Abstract
The combination of wavelet theory and neural networks has lead to the development of
wavelet networks. Wavelet networks are feed-forward neural networks using wavelets as
activation function. Wavelets networks have been used in classification and identification
problems with some success.
In this work we proposed a fuzzy wavenet network (FWN), which learns by common
back-propagation algorithm to classify medical images. The library of medical image has
been analyzed, first. Second, Two experimental tables’ rules provide an excellent
opportunity to test the ability of fuzzy wavenet network due to the high level of information
variability often experienced with this type of images.
We have known that the wavelet transformation is more accurate in small dimension
problem. But image processing is large dimension problem then we used neural network.
Results are presented on the application on the three layer fuzzy wavenet to vision system.
They demonstrate a considerable improvement in performance by proposed two table’s rule
for fuzzy and deterministic dilation and translation in wavelet transformation techniques.
wavelet networks. Wavelet networks are feed-forward neural networks using wavelets as
activation function. Wavelets networks have been used in classification and identification
problems with some success.
In this work we proposed a fuzzy wavenet network (FWN), which learns by common
back-propagation algorithm to classify medical images. The library of medical image has
been analyzed, first. Second, Two experimental tables’ rules provide an excellent
opportunity to test the ability of fuzzy wavenet network due to the high level of information
variability often experienced with this type of images.
We have known that the wavelet transformation is more accurate in small dimension
problem. But image processing is large dimension problem then we used neural network.
Results are presented on the application on the three layer fuzzy wavenet to vision system.
They demonstrate a considerable improvement in performance by proposed two table’s rule
for fuzzy and deterministic dilation and translation in wavelet transformation techniques.
Keywords
and Back Propagation Algorithm
Fuzzy Theory
Neural Network
Wavelet Transform
Abstract
الجمع بين طريقة المويجة والشبكات العصبية يقودنا إلى تطوير لشبكات المويجية . حيث أن الشبكات المويجية هي شبكات عصبية تقدمية تستخدم معادلات المويجة كدالة فعالة في الطبقات المخفية.شبكة المويجات استخدمت لحل مشاكل التصنيف والتعريف بنجاح.
في هذا العمل تم اقتراح تصميم شبكة المويجات الغامضة (FWN) والتي يمكن تدربها باستخدام خوارزمية التراجع العكسي لتصنيف الصور الطبية . في البداية تم تحليل وترتيب مكتبة لصور الطبية. وثانياً تم تصنيف جداول عملية وناجحة لاختبار قابلية شبكة المويجات الغامضة نتيجة للتغير العالي بالمعلومات داخل هذه الصور. نحن نعرف بان التحويل باستخدام المويجات هو جداً دقيق بالنسبة لمشاكل ذات المجال الصغير ولكن المعالجة الصورية هي مشكلة ذات مجال كبير لذلك سوف نستخدم الشبكة العصبية . وتم الحصول على نتائج من خلال استخدام شبكة ثلاثية محددة بمعادلات المويجات الغامضة. وتم الحصول على نتائج تعتمد في دقتها على نوعين من الجداول التي من خلالها التي من خلالها يتم تحديد قيمة التقلص والانبساط باستخدام التقنية المويجية .
في هذا العمل تم اقتراح تصميم شبكة المويجات الغامضة (FWN) والتي يمكن تدربها باستخدام خوارزمية التراجع العكسي لتصنيف الصور الطبية . في البداية تم تحليل وترتيب مكتبة لصور الطبية. وثانياً تم تصنيف جداول عملية وناجحة لاختبار قابلية شبكة المويجات الغامضة نتيجة للتغير العالي بالمعلومات داخل هذه الصور. نحن نعرف بان التحويل باستخدام المويجات هو جداً دقيق بالنسبة لمشاكل ذات المجال الصغير ولكن المعالجة الصورية هي مشكلة ذات مجال كبير لذلك سوف نستخدم الشبكة العصبية . وتم الحصول على نتائج من خلال استخدام شبكة ثلاثية محددة بمعادلات المويجات الغامضة. وتم الحصول على نتائج تعتمد في دقتها على نوعين من الجداول التي من خلالها التي من خلالها يتم تحديد قيمة التقلص والانبساط باستخدام التقنية المويجية .