الفهرس 
AcknowledgementOnly 14 pages are availabe for public view
 |  | from | 120 |  |  |
| | | from | 120 | | |
Abstract
تعد الشبكات العصبية الالتفافية Convolutional Neural Networks (CNN)شبكة عميقةً من أنواع الشبكات العصبية بالتغذية الأمامية وتستمد إلهامها من العمليات البيولوجية الحاصلة في الفص البصري في دماغ الكائنات الحية. و تعتبر هذه الطريقة الاكثر استخداما في مجال رؤية الحاسب , حيث أعطت مع الطرق المشتقة منها افضل النتائج . ومن هنا تهدف هذه الرسالة الى زيادة الفاعلية والكفاءة في عملية تصنيف الصور من خلال تطوير الشبكات العصبية الالتفافية. قدمت هذه الرسالة طريقة جديدة أطلقنا عليها Thresholding Convolutional Neural Networks (ThCNN) والتي تعتبر تطويرا للشبكات العصبية الالتفافية من خلال تحسين السمات المستخرجة في الطبقات الاولى. بحيث يتم التركيز على السمات التي تمثل الكائن بدلا من اخذ كل السمات داخل الصورة. وقد استخدمنا لذلك طريقة اوتسو لتحديد النقاط التي تمثل الكائن عن تلك التي تمثل الخلفية، وتمريرها الى الطبقة التالية. ولتقليل الوقت المستغرق في عملية التدريب تم تقسيم الشبكة الى قناتين بحيث ترتبط خرائط السمات في الطبقة الحالية بنصف الخرائط في الطبقات السابقة. وبحيث نحافظ على عدد السمات المستخرجة ونقلل من عدد البارامترات المستخدمة. في اتجاه اخر عمدت الدراسات الحديثة الى جمع نتائج شبكات متعددة، وقد استخدمت هذه الرسالة خوارزمية اسراب الطيور في عملية تحديد اسهام كل شبكة في عملية التجميع. تم تقييم الطرق المقترحة باستخدام قواعد البيانات القياسية MNIST.