Human Face Recognition Using Third-Order Synthetic Neural Networks

تشخیص چهره انسان با استفاده از شبکه‌های عصبی مصنوعی مرتبه سوم قابلیت استفاده از فناوری شبکه عصبی مصنوعی بالا را برای تشخیص تغییر ناپذیر الگوهای بصری پیچیده بررسی می‌کند. . شبکه‌های مرتبه بالا به داده‌های آموزشی کمی نیاز دارند (از این رو، زمان‌های آموزشی کوتاه) و برای انجام تشخیص تغییر ناپذیر الگوهای بصری نسبتا ساده، دستیابی به نرخ‌های تشخیص بسیار بالا استفاده شده‌اند. نتایج موفقیت‌آمیز این روش‌ها، الهام‌بخشی برای پرداختن به مسائل کاربردی‌تر است که دارای مقیاس خاکستری در مقایسه با الگوهای دودویی هستند (مانند کاراکترهای الفبایی عددی، شبح‌های هواپیما) و همچنین پیچیده‌تر هستند. طبیعت بر خلاف تصاویر صرفاً استخراج شده از لبه - تشخیص چهره انسان چنین مشکلی است.
تشخیص چهره انسان با استفاده از شبکه‌های عصبی مصنوعی مرتبه سوم به عنوان یک مرجع عالی برای محققان و متخصصان کار بر روی استفاده از فناوری شبکه‌های عصبی برای تشخیص الگوهای بصری پیچیده عمل می‌کند.

Human Face Recognition Using Third-Order Synthetic Neural Networks explores the viability of the application of High-order synthetic neural network technology to transformation-invariant recognition of complex visual patterns. High-order networks require little training data (hence, short training times) and have been used to perform transformation-invariant recognition of relatively simple visual patterns, achieving very high recognition rates. The successful results of these methods provided inspiration to address more practical problems which have grayscale as opposed to binary patterns (e.g., alphanumeric characters, aircraft silhouettes) and are also more complex in nature as opposed to purely edge-extracted images - human face recognition is such a problem.
Human Face Recognition Using Third-Order Synthetic Neural Networks serves as an excellent reference for researchers and professionals working on applying neural network technology to the recognition of complex visual patterns.