شبکه‌های عصبی پیچشی مبتنی بر اینترنت اشیا: فنون و کاربردها ۲۰۲۳
IoT-enabled Convolutional Neural Networks: Techniques and Applications 2023

شبکه‌های عصبی پیچشی (CNN)، نوعی از شبکه‌های عصبی عمیق که در سال‌های اخیر در زمینه‌های مختلف بینایی کامپیوتر به برتری رسیده‌اند، به دلیل کارایی بالا در استخراج اطلاعات معنادار از تصاویر بصری، توجه بسیاری را در حوزه‌های گوناگون به خود جلب کرده‌اند. شبکه‌های عصبی پیچشی در طیف گسترده‌ای از وظایف یادگیری ماشین و یادگیری عمیق عملکردی عالی دارند. با فراگیر شدن دستگاه‌های اینترنت اشیا (IoT) مجهز به حسگر در تمام جنبه‌های زندگی مدرن، اجرای استنتاج CNN، یک برنامه کاربردی با محاسبات سنگین، بر روی دستگاه‌هایی با منابع محدود، اهمیت فزاینده‌ای پیدا می‌کند.

هدف ما از طریق این مجموعه ویراسته، ارائه ساختارمند برنامه‌های کاربردی اینترنت اشیا با قابلیت CNN در پردازش بینایی، گفتار و زبان طبیعی است. این کتاب به بررسی انواع تکنیک‌ها و کاربردهای CNN، از جمله، اما نه محدود به، CNN فعال شده با اینترنت اشیا برای حذف نویز گفتار، یک برنامه هوشمند برای افراد کم‌بینا، تشخیص بیماری، تجزیه و تحلیل سیگنال ECG، نظارت بر آب و هوا، تجزیه و تحلیل بافت و غیره می‌پردازد.

برخلاف سایر کتاب‌های موجود در بازار، این کتاب ابزارها، تکنیک‌ها و چالش‌های مرتبط با پیاده‌سازی الگوریتم‌های CNN، زمان محاسبات و پیچیدگی مرتبط با استدلال و مدل‌سازی انواع مختلف داده‌ها را پوشش می‌دهد. ما روندهای تحقیقاتی فعلی و مسیرهای آینده CNNها را نیز در این کتاب گنجانده‌ایم.

Convolutional neural networks (CNNs), a type of deep neural network that has become dominant in a variety of computer vision tasks, in recent years, CNNs have attracted interest across a variety of domains due to their high efficiency at extracting meaningful information from visual imagery. CNNs excel at a wide range of machine learning and deep learning tasks. As sensor-enabled internet of things (IoT) devices pervade every aspect of modern life, it is becoming increasingly critical to run CNN inference, a computationally intensive application, on resource-constrained devices.

Through this edited volume, we aim to provide a structured presentation of CNN-enabled IoT applications in vision, speech, and natural language processing. This book discusses a variety of CNN techniques and applications, including but not limited to, IoT enabled CNN for speech denoising, a smart app for visually impaired people, disease detection, ECG signal analysis, weather monitoring, texture analysis, etc.

Unlike other books on the market, this book covers the tools, techniques, and challenges associated with the implementation of CNN algorithms, computation time, and the complexity associated with reasoning and modelling various types of data. We have included CNNs’ current research trends and future directions.