ग्लिफ़ मान्यता

मान्यता ग्लिफ़ के (या ऑप्टिकल glyphs के रूप में वे सबसे अक्सर कहा जाता हैं) काफी एक चौराहे विषय है, जो विभिन्न क्षेत्रों की एक श्रृंखला में आवेदन किया है। ऑप्टिकल ग्लिफ़ के सबसे लोकप्रिय आवेदन संवर्धित वास्तविकता, जहां कंप्यूटर विजन एल्गोरिथ्म उन्हें एक वीडियो स्ट्रीम में पाता है और कृत्रिम रूप से उत्पन्न वस्तुओं बनाने के एक दृश्य है जो आधा असली और आभासी आधा - एक असली दुनिया में आभासी वस्तुओं के साथ प्रतिस्थापित करता है। ऑप्टिकल ग्लिफ़ आवेदन की एक अन्य क्षेत्र रोबोटिक्स, जहां ग्लिफ़ आज्ञा देने के लिए एक रोबोट या रोबोट कुछ पर्यावरण के भीतर, नेविगेट करने में मदद करने के लिए जहां ग्लिफ़ रोबोट दिशा-निर्देश देने के लिए इस्तेमाल किया जा सकता है किया जा सकता। यहाँ ऑप्टिकल ग्लिफ़ आवेदन का अच्छा डेमो में से एक है:

 

 IPPrototyper tool

 

आंशिक कम से कम (PLS) चौकों

कैसे फ़िट करने के लिए आंशिक न्यूनतम वर्ग का उपयोग करने के लिए दर्शाता एक (एकाधिक और बहुभिन्नरूपी) रेखीय प्रतीपगमन मॉडल हाई-dimensionality डेटा से।

 

रैखिक और उपस्कर प्रतिगमन विश्लेषण

नमूना अनुप्रयोग बनाने और उपस्कर प्रतिगमन मॉडल फिटिंग के लिए। भी, तुलना प्रयोजनों के लिए एक एकाधिक रेखीय प्रतिगमन मॉडल फिट बैठता है और ची-वर्ग परीक्षण करता है और उपस्कर प्रतीपगमन coefficients के लिए Wald के आँकड़े computes.

 

विशेषता (ROC) वक्र ऑपरेटिंग रिसीवर

नमूना अनुप्रयोग कैसे बनाएँ और एक परीक्षण या एक वर्गीकरण प्रक्रिया से परिणाम का एक सेट दिया से विशेषता रिसीवर से संचालन Curves कल्पना का प्रदर्शन।

 

कॉक्स आनुपातिक खतरों

अस्तित्व विश्लेषण दोनों प्रतिगमन और समय-censured डेटा की भविष्यवाणी के लिए कॉक्स आनुपातिक खतरों मॉडल का उपयोग करने के लिए कैसे।

 

सामान्य Bayes वर्गीकरण

एक सामान्य Bayes क्लासिफायरफ़ाइल क्या है

एक सामान्य Bayes क्लासिफायरफ़ाइल भोले Bayes क्लासिफायरफ़ाइल रूप में भी जाना जाता है।

विकिपीडिया के अनुसार

एक भोली Bayes क्लासिफायरफ़ाइल Bayesian आँकड़े एक सरल संभाव्य क्लासिफायरफ़ाइल Bayes' प्रमेय मजबूत (भोली) स्वतंत्रता मान्यताओं के साथ आवेदन करने पर आधारित निपटने में एक शब्द है। अंतर्निहित प्रायिकता मॉडल के लिए एक और वर्णनात्मक शब्द "स्वतंत्र सुविधा मॉडल" होगा।

सरल शब्दों में, एक भोली Bayes क्लासिफायरफ़ाइल उपस्थिति (या अनुपस्थिति) के एक वर्ग एक विशेष सुविधा की उपस्थिति (या अनुपस्थिति) किसी अन्य सुविधा के लिए असंबंधित है रखती है। उदाहरण के लिए, अगर यह लाल, गोल, और लगभग 4" व्यास में एक सेब होने के लिए एक फल माना जा सकता। भले ही ये सुविधाएँ अन्य सुविधाओं के अस्तित्व पर निर्भर करती है, एक भोली Bayes क्लासिफायरफ़ाइल सभी की संभावना है कि इस फल एक सेब है करने के लिए स्वतंत्र रूप से योगदान करने के लिए इन गुणों को समझता है।

संभाव्यता मॉडल की सटीक प्रकृति के आधार पर, भोली Bayes classifiers बहुत ही कुशलता से एक पर्यवेक्षण सीखने की स्थापना में प्रशिक्षित किया जा सकता। कई व्यावहारिक अनुप्रयोगों में, भोली Bayes मॉडलों के लिए पैरामीटर अनुमान अधिकतम संभावना की विधि का उपयोग करता है; दूसरे शब्दों में, एक Bayesian संभाव्यता में विश्वास या किसी भी Bayesian विधियों का उपयोग कर के बिना भोली Bayes मॉडल के साथ काम कर सकते हैं।

तुलना में एक उम्मीद हो सकती है उनकी भोली डिजाइन और जाहिरा तौर पर अति सरलीकृत मान्यताओं के बावजूद, भोली Bayes classifiers अक्सर ज्यादा बेहतर कई जटिल वास्तविक दुनिया स्थितियों में काम करते। हाल ही में, सावधान विश्लेषण Bayesian वर्गीकरण समस्या का दिखाया गया है कि भोली Bayes classifiers के जाहिरा तौर पर अनुचित प्रभावोत्पादकता के लिए कुछ सैद्धांतिक कारण हैं। [1] भोली Bayes क्लासिफायरफ़ाइल की एक लाभ यह है कि यह प्रशिक्षण डेटा पैरामीटर (साधन और चर का प्रसरण) वर्गीकरण के लिए आवश्यक का अनुमान लगाने के लिए की एक छोटी राशि की आवश्यकता है। क्योंकि स्वतंत्र चर मान लिया जाता है, केवल चर का प्रसरण में से प्रत्येक के लिए निर्धारित किया जा करने के लिए की जरूरत है और नहीं पूरे सहप्रसरण मैट्रिक्स वर्ग।

NormalBayes.png

 

निकटतम पड़ोसी K

क्या एक K निकटतम पड़ोसी क्लासिफायरफ़ाइल है

विकिपीडिया के अनुसार,

पैटर्न मान्यता में, k-निकटतम पड़ोसी एल्गोरिथ्म (k-NN) वस्तुओं सुविधा अंतरिक्ष में निकटतम प्रशिक्षण उदाहरण के आधार पर वर्गीकृत करने के लिए एक विधि है। k-NN आवृत्ति-आधारित अधिगम, या जहाँ फ़ंक्शन केवल स्थानीय रूप से approximated है और सभी अभिकलन वर्गीकरण तक आस्थगित है आलसी सीखने का एक प्रकार है। यह भी प्रतिगमन के लिए इस्तेमाल किया जा सकता।

 

KNearest.png

 

SVM (समर्थन वेक्टर मशीन

क्या एक समर्थन वेक्टर मशीन है

विकिपीडिया के अनुसार,

समर्थन वेक्टर मशीन (SVMs) संबंधित का एक सेट कर रहे हैं निगरानी की सीखने के वर्गीकरण और प्रतिगमन के लिए इस्तेमाल किया तरीकों। इनपुट डेटा एक n-आयामी अंतरिक्ष में वैक्टर के दो सेट के रूप में देख रहे हैं वो, एक SVM कि अंतरिक्ष, जो दो डेटा समूहों के बीच अंतर अधिकतम हो पाता है एक में एक hyperplane को अलग करने का निर्माण होगा। मार्जिन की गणना करने के लिए दो समानांतर hyperplanes का निर्माण किया हैं, पृथककारण hyperplane, जो कर रहे हैं के प्रत्येक पक्ष पर एक "धक्का दिया के खिलाफ" दो डेटा समूह। Intuitively, एक अच्छा जुदाई दोनों वर्गों के पड़ोसी datapoints करने के लिए सबसे बड़ी दूरी सामान्य तौर पर बड़ा हाशिया के बाद से कम क्लासिफायरफ़ाइल के सामान्यीकरण त्रुटि है hyperplane द्वारा हासिल की है।

SVM.png

उम्मीद-अधिकतमकरण

एक Expectaion-अधिकतमकरण क्लासिफायरफ़ाइल क्या है

विकिपीडिया के अनुसार,

एक उम्मीद-अधिकतमकरण (EM) एल्गोरिथ्म में सांख्यिकी संभाव्य मॉडल में, पैरामीटर का अधिकतम संभावना अनुमान को खोजने के लिए जहां मॉडल अगोचर अव्यक्त चर पर निर्भर करता है प्रयोग किया जाता है। EM एक चलने का तरीका है जो एक उम्मीद (E) कदम है, जो computes अव्यक्त चर के लिए वितरण के वर्तमान अनुमान के संबंध में लॉग की संभावना एक उम्मीद, और एक अधिकतमकरण (M) कदम है, जो computes पैरामीटर जो अपेक्षित लॉग की संभावना को अधिकतम प्रदर्शन के बीच alternates ई कदम पर पाया गया है। इन पैरामीटर्स फिर अगले कदम के ई में अव्यक्त चर के वितरण का निर्धारण करने के लिए उपयोग किया जाता है।

 

ExpectationMaximization.png

 

पीछे प्रसार तंत्रिका नेटवर्क अनुकार

इस सरल पीछे प्रसार तंत्रिका नेटवर्क अनुकार है


pic4.png

pic5.png

 

स्वाभाविक भाषा प्रोसेसिंग उपकरण

इस आवेदन के प्राकृतिक भाषा संसाधन उपकरणों का एक संग्रह है।

वर्तमान में यह निम्न एनएलपी उपकरणों को दर्शाता है:

  • एक वाक्य अलगानेवाला
  • एक tokenizer
  • एक हिस्सा का भाषण tagger
  • एक chunker ("वाक्यात्मक एनोटेशन संज्ञा वाक्यांश विखंडू जैसे गैर-पुनरावर्ती खोजने के लिए" प्रयोग किया जाता)
  • एक parser
  • एक नाम खोजक
  • एक coreference उपकरण
  • WordNet lexical डेटाबेस के लिए एक इंटरफेस

 

Parser demo user interface

इस आवेदन पार्स पेड़ों की पीढ़ी के लिए अंग्रेजी भाषा वाक्य से पता चलता है, साथ ही स्वाभाविक भाषा प्रोसेसिंग की अन्य सुविधाओं में से कुछ की पड़ताल।

एक प्रश्न के लिखित पाठ की भाषा का पता लगा

भाषा का पता लगाने के एक प्रश्न के लिखित पाठ शायद प्राकृतिक भाषा संसाधन (एनएलपी) में सबसे बुनियादी कार्यों में से एक है। किसी भी भाषा निर्भर करता प्रसंस्करण एक अज्ञात पाठ के लिए, पहली बात को पता है कि कौन सी भाषा में पाठ लिखा है है।

 

फिंगरप्रिंट सत्यापन

 

फिंगरप्रिंट पहचान आजकल एक सक्रिय अनुसंधान क्षेत्र है। फिंगरप्रिंट पहचान प्रणाली में एक महत्वपूर्ण घटक फिंगरप्रिंट मिलान एल्गोरिथ्म है। समस्या डोमेन के अनुसार, फिंगरप्रिंट मिलान एल्गोरिदम दो श्रेणियों में वर्गीकृत कर रहे हैं: फिंगरप्रिंट सत्यापन एल्गोरिदम और फिंगरप्रिंट पहचान एल्गोरिदम। आ चाहे दो उँगलियों के निशान से एक ही उंगली या नहीं यह निर्धारित करने के लिए फिंगरप्रिंट सत्यापन एल्गोरिदम का उद्देश्य है। दूसरी ओर, फिंगरप्रिंट पहचान एक क्वेरी फिंगरप्रिंट एक डेटाबेस से एक ही उंगली आ रही उंगलियों के निशान की तलाश में खोज एल्गोरिदम।

इस डेमो फिंगरप्रिंट पहचान और पहचान को दर्शाता है।

कर्नेल के प्रमुख घटक विश्लेषण (KPCA)

नमूना अनुप्रयोग कैसे गैर रेखीय परिवर्तनों और dimensionality कमी करने के लिए कर्नेल प्रमुख घटक विश्लेषण (KPCA) उपयोग के लिए प्रदर्शन।

 

रैखिक विभेदक विश्लेषण (LDA)

नमूना अनुप्रयोग कैसे रेखीय परिवर्तनों और वर्गीकरण करने के लिए रेखीय विभेदक विश्लेषण (भी रूप में जाना LDA, या ' है फिशर (एकाधिक) रेखीय विभेदक विश्लेषण ') उपयोग के लिए प्रदर्शन।

 

प्रिंसिपल घटक विश्लेषण (पीसीए)

नमूना अनुप्रयोग का प्रदर्शन रैखिक परिवर्तनों और dimensionality कमी करने के लिए प्रमुख घटक विश्लेषण (पीसीए) का उपयोग कैसे करें।

 

Denavit-Hartenberg कीनेमेटीक्स

Denavit-Hartenberg forward kinematics sample application.

Denavit-Hartenberg पैरामीटर और मॉडल kinematic जंजीरों को समीकरण का उपयोग कैसे करें को दर्शाता है।

 

Levenberg-Marquardt

Levenberg-Marquardt algorithm for Approximation, Time Series, and the XOR problems.

Levenberg-Marquardt Backpropagation के बजाय के साथ काम करने के लिए न्यूरो अनुप्रयोगों के उपयोग का प्रदर्शन। भी शामिल है के लिए समाधान सन्निकटन, समय श्रृंखला की भविष्यवाणी और अनन्य- या (XOR) Levenberg-Marquardt द्वारा प्रशिक्षित तंत्रिका नेटवर्क का उपयोग कर समस्या।

 

 

 

हमारे भागीदारों

itresearches Discover our Technology Demonstrations : http://t.co/Bm1s6kIFub http://t.co/9JcATBDbUc

हमारे साथ संपर्क में जाओ!

न्यूज़लैटर

Address

Address:
34 New House, 67-68 Hatton Garden, London, England, EC1N 8JY, City of London
Toll(UK):
+448000786364
Fax(UK) :
+448458520997

About Us

IT Researches ltd is an information technology company & International computer research centre offering a wide variety of 'AI Powered™' IT services for companies and researchers worldwide .

Connet With Us