ترجمه ماشینی
محبوبه شمسی؛ مرضیه دیوانی؛ عبدالرضا رسولی کناری
چکیده
پیشینه و اهداف:زبان اشاره یک زبان دیداری است که از شکل‌های دست، بیان چهره‌ای ژست‌ها و زبان بدنی جهت برقراری ارتباط استفاده می‌کند. مطالعات زبان‌شناختی نشان داده‌اند که زبان‌های اشاره هم‌چون زبان‌های گفتاری، طبیعی و برطرف‌کننده نیاز ارتباطی گویشوران خود هستند. زبان اشاره نه یک زبان واحد است که جهانی باشد و نه هر کشوری زبان ...
بیشتر
پیشینه و اهداف:زبان اشاره یک زبان دیداری است که از شکل‌های دست، بیان چهره‌ای ژست‌ها و زبان بدنی جهت برقراری ارتباط استفاده می‌کند. مطالعات زبان‌شناختی نشان داده‌اند که زبان‌های اشاره هم‌چون زبان‌های گفتاری، طبیعی و برطرف‌کننده نیاز ارتباطی گویشوران خود هستند. زبان اشاره نه یک زبان واحد است که جهانی باشد و نه هر کشوری زبان اشاره معادل زبان گفتاری خود دارد. زبان‌های اشاره بسیاری در جهان وجود دارند؛ از جمله زبان اشاره آمریکایی، انگلیسی، ژاپنی، ایتالیایی، ترکی، فارسی و... . زبان اشاره فارسی، زبان طبیعی ناشنوایان ایران میباشد.توانایی ارتباط مؤثر گامی پراهمیت در برقراری روابط و مشارکت ناشنوایان در اجتماع است. پشتیبانی و حمایت نشدن از جانب جامعه شنوا، افراد ناشنوا را به سمت منزوی شدن و سایر مشکلات اجتماعی می‌کشاند. به‌منظور غلبه بر موانعی که میان افراد شنوا و افراد دچار آسیب شنوایی وجود دارد، سیستم مترجمی نیاز است تا پیغام‌ها را متناسب با زبان گفتاری به زبان اشاره‌ای آن بازگرداند. یک سیستم مترجم زبان اشاره می‌تواند توسط ناشنوایان، خانواده‌ها و دوستان این دست از افراد، افراد نابینا – ناشنوا، افرادی که بر اثر عواملی، قدرت تکلم خود را از دست داده‌اند، اساتید و معلمان، کادر پزشکی و نیز افرادی که علاقه‌مند به یادگیری این زبان هستند، مورد استفاده و بهره‌برداری قرار گیرد. این مقاله، با ارائه یک سیستم مترجم خودکار جهت ترجمه زبان فارسی به زبان اشاره فارسی، درصدد آن است که ناشنوایان ایران را در برقراری ارتباط هرچه بهتر یاری رساند. روش‌ها: سیستم مترجم پیشنهادی، به منظور تبدیل متن فارسی به زبان اشاره فارسی نیازمند استفاده از یک معماری میباشد. به دلیل ماهیت زبان فارسی به عنوان زبان ورودی سیستم مترجم و نیز مشکلات موجود در زبان اشاره فارسی به عنوان زبان خروجی سیستم مترجم، معماری سیستمهای مترجم ارائه شده در سایر زبان‌ها قابل ارائه و توسعه در خصوص زبان فارسی نمی‌باشند. یکی از مهم‌ترین مسائل در زبان اشاره فارسی، عدم وجود اشاره معادل برای برخی کلمات است. به منظور فایق آمدن بر این مشکلات، معماری متناسب با زبان فارسی و زبان اشاره فارسی ارائه شد. سیستم ارائه شده، با استفاده از معماری پیشنهادی، متن به زبان فارسی را در قالب کلمه یا جمله از کاربر دریافت کرده، پس از انجام پردازش‌های اولیه و با استفاده از ماژول تبدیل واژگانی، آن را به معادل خود در زبان اشاره فارسی تبدیل و ترجمه می‌نماید. در نهایت، زبان اشاره معادلِ یک کلمه، عبارت یا جمله ورودی، توسط یک آواتار، نمایش داده خواهد شد. برای این منظور، از انتقال کلمات ترجمه‌شده به زبان میانی سیستم نشان‌گذاری هامبورگ (HamNoSys)، تبدیل زبان میانی به زبان نشان‌گذاری حالات اشاره (SiGML) و آن‌گاه به حرکت درآوردن شخصیت انیمیشنی به کمک آن، استفاده میشود. یافته‌ها: برای ارزیابی سیستم مترجم زبان فارسی به زبان اشاره فارسی، از یک مجموعه جمله تست استفاده شده است. پس از بررسی‌های صورت گرفته مشخص شد سیستم پیشنهادی کارایی، فضای ذخیره‌سازی و سرعت قابل قبولی دارد. نتیجه‌گیری: تحقیقات در زمینه علوم بین رشته‌ای زمانی بسیار کارآمد و مؤثر است که تحقیقات در تمام علوم درگیر، به میزان برابر انجام شده و هریک چالش‌های مربوط به رشته خود را برطرف سازند. به‌عنوان نمونه، مهم‌ترین چالش در تکمیل سیستم مترجم زبان اشاره فارسی، عدم وجود پژوهش زبان شناختی در خصوص زبان اشاره فارسی میباشد. سیستم مترجم ارائه شده، ترکیبی از علوم زبان‌شناسی، علوم اجتماعی و علوم مهندسی است. تمرکز بر روی هریک از این بخش‌ها و ارتقای آنها، باعث پیشرفت چشمگیر در سیستم ارائه شده میشود. با این وجود، سیستم ارائه‌شده، می‌تواند تا حد زیادی روابط میان افراد شنوا و ناشنوا را بهبود بخشد. می‌توان روی هریک از ماژول‌های معماری پیشنهادی تمرکز کرد و به ارتقا و بهبود هرکدام پرداخت. همچنین می‌توان به یکپارچه‌سازی واحد اح
پردازش زبان طبیعی
محمد لطافت؛ عبدالرضا رسولی کناری؛ محبوبه شمسی
چکیده
پیشینه و اهداف: جریان اصلی جامعه به دلیل عدم توانایی در برقراری ارتباط با جامعه ناشنوایی باعث گوشهگیری این افراد شده است. در حال حاضر سالانه 1400 ناشنوای عمیق در کشور متولد میشود که بیشتر این کودکان دارای خانواده شنوا هستند. به همین دلیل والدین در سالهای ابتدایی زندگی کودک، به دلیل عدم آشنایی با زبان اشاره نمیتوانند الگوی ...
بیشتر
پیشینه و اهداف: جریان اصلی جامعه به دلیل عدم توانایی در برقراری ارتباط با جامعه ناشنوایی باعث گوشهگیری این افراد شده است. در حال حاضر سالانه 1400 ناشنوای عمیق در کشور متولد میشود که بیشتر این کودکان دارای خانواده شنوا هستند. به همین دلیل والدین در سالهای ابتدایی زندگی کودک، به دلیل عدم آشنایی با زبان اشاره نمیتوانند الگوی کاملی از زبان اشاره را به آنها آموزش دهند. همانطور که از نام «زبان اشاره» پیداست، در زبان اشاره از اشارات و یا به عبارت دقیقتر از حرکات، حالات دست، چشم، و جهت ایستادن، برای انتقال منظور بهره برده میشود. چنانچه به طور مثال حرکت دهان یا حالت کلی صورت تغییر کند، معنای کلمه تولید شده نیز می‌تواند تغییر کند، یا به عبارت دیگر کلمه دیگری تولید میشود. همین اصل در مورد حرکات انگشتان و دستها نیز صادق است. مهم‌ترین عامل ارتباط بین انسان‌ها، توانمندی در برقراری ارتباط از روش‌های مختلف مانند گفتار، نوشتار و زبان‌اشاره میباشد. ناتوانی افراد کم‌شنوا و ناشنوا در برقراری ارتباط صمیمانه، همچنین نبود آموزش مرسوم با توجه به نیازهای جامعه، باعث کنارگذاری این افراد شده است. سیستمهای مترجم متن به زبان اشاره به منظور برطرف کردن مشکلات برقراری ارتباط بین افراد ایجاد شده‌اند. به دلیل غیرساخت‌یافته بودن زبان فارسی و همچنین مشکلات زبان اشاره فارسی استفاده از سیستمهای مترجم سایر کشور‌ها عملا امکان‌‌پذیر نمی‌باشد. این پژوهش به دنبال معرفی سیستمی میباشد که متن فارسی را دریافت کرده و بعد از انجام پردازش زبان طبیعی لازم، آن را به زبان اشاره فارسی تبدیل کند. روش ها برای انجام این مهم با چالش‌های متعددی چون کمبود حرکات اشاره به نسبت تعداد کلمات موجود در زبان فارسی و همچنین مشکل ابهام و جناس در برخی کلمات موجود در متون فارسی مواجه هستیم. به منظور رفع مشکلات، معماری سیستمهای مشابه قابل استفاده نمی‌باشد. بنابراین معماری جدیدی پیشنهاد شده است که از ارتباط بین ماژول‌های برطرف کردن جناس و همچنین ماژول تبدیل متن ورودی به دنیای ناشنوایان، با استفاده از آنتولوژی طراحی شده استفاده می‌کند. یافته‌ها: استفاده از این معماری، نرخ کارایی سیستم مترجم متن فارسی به زبان اشارهی فارسی را تا 95٪ بهبود بخشیده و باعث افزایش دقت سیستم مترجم تا سه برابر شده است. نتیجه‌گیری: سیستم مترجم زبان اشاره به منظور برقراری ارتباط افراد ناشنوا با سایر افراد جامعه ایجاد شده است. به علاوه از سیستم مترجم زبان اشاره می‌توان به منظور آموزش زبان اشاره نیز بهره برد. پیاده‌سازی سیستم مترجم زبان اشاره فارسی به دلیل غیرساخت یافته بودن و همچنین مشکل چندمعنایی و ابهام برخی کلمات در زبان فارسی، همچنین مشکلات موجود در زبان اشاره فارسی و محدودیت‌هایی که در تعداد حرکات شناخته شده این زبان وجود دارد، دارای چالش‌های میباشد، که در این مقاله با ارائه یک معماری جدید چالش‌ها تا حدود قابل قبولی برطرف شده است. در معماری جدید از دو ماژول تشخیص و تصحیح جناس و تبدیل جملات به دنیای ناشنوایان استفاده شده است. هر دو ماژول از آنتولوژی طراحی شده، مربوط به خود استفاده می‌کند.
محیط یادگیری
آزاده منتظری؛ محبوبه شمسی؛ روح الله دیانت
چکیده
پیشینه و اهداف: پردازش تصویر یکی از مسائل مهم در حوزهی هوش مصنوعی میباشد که در موارد مختلف صنعتی، پزشکی، نظامی، سیستم مای امنیتی و.. کاربرد دارد. از مهم‌ترین زمینه‌های کـاربـردی پردازش تصویر استخـراج قـواعـد طبقه‌بندی در حیطـه علـم پـزشکی است. با به‌کارگیری الگوریتم‌های قدرتمند این حوزه می‌توان سیستم های هوشمندی ابداع کرد ...
بیشتر
پیشینه و اهداف: پردازش تصویر یکی از مسائل مهم در حوزهی هوش مصنوعی میباشد که در موارد مختلف صنعتی، پزشکی، نظامی، سیستم مای امنیتی و.. کاربرد دارد. از مهم‌ترین زمینه‌های کـاربـردی پردازش تصویر استخـراج قـواعـد طبقه‌بندی در حیطـه علـم پـزشکی است. با به‌کارگیری الگوریتم‌های قدرتمند این حوزه می‌توان سیستم های هوشمندی ابداع کرد که به شکل خودکار و بدون نیاز به نظارت پزشک قادر به فهم و تفسیر ویژگی‌های پزشکی افراد باشند یا اطلاعات مفیدی را اکتشاف کنند که متخصصان را در قضاوت صحیح یاری رساند. زمانی که پارامترهای لازم برای تشخیص بیماری زیاد میشود، تشخیص و پیش‌بینی بیماری حتی برای یک متخصص خبره پزشکی نیز به‌سختی ممکن میگردد به همین دلیل در چند دهه اخیر ابزار تشخیص کامپیوتری باهدف کمک به پزشک مورد استفاده قرارگرفته است. این مهم موجب شده است که خطاهای احتمالی ناشی از خستگی یا بی‌تجربگی فرد متخصص تا حدی کاهش پیدا کند و داده‌های پزشکی موردنیاز، طی مدت‌زمان کمتر و با جزئیات و دقت بیشتر در اختیار پزشک قرار گیرد. هدف از این مطالعه بهبود عملکرد طبقه‌بندی روش‌های نوین، با استفاده از مدلی چندلایه به‌منظور کمک به تشخیص بیماری‌های شبکیه‌ی چشم است. روش ها: این مدل از الگوریتم K-SVD پیشرفته، برای یادگیری ماتریس دیکشنری و الگوهای پایه استفاده می‌کند تا بتواند با الگوپذیری از معماری چندلایه، ویژگی‌های بهتری را در تصاویر OCT شبکیه بیاموزد. همچنین در این معماری، علاوه بر استفاده از برچسب‌های کلاس داده‌های آموزشی، اطلاعات برچسب نیز در هر ستون‌پایه در ماتریس دیکشنری ترکیب میشود تا در کدگذاری تنک در طی فرآیند یادگیری دیکشنری بیشترین تبعیض اعمال شود که این منجر به موفقیت مراحل کدگذاری تنک و جمع‌بندی، در پیدا کردن نمایش مؤثرتری از داده به‌منظور طبقه‌بندی میگردد. برای اعتبارسنجی الگوریتم، از مجموعه داده‌های داک استفاده‌شده است. این مجموعه داده شامل اسکن‌های حجمی از 45 نوع، که 15 نوع حجم از آن طبیعی، 15 نوع بیمار تخریب ماکولای وابسته به سن (AMD) و 15 نوع بیمار ورم ماکولای دیابتی (DME) است که تعداد اسکن‌های OCT در هر حجم بین 36 تا 97 تصویر متغیر میباشد. یافته ها: نتایج تجربی نشان می‌دهد که الگوریتم پیشنهادی این مقاله توانسته است با پیشی گرفتن از بسیاری از مدل‌های جدید یادگیری دیکشنری و نمایش تنک، بسیار خوب عمل نماید و با دقت خوبی منجر به طبقه‌بندی صحیح %95.85 برای تصاویر نرمال و صد درصد برای تصاویر بیمار (DME و AMD) شود. نتیجه گیری: نتیجهی این تحقیق ارائهی سیستمی اتوماتیک به‌منظور تشخیص برخی ناهنجاری مای شبکیه بود به‌طوری‌که با تحلیل و آنالیز بر روی‌داده‌های دام توانست با دقت بسیار خوبی در مقایسه با روش‌های نوین این حوزه در شناسایی الگوهای ظریف بیماری در تصاویر OCT موفق عمل نموده، تصاویر نرمال و بیمار را در دو بیماری تباهی ماکولای وابسته به سن یعنی AMD ورم ماکولای دیابتی یعنی DME را تفکیک و در تشخیص پاتولوژی شبکیه با دقت بسیار بالایی به پزشک معالج کمک کند. به‌عنوان یک پیشنهاد تحقیقاتی و کاربردی برای متخصصین و آیندگان با تعمیم این روش به کلاس مای بیشتر می‌توان تمام بیماری مای شبکیه را پوشش داد و از آن به‌عنوان ابزاری بالقوه مؤثر در تشخیص کامپیوتری و غربالگری بیماری‌های شبکیه و یا در حوزه مای وسیع‌تر چشم استفاده نمود.
EndNote