Reconnaissance des gestes de la main en temps réel

Reconnaissance des gestes de la main en temps réel, basé sur les réseaux neuronaux (perceptron multicouche, Hopfield NN)

Comme partie de la demande de reconnaissance de formes (gestes de la main), prises avec l'appareil photo. Position de la main dans l'image est déterminée par la couleur du pixel main. Pour la reconnaissance de formes à l'aide de réseaux de neurones (perceptron multicouche, réseau de neurones de Hopfield). Reconnaissance a lieu en temps réel

Cette capture d'écran montre la fenêtre principale de l'application, aussi bien comme le montre le résultat de la reconnaissance

Cela montre les couleurs de fenêtre de réglages et le choix des espaces colorimétriques.

Smart Bio

Smart Bio est une application des fonctions courantes de bio-informatique, destinées à simplifier la création d'applications de la science de la vie.

L'application de base implémente une gamme d'analyseurs de fichier et les formateurs de types de fichiers courants, les connecteurs aux services web couramment utilisés tels que NCBI BLAST et algorithmes standards pour la comparaison et l'assemblage de séquences d'ADN, ARN et des protéines. Outils de l'échantillon et les extraits de code sont également inclus.

Moteur de concepteur et de l'exécution de Workflow de bio-informatique.

La Bio de Smart permet de créer visuellement des programmes en reliant les différents composants dans le concepteur et puis eux persistent dans un fichier XML qui peut être exécuter dans le concepteur de GUI, ou d'un outil de ligne de commande.

Il comporte deux parties à elle :

1. Un concepteur de GUI qui permet d'accéder à un ensemble d'activités prédéfinies et les principales activités WF. Vous pouvez créer, modifier et enregistrer des workflows de fichiers basé sur XML.
2. Une console de base de coureur qui peut prendre un persistant WF et exécutez-la en fournissant des capacités d'entrée et de sortie.

Vous pouvez alors traîner des diverses activités de la boîte à outils sur la gauche. Chaque activité peut être sélectionnée et ont des propriétés modifiées dans l'Explorateur de propriété en bas à droite de l'écran.

Échantillon aléatoire de Consensus (RANSAC)

Montre comment utiliser RANSAC pour s'adapter à une régression linéaire, éviter l'impact négatif des valeurs aberrantes dans les données de régression robuste.

Modèles de Markov cachés

Montre comment utiliser les Hidden Markov Models (HMMs) et Markov séquence classificateurs de reconnaître les séquences d'observations discrètes.

Cinématique de Denavit-Hartenberg

Montre comment utiliser des paramètres de Denavit-Hartenberg et équations aux chaînes cinématiques de modèle.

Levenberg-Marquardt

Démonstration d'utilisation de nombreuses applications pour travailler avec Levenberg-Marquardt, au lieu de rétro-propagation Neuro. Inclut des solutions pour le rapprochement, la prédiction de séries temporelles et l'exclusif- ou (XOR) problème à l'aide de réseaux de neurones formés par Levenberg-Marquardt.