تسریع همگرایی شبکه های عصبی کانولوشنی با ماتریس عدم تشابه بازنمایی مغز در پردازش تصویر

امروزه موضوع یادگیری عمیق با پیشرفت موفقیت آمیز شبکه های پیچشی و یادگیری بهینه ی لایه های شبکه، مورد اهمیت واقع شده است. در این مقاله یک الگوریتم پیش پردازش با الهام از ماتریس عدم تشابه بازنمایی مغز برگرفته از مسیر بینایی ارایه گردیده که با تعریف تابع RDM و ایجاد تنکی کمک می کند تا وزنهای CNN سریع تر همگرا شود. این پارامتر جدید شتاب دهنده یا کاتالیزور فرایند آموزش CNN با افزایش تعداد صفرهای ماتریس عدم تشابه بازنمایی می باشد. میزان نرخ بازشناسی برای داده های دو گروهه و سه گروهه و میزان نرخ بازشناسی در زیرمجموعه هایی از مجموعه داده کلتک 256 مورد تحلیل و بررسی قرار گرفت که میزان بهبود مدل پیشنهادی 4 درصد نسبت به مدل پایه ارزیابی گردید. همچنین مقایسه مدل پیش پردازش پیشنهادی با مدلهای مرجع در حیطه ی پارامترهای ارزیابی بررسی گردید.