행동 트리 에디터

두뇌 디자이너는 시각적 행동 트리 에디터입니다. 그것은 단순히 드래그 & 드롭을 사용 하 여 행동 나무를 만들 수 있습니다. 편집기는 플러그인, 수출을 지원 하 고 행동 XML 파일로 저장 합니다.

두뇌 디자이너는 편집기를 주의 하십시오. 당신의 ai 파일에서 생성 하는 자신의 수출을 작성 해야 합니다. 그래서 아무 인공 지능 포함 편집기 없음 노드 논리가 포함 됩니다. 혼자서 노드를 구현 해야 합니다. 노드 추가 수 제거 하거나 포함 하는 예를 들어 플러그인의 소스 코드를 수정 하 여 수정 합니다.

brainiac_designer.png

작업 영역 및 플러그인에 대 한 지원

brainiac_designer_workspaces.png

3 차원 포즈 추정


3D Pose Estimation

이 샘플 응용 프로그램에는 POSIT의 사용 방법을 보여 줍니다 및 3d 알고리즘 평면상 멋 부리 다 포즈 추정. 응용 프로그램 렌더링 일부 인공 개체 회전 및 이동 하는 사용자를 허용 합니다. 다음 예상된 포인트 개체의 포즈의 추정에 사용 되는. 응용 프로그램 사용자 둘 다 비교할 수 있도록 원래 개체의 변환 매트릭스와 예상된 하나를 제공 합니다. 샘플 테스트/포즈 추정 알고리즘의 이해를 위한 주로 목적 이다.

3 차원 포즈 추정 (2)


3D Pose Estimation 2

그러나이 샘플 응용 프로그램은 또한 POSIT의 사용 방법을 보여 줍니다 및 3d 알고리즘 평면상 멋 부리 다 포즈 추정, 약간의 그림에 표시 된 실제 개체의 포즈 추정. 응용 프로그램 포즈 추정 모델 그 점의 좌표를 지정 하 고 다음 개체의 포즈 추정 개체의 이미지 포인트를 선택, 일부 이미지 파일을 열 수 있습니다. 추정을 할 때 응용 프로그램 X/Y/Z 좌표 시스템 예상된 회전 이상적으로 그림 개체 표시와 일치 해야 위치를 사용 하 여 렌더링 됩니다. 응용 프로그램 어떻게 작동 설명 하기 위해 여러 가지 내장 샘플이 포함 되어 있습니다.

부분 최소 제곱 (PLS)

맞게 부분적인 최소 제곱법을 사용 하는 방법을 보여 줍니다 한 (여러 및 복수) 높은 차원 데이터에서 선형 회귀 모델.

 

선형 및 로지스틱 회귀 분석

샘플 응용 프로그램 만들기 및 로지스틱 회귀 모델 피팅. 또한 비교를 위해, 다중 선형 회귀 모델에 맞는 치 평방 테스트 하며 발트의 로지스틱 회귀 계수에 대 한 통계를 계산 합니다.

 

수신기 작동 특성 (ROC) 곡선

만들고 테스트 또는 분류 과정에서 결과의 주어진된 세트에서 수신기 작동 특성 곡선을 시각화 하는 방법을 보여 주는 샘플 응용 프로그램입니다.

 

콕스 비례 위험

콕스 비례 위험 모델을 사용 하 여 회귀 및 시간 비난 데이터의 예측에 대 한 생존 분석을 수행 하는 방법.

 

정상 베이즈 분류

정상 베이즈 분류자는 무엇입니까

정상 베이즈 분류자 나 이브 베이즈 분류자도 알려져 있다.

위키백과에 따르면

Naïve Bayes 분류자는 베이지안 통계를 다루는 간단한 확률 분류자 강력한 (순 진) 독립 가정 가진 Bayes' 정리를 적용에 따라 용어입니다. 기본 확률 모델에 대 한 좀 더 구체적인 용어는 "독립적인 기능 모델" 있을 것 이다.

간단한 기간에서는, naïve Bayes 분류자는 클래스의 특정 기능 존재 (또는 결핍) 존재 (또는 결핍) 다른 기능에 관련 된이 가정 합니다. 예를 들어 과일 빨강, 라운드, 그리고 약 4"직경에서의 경우 사과 해야 고려 될 수 있습니다. 이러한 기능은 다른 특징의 존재에 따라, 비록 순진한 베이즈 분류자가이 과일 사과 일 확률을 개별적으로 기여할 이러한 속성의 모두 고려 합니다.

확률 모델의 정확한 특성에 따라 naïve Bayes 분류자 감독된 학습 환경에서 매우 효율적으로 훈련 될 수 있다. 매개 변수 추정 naïve Bayes 모델에 대 한 많은 실용적인 응용 프로그램에서 최대 가능성; 메서드 사용 하 여 즉, 한 없이 베이지안 확률에 대 한 믿음 또는 모든 베이지안 방법을 사용 하 여 naïve Bayes 모델 사용할 수 있습니다.

그들의 순 진 디자인과 분명히 지나치게 단순화 된 가정에도 불구 하 고 순진한 베이즈 분류자 종종 작동 훨씬 더 많은 복잡 한 실제 상황에 하나는 예상 보다. 최근, 베이지안 분류 문제의 주의 깊은 분석이 naïve Bayes 분류자의 분명히 무리 한 효능에 대 한 몇 가지 이론적인 이유는 보여주었다. [1] 순진한 베이즈 분류자의 장점은 적은 양의 훈련 데이터 매개 변수 (수단 및 변수의 분산) 분류에 필요한 견적을 요구 한다. 독립 변수를 가정 하기 때문에 각 변수의 분산 클래스 결정 될 필요가 및 하지 전체 공분산 행렬.

NormalBayes.png

 

이웃 가장 가까운 K

K 가까운 이웃 분류자는 무엇입니까

Wikipedia에 따르면,

패턴 인식, k-인접 이웃 알고리즘 (k-NN) 기능 공간에서 가장 가까운 훈련 예제를 기반으로 개체를 분류 하기 위한 방법입니다. k-NN 인스턴스 기반 학습, 또는 게으른 학습 기능 로컬로 접근만 및 모든 계산 분류까지 지연의 유형입니다. 그것은 또한 회귀에 대 한 사용할 수 있습니다.

 

KNearest.png

 

SVM (지원 벡터 기계

지원 벡터 기계는 무엇입니까

Wikipedia에 따르면,

지원 벡터 기계 (SVMs) 감독 분류와 회귀를 사용 하는 방법을 학습의 관련 설정 됩니다. N 차원 공간에서 벡터의 2 세트로 입력된 데이터를 보기는 SVM 중 하나는 두 데이터 집합 사이의 여백을 극대화 그 공간에서 분리 초 평면을 건설할 것 이다. 마진을 계산 하기 위해 두 개의 병렬 유클리드는 건설, 하나는 분리 초 평면의 각 측에 "밀어에 대 한" 2 개의 데이터 세트. 직관적으로, 좋은 분리 초 평면을 일반적으로 더 큰 여백 분류자의 낮은 일반화 오류 이후 두 클래스의 이웃 방식이 가장 큰 거리에 의해 이루어집니다.

SVM.png

기대 극대화

Expectaion 극대화 분류자는 무엇입니까

Wikipedia에 따르면,

기대 극대화 (EM) 알고리즘이 모델 지켜지지 않은 잠재 변수 의존 확률 모델에서 매개 변수의 최대 가능성 견적을 찾는 통계에 사용 됩니다. 그들은 잠재 변수에 대 한 분포의 현재 견적에 관하여 로그 가능성의 기대를 계산 하는 기대 (E) 단계와 예상된 로그 가능성을 최대화 하기 매개 변수 계산 극대화 (M) 단계 사이 E 단계에 있는 반복 방법입니다. 이러한 매개 변수 다음 다음 E 단계에서 잠재 변수의 분포를 결정 하는 데 사용 됩니다.

 

ExpectationMaximization.png

 

다시 전파 신경망 시뮬레이션

이것은 간단한 다시 전파 신경망 시뮬레이션


pic4.png

pic5.png

 

자연 언어 처리 도구

이 응용 프로그램에는 자연 언어 처리 도구 모음입니다.

현재 그것은 다음 NLP 도구를 보여 줍니다.

  • 문장 분배기
  • 토크 나이저
  • 스피치의 부품 늘어진 장식을 붙이
  • chunker ("비재귀 명사 어구 덩어리 같은 구문 주석 발견" 하는 데 사용)
  • 파서
  • 이름 찾기
  • coreference 도구
  • WordNet 어휘 데이터베이스에 대 한 인터페이스

 

Parser demo user interface

이 응용 프로그램은 일부의 자연 언어 처리의 다른 기능을 탐구 뿐만 아니라 영어 문장, 구문 분석 트리 생성을 보여줍니다.

작성 된 텍스트의 언어 검출

작성 된 텍스트의 언어 검출 아마 자연 언어 처리 (NLP)에서 가장 기본적인 작업 중 하나입니다. 알 수 없는 텍스트의 언어 따라 처리를 위한 알고 제일 먼저 텍스트가 작성 된 언어입니다.

 

여러 얼굴 감지 및 실시간으로 인식

얼굴 인식 매우 문제가 발생 했습니다 많은 사람;에 대 한 세계 각국 근무 이 문제가 여러 필드와 다른 필드는이 기술에 매우 관심이 컴퓨터 과학에 특히 과학에서 등장 했다: 메카 트로 닉스, 로봇, 범죄, 등등. 이 데모에서는 주요 목표는 얼굴 검출기 및 인식기 위한 eigenface를 주요 구성 요소 분석 (PCA)를 사용 하 여 여러 사람에 대 한 실시간으로 여러 분야에서 구현 보이고 있다.

 

Eigenface의 예:

FaceRecPro/Training.png

FaceRecPro/MultiFaceRec.png

카메라를 사용 하 여 인간의 눈의 실시간 추적

 

 

눈은 인간의 얼굴의 가장 중요 한 기능입니다. 컴퓨터에 사용자 인터페이스에서 통신 기술로 눈 움직임의 효과적 사용 다양 한 응용 분야에서 장소를 찾을 수 있습니다.

안구 추적 및 눈 기능에 의해 제공 하는 정보는 컴퓨터와 통신 하는 인간-컴퓨터 상호 작용 (HCI) 시스템의 재미 있는 방법이 될 수가 있다. 그래서이 동기 부여와 함께이 프로젝트의 목표는 추적 소프트웨어는 실시간 눈 기능 설계.

이 데모의 목적은 다음과 같은 기능을 갖춘 실시간 눈 특징 추적기를 구현 하는 것입니다.

  • 실시간 얼굴 축척과 회전 불변성을 추적
  • 눈 영역을 개별적으로 추적
  • 추적 눈 기능
  • 눈 시선 방향 찾기
  • 안구의 움직임을 사용 하 여 제어 하는 원격

우리의 파트너

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

우리에 게 연락!

뉴스 레터

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