Denavit-Hartenberg-Kinematik

Denavit-Hartenberg forward kinematics sample application.

Veranschaulicht die Denavit-Hartenberg-Parameter und Gleichungen Modell kinematische Ketten verwenden.

 

Levenberg-Marquardt

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

Demonstriert die Verwendung von Neuro-Anwendungen mit Levenberg-Marquardt statt Backpropagation arbeiten. Umfasst Lösungen für Annäherung, Zeitreihen-Vorhersage und die exklusiv- oder (XOR) Problem mit neuronalen Netzen von Levenberg-Marquardt ausgebildet.

 

 

 

Versteckte Markov Modelle

Veranschaulicht Hidden Markov Modelle (HMMs) und Markov Sequenz Klassifikatoren Sequenzen diskrete Beobachtungen zu erkennen.

 

 

Quadratische Programmierung (QP) Solver

Quadratic programming with the Goldfarb-Idnani solver.

Quadratische Programmierung (QP) Problemlösung mit der dual-Methode Goldfarb und Idnani.

 

Stichprobe Konsens (RANSAC)

Robust linear regression estimation with RANSAC.

Veranschaulicht die RANSAC verwenden, um eine lineare Regression, Vermeidung der negativen Auswirkungendes der Ausreißer in den Daten der Regression robust passen.

 

Kernel-Hauptkomponentenanalyse (KPCA)

Beispielanwendung, die veranschaulichen, wie Kernel Principal Component Analysis (KPCA) verwenden, um nicht-linearen Transformationen und Reduzierung der Dimensionalität durchzuführen.

 

Lineare Diskriminanzanalyse (LDA)

Beispielanwendung, die veranschaulichen, wie lineare Diskriminanzanalyse (auch bekannt als LDA oder '' Fisher's (Multiple) lineare Diskriminanzanalyse cm) verwenden, um lineare Transformationen und Klassifizierung durchzuführen.

 

Hauptkomponentenanalyse (PCA)

Beispielanwendung, die veranschaulichen, wie Hauptkomponentenanalyse (HKA) verwenden, um lineare Transformationen und Reduzierung der Dimensionalität durchzuführen.

 

 

GN Dashboard - künstliche Intelligenz-tool

 

GA Dashboard ist eine künstliche Intelligenz-Werkzeug für die Anwendung genetischer Algorithmus und künstliche neuronale Netze in Modellierung, Vorhersage, Optimierung und Muster Anerkennungen. Mit GN-Dashboard können Sie verschiedene technische Probleme von klassischen Regression und Annäherung an Lineare Programmierung Transport- und Lage und andere Maschine lernen Probleme lösen. Durch die Bereitstellung der Lernalgorithmen verwendet GN Dashboard eine Daten der Forschung oder experimentelle Maßnahmen, um über das Problem erfahren. Die Ergebnisse der Algorithmen lernen zu müssen sind analytische Modelle beschreiben oder Vorhersagen, den Zustand des Problems, oder das Muster erkennen kann. GN-Dashboard ist sehr einfach zu bedienen, auch wenn Sie keine tiefen Kenntnisse von GA, GP oder ANN haben, können Sie diese Methoden bei der Suche nach Lösungen anwenden. Das Tool kann verwendet werden, bei der Modellierung von jeglicher Art von engineering-Prozess, die mit diskreten Daten, ebenso wie in Ausbildung während der Ausbildung von Studenten zu evolutionären Methoden, vor allem GP und GA, sowie Maschine hauptsächlich Künstliche Neuronale Netze lernen beschrieben werden kann.

 

 

Der typische Vorgang der Modellierung mit GN-Dashboard kann in 5 Schritten beschrieben werden.

  1. Den Solver-Typ auswählen: der erste Schritt ist die Auswahl des Typs Solver. Welche Solver, die Sie verwenden möchten, hängt Ihre Absicht was Sie tun möchten. Zum Beispiel wenn Sie Modell für Ihre experimentellen Messung machen möchten haben Sie verschiedene Optionen, die abhängig von den experimentellen Daten und die Methode, die Sie verwenden möchten. Im GN-Dashboard können Sie Genetic Programming oder neuronale Netze für Modellierung und Vorhersage Versuchsdaten. Aber dies ist nicht streng getrennt, wie auf das Flussdiagramm unten zu suchen. Das heißt, Sie Benutzer neuronale Netze für die Vorhersage können, aber Trainingsalgorithmus kann auf genetischer Algorithmus oder Particle Swarm Optimization oder Back-Propagation-Algorithmus basieren.
  2. Experimentelle Daten werden geladen: GN Dashboard verwendet leistungsfähiges Tool für den Import von experimentellen Daten unabhängig vom Typ der Daten. Sie können Ihre numerischen Binär oder Klassifikation Daten importieren. GN Dashboard können automatisch Klassen definieren oder Formatieren von numerischen Daten mit schwimmenden oder Komma getrennt decimal-Werte.
  3. Lernen Parameter festlegen. Nachdem Daten geladen und erfolgreich vorbereitet, müssen Sie Parameter für die ausgewählte Methode festlegen. GN Dashboard Anbieter verschiedene Parameter für jede Methode, damit Sie Parameter festlegen können, welche bietet und Bestes Ausgabe Modell generiert.
  4. Die Suche nach der Lösung: GN Dashboard bietet Visualisierung der Suche Lösung, so Sie visuell überwachen können, wie GN Dashboard bessere Lösung als die Erhöhung der Zahl der Iteration findet. Falls Sie Informationen zum Testen mit berechneten Modellen, sehen Sie auch die Simulation der Vorhersage.
  5. Speichern und exportieren Sie die Ergebnisse: GN Dashboard bietet mehrere Optionen, die Sie beim Exportieren Ihrer Lösung können. Sie können Ihre Lösung in Excel oder Text-Datei sowie in Programmiersprachen Wolfram Mathematica oder R exportieren.

 

Wie ersichtlich werden würde, folgt in GN Dashboard arbeiten die gleichen Verfahren unabhängig von der Art des Problems. Das bedeutet, dass Sie dieselben Schritte haben, wenn mit Genetic Programming oder neuronale Netze zu modellieren. GN Dashboard enthält in der Tat den gleichen Satz von Eingabe Dialoge, wenn Sie versuchen, das Problem des Handlungsreisenden mit genetischen Algorithmus lösen oder wenn Sie versuchen, die Handschrifterkennung lösen mithilfe von Backpropagation Neural Networks. Alle Lernalgorithmen innerhalb GN Dashboard teilen die gleiche Benutzeroberfläche.

 

Neben Parameter spezifisch für Lernalgorithmus bietet GN Armaturenbrett Satz von Parametern welches Steuerelement der Weg wie Iteration Prozess sollte auch beendet, wie Iteration Prozess mittels Parallelisierung mithilfe von multicore-Prozessoren verarbeitet werden soll. Während das Problem Suche nach GN Dashboard die Geschichte, so können Sie sehen, wann die beste Lösung gefunden wird, wieviel Zeit-Pass seit letzten Iteration Prozess Start oder wie viel Zeit wird zum Abschluss der derzeit laufenden Iteration Prozess bleiben.

Aufgrund der Tatsache, dass GP die Methode die viel Verarbeitungszeit erfordert ist, bietet GN Dashboard Parallelisierung, die beschleunigt den Prozess des Suchens. Aktivieren oder Deaktivieren der Parallelisierung-Verarbeitung ist nur ein Klick auf den Button.

 

 

Unsere Partner

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

Kontaktieren Sie uns!

Newsletter

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