Denavit-Hartenberg kinematika

Ukazuje, ako používať Denavit-Hartenberg parametre a rovnice modelu kinematické reťaze.

Levenberg-Marquardt

Demonštrovať použitie Neuro aplikácií pre prácu s Levenberg-Marquardt namiesto Backpropagation. Obsahuje riešenia pre aproximáciu, Predikcia časových radov a exkluzívne- alebo (XOR) problém pomocou neurónové siete vyškolení Levenberg-Marquardt.

Piktogramy uznanie

Uznávanie piktogramy (alebo optické glyfy ako oni sú povolaní najčastejšie) je pomerne križovatky tému, ktoré má aplikácií v škále rôznych oblastí. Najpopulárnejšie aplikácie optických znakov je rozšírená realita, kde počítačové videnie algoritmus nájde v video stream a náhradky s umelo vytvorené objekty vytvoriť pohľad, ktorý je polovica reálne a napoly virtual - virtuálne predmety v reálnom svete. Ďalšou oblasťou optické glyfu žiadosti je robotika, kde glyfy možno dať príkazy na robota alebo pomôcť robota na navigáciu v rámci niektorých prostredie, kde možno použiť piktogramy aby robot smeroch. Tu je jeden z pekné ukážky optické glyfu žiadosti:

Odtlačok prsta Overenie

Rozpoznávanie odtlačkov prstov je oblasť aktívneho výskumu v dnešnej dobe. Dôležitou zložkou v systémoch rozpoznávanie odtlačkov prstov je odtlačok zodpovedajúce algoritmus. Podľa problémové domény, odtlačok zodpovedajúce algoritmy sú zaradené do dvoch kategórií: odtlačok overenie algoritmov a odtlačkov prstov identifikáciu algoritmov. Cieľom odtlačok overenie algoritmov je určiť, či dve odtlačky pochádzajú z rovnakej prst alebo nie. Na druhej strane, odtlačkov prstov identifikačné algoritmy vyhľadávanie dotazu odtlačok prsta v databáze hľadajú odtlačky pochádzajú z rovnakého prst.

Táto ukážka demonštruje rozpoznávanie odtlačkov prstov a identifikáciu.

Clustering (Gaussova zmes modely)

Viacrozmerné Gaussova zmes distribúcie montáž pomocou očakávania-Maximalizácia.

Klastrovanie (K-prostriedky a MeanShift)

MeanShift a K-prostriedok zníženia farba (farba clustering) v digitálnych fotografií.

Náhodná vzorka konsenzus (RANSAC)

Ukazuje, ako používať RANSAC rázne prispôsobiť lineárna regresia, vyhnúť sa negatívnym vplyvom extrémnych hodnôt v údajoch regresie.