|
|
|
DREIDIMENSIONALE MODELLIERUNG VON OBJEKTEN MIT TEILWEISE ANSICHTEN FREI AUFGABE ORIENTIERT COMPUTER VISION.Inhaltsangabe: Der Computer Vision Ziele zu extrahieren und zu interpretieren Informationen in verschiedenen Ebenen der Komplexität mit dem Bild der Szene. Eine Möglichkeit zur Erreichung dieses Ziels ist durch die Schaffung von Modellen, die es ermöglichen, sie effektiv zu analysieren die Eigenschaften der Szene. Diese Arbeit schlägt neue Techniken für die Erstellung von sphärischen Modelle in teilweise Ansichten und für die freie Form Objekte mit dem Ziel der Anwendung zu Problemen bei der Anerkennung und Positionierung. Erstens, es hat eine Überprüfung der verschiedenen Modellierungstechniken von 3D-Daten durch polygonalen Maschen. Dann definieren Sie ein porcedimiento zur Anpassung der bestehenden Modelle zu sphärischen Modelle für die teilweise Ansichten, die Festlegung neuer topologischen Eigenschaften auf dem Gebiet teselada. Als letzten Schritt in der Modellierung Technik, eine Methode zur teilweisen Abschmelzen der Modelle, um ein komplexes Modell des Objekts. Diese Phase wird auch eine Technik, mit der eine Verbesserung der Regularisierung der Modelle Summen. Die Umsetzung der vorgeschlagenen Modelle entwickelt einen Algorithmus zur Erkennung von teilweise Blick auf die Kopplung von diesen auf die vollständige Modell. Dieser Algorithmus erstellt sequentiell verschiedenen globalen invarianten hin Verringerung potentieller Kandidaten und die verschiedenen Bereiche Andocken um sie herum. Alle Techniken, die in dieser Arbeit, die Modellierung und Anwendung Anerkennung experimentell validiert werden auf der Grundlage von Daten, die mit einer Reihe von Sensoren.
MODELING SEGREGATION ZENTRALE PLATTEN AUS STAHL DURCH AUTOMATISCHE LERNVERFAHREN.Autor: DIAZ FERNANDEZ ANA MARIA. Jahr: 2006. Universität: OVIEDO [ www.uniovi.es]. Ort der Lesung: DPTO. INGE. ELEC. ELECTRO. DE COMPU. Y SISTE.. Ort der Vorbereitung: DPTO. INGENIERIA ELECTRICA, ELECTRONICA DE COMPUTADORES Y SISTEMAS. Inhaltsangabe: Stahl ist ein Eisen-Kohlenstoff-Legierung, deren Eigenschaften hängt von zwei Faktoren ab: von der chemischen Zusammensetzung und Qualität. Beide Faktoren sind von entscheidender Bedeutung für die praktische Anwendungen für einen bestimmten Typ von Stahl gültig ist. Apropos Qualität Stahl ist hauptsächlich auf Defekte wie Risse, Einschlüsse oder Fehler in einer Segregation Zentrum, welches ist das Problem bei dieser Arbeit. Segregation Kern ist ein Phänomen im Zusammenhang mit der Erstarrung von Metallen und Legierungen, die aus einem Nicht-Homogenität der chemischen Zusammensetzung. Im Falle von Stahl, Legierung enthält Elemente wie Chrom, Phosphor, Schwefel, Vanadium .... Einige von ihnen bilden Solute, die in stark löslichen mehr in der Flüssigkeit, so dass während der Erstarrung des Stahls in der Casting-Prozess, neigen sie dazu, aus dem neu gebildeten festen und bereichern die restliche Flüssigkeit. Im Falle studierte in diese These, Stahl erstarrt bilden Platten aus Stahl und dass die Wirkung von Segregation, gibt es einen Rückstau von dieser Solute in der Mittellinie des Schruppen es kann dazu führen, dass Misserfolg des Endprodukts. Das Ziel dieser Arbeit ist die Entwicklung eines Modells auf der Grundlage von Algorithmen automatische Lernen Fähigkeit zur Vorhersage der Schwere der Segregation in den mittel-Platten aus Stahl. Dies wurde vier Modellierungstechniken: líneal Regression, neuronale Netze, topographische Karten autoorganizados und Fuzzy-Algorithmus, die GAP ist eine Kombination aus genetischen Algorithmen und genetischer Programmierung und Gestaltung eines Fuzzy-System. Die Ergebnisse deuten darauf hin, dass das Problem der Trennung ist modeable durch die Techniken beschäftigt, bietet die besten Ergebnisse in Bezug auf die Kapazität SOM Vorhersage Algorithmen und Fuzzy-GAP im Hinblick auf die Fähigkeit, das Phänomen zu erklären. Darüber hinaus gibt es das Phänomen der Abhängigkeit von der Schwefel-Stahl, die notwendigen Daten zu sortieren Eintrag auf der Grundlage dieser Parameter und entwickeln verschiedene Modelle für jede Gruppe mit verschiedenen Input-Parameter.
|
|
|
