عنوان پایان‌نامه
بررسی استفاده از سلسله مراتب مفهومی برای اداراک بصری اشیا در حضور گلوگاه اطلاعاتی و پردازشی
- رشته تحصیلی
- مهندسی کامپیوتر- هوش مصنوعی - رباتیک
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2768;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 70024
- تاریخ دفاع
- ۲۴ مرداد ۱۳۹۴
- دانشجو
- زهرا صادقی
- استاد راهنما
- مجید نیلی احمدآبادی, بابک نجاراعرابی
- چکیده
- برتری ساختار درختی سلسله مراتبی برای دربرگیری رابطه ی رده ای مفهومی میان داده های زیستی از دیرباز مورد توجه علوم زیستی، روان شناختی و علوم اعصاب بوده است. این درخت معنایی رده ای شامل سه سطح تجرد است و به نام طبقه بندی ارشد-پایه-زیردست شناخته شده است. در این ساختار درختی، میزان عمومیت و درجه شمول از بالا به پایین کاهش می یابد. دسته بندی عمومی اشیا به یک موضوع مهم در بسیاری از کاربردها تبدیل شده است. تحقیق درباره ی دسته بندی عمومی می تواند منجر به فراهم شدن اطلاعات سطح بالا درباره ی دسته های کلی (یعنی دسته ارشد یا پایه) شود و می تواند زمینه را برای دسته بندی های دقیق تر در مورد سطح زیردست آماده سازد. در بسیاری از کاربردها، اطلاعات عمومی، اطلاعات موثری درباره درک شی مورد نظر فراهم می آورد و بدین ترتیب از پردازش های بعدی جلوگیری به عمل می آورد. در تعدادی از نارسایی های معنایی دسته بندی، بیماران به خوبی می توانند یک دسته بندی کلی روی اشیا داشته باشند، اما قادر به یادآوری یا شناخت جزییات ریز آنها نمی باشند. این موضوع به خوبی مورد تایید قرار گرفته است که اطلاعات کلی مفاهیم، بیشتر نسبت به آسیب های مربوط به حافظه معنایی مقاوم است. نتایج برگرفته از بیماران با ناهنجاری های حافظه معنایی نشان داده است که عدم توانایی این بیماران در شناخت زیردسته ها می باشد نه دسته های بالایی. این مطالعات امکان وجود ساختار سلسله مراتبی را تقویت می کند. در این رساله، ما از زوایای مختلف مساله شناخت مفهومی اشیا با استفاده از دیدگاه ساختار سلسله مراتبی را در پنج سوال مورد کنکاش قرار می دهیم. در سوال اول، به دنبال بردارهای ویژگی بصری هستیم به نوعی که بتواند کدگذاری مناسبی برای جداسازی گروه های مفهومی در سطوح مختلف تجرید ارائه دهد. به منظور اینکه بینشی راجع به نوع ویژگی های مناسب به دست بیاوریم، یک آزمایش تجربی انجام می دهیم و از نتایج آن برای محاسبات بعدی استفاده می نماییم. در سوال دوم، روی ماهیت و نوع ویژگی ها متمرکز می شویم و نشان می دهیم که با استفاده از ویژگی هایی با ماهیت های مختلف به ساختار سلسله مراتبی از مفاهیم متفاوتی دست پیدا می کنیم. در سوال سوم، به روابط میان مفاهیم توجه می کنیم و روش توزیع شده نوینی برای توصیف اشیا معرفی می کنیم. سوال چهارم ما به این مطلب می پردازد که آیا میان ساختار سلسله مراتبی و سلسله مراتب ایجاد ویژگی ها در قشر مغز تقارنی وجود دارد. در سوال پنجم، ساختار سلسله مراتبی را زیر ذره بین می بریم و روابط پنهان میان شاخه های مختلف درخت و به عبارتی روابط متقابل میان مفاهیم پایه را با استفاده از یک راهکار محاسباتی استخراج و آشکار می سازیم. کلمات کلیدی: ساختار سلسله مراتبی، شناخت اشیا، دسته بندی مفهومی
- Abstract
- The superiority of hierarchical tree that incorporates the taxonomical concepts has been the center of attention in biology, psychology, and neuroscience. This semantic taxonomical tree includes three levels of abstraction known as superordinate-basic-subordinate configuration. In this tree-like structure, the generality level and the inclusion degree decrease from top to bottom. General classification of objects has become an important topic in many applications. Investigation about general classifiers can lead to the provision of high level information about general categories (i.e., at basic or superordinate level) and can pave the way for more accurate classifiers in the subordinate level. In many applications, general information provides efficient information regarding to the object of interest and hence avoids further processing. In a number of semantic deficit classifications, patients are good at general object classification, but they are not able to recall detail information. This has been well accepted that general information of concepts is more robust to the impairments related to the semantic memory. The obtained results from patients with semantic memory disorders have demonstrated that the disability of recognition happens at the subordinate level of abstraction. These studies boost the possibility of hierarchical structure. In this dissertation, we investigate the following research questions related to the hierarchical structure. In the first question, we look for appropriate visual features that encode the conceptual groups at different levels of abstraction. In order to reach an insight about the feature generation phase, we conducted an experiment and employed the results for the next computations. In the second question, we focus on the modality and knowledge type of features and show that using features with different modalities end up to different hierarchical structures. In the third question, we attend to concept relationships and introduce a novel distributed approach for object description. The fourth question deals with whether there’s a relationship between bio-inspired hierarchical structures and the hierarchy of features in the cortex. In the fifth question we magnify the hidden interplay between individual branches of the tree and reveal the cross-cutting relationship among basic concepts using a computational approach. Keywords: hierarchical structure, object recognition, conceptual classification
