای اولین بار به بررسی سیستم های مترجم یار تعاملی و ارائه روش هایی در جهت بهبود کارایی این سیستم ها در زمینه ی ترجمه ی انگلیسی به فارسی می پردازیم. در یک سیستم مترجم یار تعاملی، یک ترجمه از یک سری همکاری های متناوب ماشین و مترجم انسانی به وجود می آید. مشارکت ماشین تنها در قالب پیشنهاداتی درباره جمله مقصد انجام می شود، اما مترجم می تواند آزادانه پیشنهادات ارائه شده توسط مشارکت سیستم را بپذیرد، تغییر دهد و یا از آن ها صرفه نظر نماید. در واقع یک سیستم مترجم یار به عنوان ابزاری جهت تسهیل و تسریع فرآیند ترجمه به خدمت مترجم در می آید. ما در این مقاله با اشاره به نواقص روش های قبلی در بخش تعاملی سیستم مترجم یار، روش های جدیدی را ارائه داده ایم که در نهایت موجب بهبود 1.3 درصدی نتایج سیستم می شود.
    کلیدواژگان: سیستم مترجم یار کامپیوتری، سیستم مترجم یار تعاملی، ترنزتایپ، موزز، جستجوی پیشوند
  • سیدعلی سیدصالحی*، معصومه آذرپور صفحات 47-67
    در این مقاله، به منظور ارزیابی تاثیر دینامیک های آشوب گونه در افزایش کارایی شبکه های عصبی بازگشتی در بازشناسی مقاوم الگو، دو مدل برای شبکه های عصبی آشوب گونه ارائه شده است. در مدل اول که براساس نظریه انتخاب طبیعی طراحی گردیده است، شبکه عصبی بازگشتی جاذب (ARNN) به عنوان هوش حاکم، تنوعات ایجاد شده توسط گره های آشوبی را در جهت رسیدن به جواب بهینه هدایت می نماید. در مدل دوم، ساختاری از شبکه عصبی آشوب گونه طراحی شده است که در لایه پنهان خود دارای نورون هایی با تابع فعالیت آشوب گونه می باشد. رفتار این نورون ها توسط پارامترآن ها تنظیم می گردد. بهبود درصد صحت عملکرد مدل اول در بازشناسی الگوی نویزی در سطوح نویز بالا (بیش از 60%) به ترتیب 16/37%، 15/29% و 5/8% نسبت به شبکه جلوسو، شبکه عصبی آشوب گونه برمبنای گره آشوبی- NDRAM و شبکه ARNN، می باشد. همچنین مدل دوم، درصد صحت بازشناسی شبکه ARNN و مدل اول را در بازشناسی الگوی نویزی در سطوح نویز بالا (بیش از 60%) به ترتیب 91/13% و 41/5% ارتقا داده است. از سوی دیگر، نتایج نشان می دهد که این مدل، حتی در حالت رفتار جاذب نقطه ای که مشابه رفتار شبکه ARNN می باشد، درصد صحت بازشناسی را 41/10% نسبت به این شبکه بهبود داده است.
    کلیدواژگان: شبکه عصبی بازگشتی جاذب (ARNN)، دینامیک های آشوب گونه، نورون آشوب گونه، جاذب نقطه ای، بازشناسی مقاوم الگو
  • آرمین سلیمی بدر*، محمد مهدی همایون پور صفحات 69-86
    واحدسازی، از مهمترین مسائل در پردازش زبان های طبیعی است که عبارت است از فرایند تقسیم متن به واحدهای معنادار نظیر واژه، عبارت نحوی، جمله و غیره. واحدسازی گروه های نحوی یک متن، از جمله وظایف واحدسازی متن محسوب می شود که در بسیاری از کارهای پردازش زبان طبیعی، نظیر سیستم های ترجمه ی ماشینی، استخراج اطلاعات، پرسش وپاسخ و سیستم های تبدیل متن به گفتار، می تواند به عنوان پیش پردازشی مهم، حضور داشته باشد. واحدسازی عبارات نحوی، در هر زبان، متناسب با ویژگی های نوشتاری آن زبان دارای مشکلات و پیچیدگی هایی است. زبان فارسی به دلیل وجود رسم الخط های مختلف، جملات بدون ترتیب، افعال مرکب، ابهامات معنایی و عدم نمایش مصوت ها دارای مشکلاتی است. در این مقاله روشی مبتنی بر روش های آماری و یادگیری و اطلاعات و ویژگی های دستور زبانی جهت تشخیص مرز و نوع گروه های نحوی در متون فارسی فاقد علایم سجاوندی ارائه شده است که در آن از روش های یادگیری ماشین بردار پشتیبان و میدان تصادفی شرطی استفاده شده است. در روش ارائه شده ویژگی های مختلف زبانی استخراج و مورد بررسی قرار گرفته است. بهترین دقت به دست آمده توسط این سیستم، 02/84% بر اساس معیار F و 45/87%، بر اساس تعداد برچسب های صحیح به کل در تعیین مرز، و 04/78%، در تعیین مرز و نوع به صورت توام، بوده است..
    کلیدواژگان: پردازش زبان طبیعی - تعیین مرز و نوع گروه های نحوی - برچسب گذاری مقوله ی نحوی، ماشین بردار پشتیبان - میدان تصادفی شرطی، تبدیل متن به گفتار، ترجمه ی ماشینی
  • سعید مظفری*، علی اصغر اروجی، محی الدین مرادی صفحات 87-104
    استخراج اطلاعات متنی از تصاویر ویدیویی نقش مهمی را در کاربردهایی نظیر تحلیل معنایی ویدیو، بازیابی اطلاعات متنی، آرشیو تصاویر ویدیویی و اطلاعات مربوطه ایفا می کند. در این مقاله روشی جهت استخراج متن فارسی- عربی از تصاویر ویدیویی ارائه می گردد. در ابتدا با استفاده از آشکارساز لبه مناسب، لبه های موجود در تصویر استخراج گردیده و با استفاده از مکان تلاقی لبه ها، گوشه های تصنعی موجود در تصویر مشخص می شوند. تحلیل هیستوگرام جهت حذف برخی از گوشه های تصنعی نواحی غیر متنی انجام می شود. سپس ضرایب تبدیل فوریه کسینوسی گسسته بلوک های تصویر استخراج شده و با ترکیب تعدادی از ضرایب، تصویر شدت بافت حاصل می شود. با تلفیق مشخصه های حاصل از گوشه های تصنعی و تصویر شدت بافت، بردار مشخصه ای جهت اعمال به یک طبقه بندی جهت جدا سازی نواحی متنی از غیرمتنی حاصل می شود. در نهایت با رسم پروفایل های نرمالیزه شده شدت بافت، بازبینی نهایی انجام شده و تفکیک خطوط متنی از یکدیگر انجام می گیرد.
    کلیدواژگان: متون فارسی، عربی، ویدیو، آشکارسازی متن، گوشه تصنعی، تبدیل فوریه کسینوسی گسسته
|
  • Mohamadreza Yazdchi, Amin Mahnam Pages 21-34
    Emotions play an important role in daily life of human، so the need and importance of automatic emotion recognition have grown with increasing role of Human Computer Interaction (HCI) applications. Since emotion recognition using EEG can show inner emotions، this method is more attention from other ways. In consideration to lack of emotion induction collection for doing such researches at Iranian culture، in this research some emotion induction experiments are designed to create four emotion states in subjects. Once subjects are experimented by International Affective Picture System (IAPS) that collected at Florida University and then they are experimented by corresponding movies with Iranian culture. Results show that corresponding movies get higher accuracy in comparison with IAPS. Fast computing، using only two electrodes and obtaining high accuracy from EEG signals are other advantages of this research
    Keywords: Emotion recognition, EEG signal, International Affective Picture System, Fractal dimension
  • Pages 35-46
    In recent years، significant improvements have been achieved in statistical machine translation (SMT)، but still even the best machine translation technology is far from replacing or even competing with human translators. Another way to increase the productivity of the translation process is computer-assisted translation (CAT) system. In a CAT system، the human translator begins to type the translation of a given source text; by typing each character the MT system interactively offers the choices to enhance and complete the translation. Human translator may continue typing or accept the whole completion or part of it. In this paper، we propose new approaches for increasing the performance of the interactive CAT. Our approaches are included a new search way and a hybrid back-off model. We could achieve 1. 3% improvement by using our offered search approach
    Keywords: Statistical Machine Translation (SMT), Computer, Assisted Translation (CAT), Interactive CAT, Prefix Search
  • Pages 47-67
    In this paper، two kinds of chaotic neural networks are proposed to evaluate the efficiency of chaotic dynamics in robust pattern recognition. The First model is designed based on natural selection theory. In this model، attractor recurrent neural network، intelligently، guides the evaluation of chaotic nodes in order to obtain the best solution. In the second model، a different structure of chaotic neural network is presented which includes chaotic neurons in the hidden layer. The behavior of these neurons can be controlled by changing the parameters of chaotic neurons. Furthermore، both models are supposed to recognize the noisy patterns even those with high levels of additional noise (up to 60%). Using the first proposed model، the accuracy of recognition was improved by 37. 16%، 29. 15% and 8. 5% comparing to feedforward neural network، chaotic neural network based on chaotic nodes - NDRAM، and ARNN respectively. The second model increased the accuracy of recognition by an average of 13. 91%، and 5. 41% in comparison to ARNN and first model. In addition، it has been observed that the second model had a better performance، even in point attractor mode، than ARNN which acts in non chaotic mode.
    Keywords: Attractor Recurrent Neural Network, Chaotic Dynamics, Chaotic Neuron, Point Attractor, Robust Pattern Recognition
  • Mohammad Mehdi Homayounpour Pages 69-86
    Text tokenization is the process of tokenizing text to meaningful tokens such as words، phrases، sentences، etc. Tokenization of syntactical phrases named as chunking is an important preprocessing needed in many applications such as machine translation information retrieval، text to speech، etc. In this paper chunking of Farsi texts is done using statistical and learning methods and the grammatical characteristics of Farsi texts. Many features and labeling methods are examined one by one and the best features and labeling techniques are used for the detection of syntactic phrases and their boundaries. Several machine learning techniques including Support Vector Machine and Conditional Random Fields are used as classifier in our experiments. The impact of the size of training texts on chunking performance was studied as well. Using the proposed methods in this paper، a performance of 84. 02% was obtained for detection of phrase boundaries and 78. 04% for detection of both phrase boundaries and phrase type
    Keywords: Natural language processing, Phrase chunking, POS tagging, Support vector machine, Conditional random fields, Text to speech, Machine translation
  • Pages 87-104
    Video text detection plays an important role in applications such as semantic-based video analysis، text information retrieval، archiving and so on. In this paper، we propose a Farsi/Arabic text detection approach. First، with an appropriate edge detector، edges are extracted and then by using edges cross ponts، artificial corners are extracted. Artificial corner histogram analysis is done for rejecting some non text corners. The discrete cosine transform (DCT) coefficients of input picture are extracted and texture intensity picture is created by combining appropriate coefficients. With combining artificial corners image and texture intensity image، a features vector is extracted and fed into support vector machine (SVM) classifier for detecting text regions. Finally with drawing normalized texture intensity profiles، final verification is done and text lines are sepersted from each others
    Keywords: Farsi, Arabic, video sequence, text detection, artificial corner, DCT