ادغام فرایافته‌ها در بینایی کامپیوتر برای مسائل بهینه‌سازی دنیای واقعی ۲۰۲۴
Integrating Metaheuristics in Computer Vision for Real-World Optimization Problems 2024

**کتابی جامع که پژوهش‌های باکیفیتی را در زمینه‌ی چالش‌های جنبه‌های نظری و کاربردی محاسبات نرم و یادگیری ماشین در پردازش تصویر و بینایی کامپیوتر ارائه می‌دهد.**پژوهشگران در تلاشند تا الگوریتم‌های جدیدی خلق کنند که روش‌های ارائه شده توسط رویکردهای هوش محاسباتی را برای حل مسائل پردازش تصویر و بینایی کامپیوتر مانند اندازه تصویر، نویز، نورپردازی و امنیت ترکیب کند. ۱۹ فصل این کتاب رویکردهای هوش محاسباتی (CI) را به عنوان راه حل‌های جایگزین برای سیستم‌های خودکار بینایی کامپیوتر و پردازش تصویر در طیف گسترده‌ای از کاربردها، با استفاده از یادگیری ماشین و محاسبات نرم، بررسی می‌کند.

کاربردهای برجسته شده در کتاب عبارتند از:
* تکنیک‌های تشخیصی و درمانی برای سکته مغزی ایسکمیک، تشخیص اشیا، ردیابی، تشخیص چهره و تشخیص هویت.
* استراتژی‌های مبتنی بر محاسبات برای تغییر کاربری دارو و بهبود عملکرد با انتخاب ویژگی، استخراج و یادگیری.
* روش‌هایی با قابلیت بازیابی تصاویر تبدیل شده فوتومتریک و هندسی.
* مفاهیم معامله در بازار ارزهای دیجیتال بر اساس استراتژی‌های هوشمندانه کنش قیمت. ارزیابی مقایسه‌ای و پیش‌بینی سیارات فراخورشیدی با استفاده از روش‌های یادگیری ماشین. خطر استفاده از نرخ خرابی با کمک MTTF و MTBF برای محاسبه قابلیت اطمینان. شرح مفصلی از تکنیک‌های مختلف با استفاده از الگوریتم‌های تشخیص لبه.
* یادگیری ماشین در خانه‌های هوشمند. نقاط قوت و محدودیت‌های هوش ازدحامی و محاسبات. نحوه استفاده از LSTM دوطرفه برای تشخیص آریتمی قلبی.
* مطالعه‌ای جامع از تکنیک‌های بازیابی تصویر مبتنی بر محتوا برای استخراج ویژگی.
* رویکردهای یادگیری ماشین برای درک رگ‌زایی.
* بهبود تصویر دست‌نویس بر اساس منطق فازی نوتروسکوپیک.

**مخاطبان**

این کتاب برای پژوهشگران، مهندسان، دانشجویان تحصیلات تکمیلی و دکتری طراحی شده است که می‌خواهند در مورد جنبه‌های نظری و کاربردی محاسبات نرم و یادگیری ماشین در پردازش تصویر و بینایی کامپیوتر بیشتر بیاموزند.

A comprehensive book providing high-quality research addressing challenges in theoretical and application aspects of soft computing and machine learning in image processing and computer vision.

Researchers are working to create new algorithms that combine the methods provided by CI approaches to solve the problems of image processing and computer vision such as image size, noise, illumination, and security. The 19 chapters in this book examine computational intelligence (CI) approaches as alternative solutions for automatic computer vision and image processing systems in a wide range of applications, using machine learning and soft computing.

Applications highlighted in the book include:

• diagnostic and therapeutic techniques for ischemic stroke, object detection, tracking face detection and recognition;
• computational-based strategies for drug repositioning and improving performance with feature selection, extraction, and learning;
• methods capable of retrieving photometric and geometric transformed images;
• concepts of trading the cryptocurrency market based on smart price action strategies; comparative evaluation and prediction of exoplanets using machine learning methods; the risk of using failure rate with the help of MTTF and MTBF to calculate reliability; a detailed description of various techniques using edge detection algorithms;
• machine learning in smart houses; the strengths and limitations of swarm intelligence and computation; how to use bidirectional LSTM for heart arrhythmia detection;
• a comprehensive study of content-based image-retrieval techniques for feature extraction;
• machine learning approaches to understanding angiogenesis;
• handwritten image enhancement based on neutroscopic-fuzzy.

Audience

The book has been designed for researchers, engineers, graduate, and post-graduate students wanting to learn more about the theoretical and application aspects of soft computing and machine learning in image processing and computer vision.