دانلود مقاله ترجمه شده کاربرد رویکرد یادگیری ماشین در حرکت آهسته چشم جهت تشخیص خستگی راننده – مجله IEEE

 

 

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” کاربرد رویکرد یادگیری ماشین در حرکت آهسته چشم جهت تشخیص خستگی راننده ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

بررسی حرکت آهسته چشم در تشخیص خستگی راننده با روش یادگیری ماشینی

عنوان انگلیسی مقاله:

Recognizing Slow Eye Movement for Driver Fatigue Detection with Machine Learning Approach

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۴
تعداد صفحات مقاله انگلیسی ۷ صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی کامپیوتر
گرایش های مرتبط با این مقاله هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
مجله کنفرانس بین المللی مشترک در شبکه های عصبی – International Joint Conference on Neural Networks
دانشگاه گروه علوم کامپیوتر و مهندسی، آزمایشگاه کلیدی هیئت آموزش شانگهای، دانشگاه شانگهای جیائو تونگ، چین
شناسه شاپا یا ISSN ISSN ۲۱۶۱-۴۳۹۳
رفرنس دارد
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه IEEE

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۱۹ صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه شده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است

 


  • فهرست مطالب:

 

چکیده
۱٫مقدمه
۲٫ روش تحلیل کامپیوتری
۳٫ مواد
۴٫نتیجه گیری

 


  • بخشی از ترجمه:

 

۴٫نتیجه گیری
دقت حرکت آهسته چشم به معنی ورود به مراحل ابتدایی خواب است و در نتیجه این عمل بسیار خطرناک بوده و باید در بسیاری از شرایط آن را تشخیص داد. در این تحقیق، مشخصه های حرکت آهسته چشم در زمان رانندگی و با آزمایشات شبیه سازی شده بررسی شده و مشخصه های جدیدی بر اساس تکنیک حرکت موجی ایجاد شده و آماره های جدید برای تشخیص تاثیر SEM توسعه داده شده اند. نتایج این آزمایشات شاخص های قوی تری نسبت به حرکت موجی چشم نشان می دهد و بر طبق نتایج ترکیب حرکت موجی و شاخص های جدید می تواند تعریف دقیق تری را در هر حرکت نشان دهد. در محیط واقعی رانندگی، حرکت های پیچیده تر برای چشم مانند VOR وجود دارد، که تشخیص SEM را دشوارتر می سازند. بنابراین، مطالعات آینده باید بر روی تشخیص SEM تمرکز داشته باشد.

 


  • بخشی از مقاله انگلیسی:

 

V. CONCLUSIONS

The occurrence of slow eye movement means that the driver is about to enter the initial stage of sleep, so it is extremely dangerous and in urgent need of detecting it. This study discusses the characteristics of slow eye movement in the driving simulation experiments and proposed new features based on wavelet singularity analysis and statistics to improve the detection effect of SEMs. Experiments results indicate new defined features are a little better than the wavelet energy, and the combination of wavelet energy features and new defended features can obtain better classification results than each single kind of features. In the real-world driving environment, there are more complicated eye movements such as VOR and smooth pursuit, which will bring difficulties for detecting SEMs. Therefore, that will be further studied for SEM recognition in our future work.

 


 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

کاربرد رویکرد یادگیری ماشین در حرکت آهسته چشم جهت تشخیص خستگی راننده

عنوان انگلیسی مقاله:

Recognizing Slow Eye Movement for Driver Fatigue Detection with Machine Learning Approach

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

 

خرید ترجمه فارسی مقاله

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا