Бидний тухай
Багш ажилтан
Researchers assume that the bodies of several Tara statues may have been molded from the same template. Therefore, researchers are eager to study the shape similarities between the Tara statues. Motivated by the archaeologist's requirements, this study presents an efficient approach to evaluate shape similarities between point clouds of two different Tara statues right-arm models. The evaluation approach consists of two main stages. The first is the reconstruction of individual body parts without decoration using a B-spline surface approximation technique. In previous reconstruction process, the surrounding surface selection parameter was manually specified. If the manually applied parameter is inadequate, it reduces the accuracy of the surface approximation and hole-filling, resulting in reduced accuracy of the evaluation result. Therefore, in this study, the surrounding surface selection parameter is automatically determined based on the Golden-section-search algorithm. The second stage evaluates the shape similarities between two different point clouds. The evaluation method considers a simple point-to-surface distance metric method with overlapping-surface detection and when compared with generic point-to-point distance metric method, the evaluation results proved that the proposed methodology was reliable and effective for this application. The approximation accuracy affects the evaluation result when the reconstruction method fills the gap by adding new points through the approximated surface. Therefore, in this study, the shape similarities were investigated between the two arm models with holes, immediately after separating the decoration parts.
Сүүлийн жилүүдэд хүн төрөлхтний дундаж нас өсөхийн сацуу бусдын хараа хяналтгүйгээр бие даан амьдрах өндөр настнуудын тоо эрс нэмэгдэж байна. Тэдэнд ахуйн осол, эрүүл мэндийн хүндрэлтэй байдал үүсэх мэтээр гэнэтийн нөхцөлд тусламж амжиж хүрэх бололцоо бага байдаг. Дээрх асуудлыг шийдэх зорилгоор судлаачид хүний өдөр тутмын амьдралыг хянах олон төрлийн шийдлүүдийг гаргасаар ирсэн. Өнгөт камер ашигласан систем нь хүний хувийн амьдралд хэт халдах сул талтай бол биед зүүдэг төхөөрөмжтэй шийдлүүд нь тогтмол батарей цэнэглэх, зүүж явахад ачаа болох, зүүхээ мартах гэх мэт асуудлууд тулгардаг. Мөн хоёртын мэдрэгч ашиглах нь хэтэрхий сул мэдээллийг агуулдаг тул үйлдлүүдийг хооронд нь ангилах боломжгүй. Дээрх аргууд хэдий үр дүн сайтай ч өөрсдийн гэсэн том сул талуудтай. Эдгээр асуудлуудыг цогцоор нь шийдэх нэгэн шийдэл бол бага нягтаршилтай инфра мэдрэгчүүд юм. Өдөр тутмын амьдралд хийгдэх үйлдлүүд(ӨТАХҮ)-ийг бид 8х8 хэмжээтэй инфра мэдрэгчүүд ашиглан 74 ялгаатай хүнээс 17 төрлийн үйлдлийг цуглуулж өгөгдлөө бэлдсэн. ӨАҮ-г ангилж таних зорилгоор бид хэд хэдэн гүн сургалтын загваруудыг өөрсдийн шийдлүүдтэй хослуулж өрсөлдөхүйц үр дүнг гаргаж чадсан. Бид энэхүү өгөгдлийг хувийн нууц хадгалан ӨТАХҮ-г таних судалгааны ажлуудад том үр нөлөө үзүүлнэ гэдэгт итгэлтэй байна.
Дохионы хэл нь сонсгол болон хэл ярианы бэрхшээлтэй иргэдэд хоорондоо харилцахад зориулагдсан аман бус нүүр, биеийн илэрхийлэл, дохио зангаагаар дамжуулан харилцдаг албан ёсны хэл юм. Мөн дохионы олон улсад стандарчилагдсан хэл байдаггүй бөгөөд хамгийн өргөн хэрэглэгддэг хэл нь Америкийн дохионы хэл юм. Монгол дохионы хэлний хувьд цагаан толгойн үсэг, тоо мөн 3000 орчим үгсийн сантай бөгөөд монгол улсад 20000 орчим иргэд хэрэглэдэг. Эдгээр иргэд нь энгийн иргэдтэй харилцахад маш хүндрэлтэй байдаг нь нийгэмд эрх тэгш оролцох, санал бодлоо чөлөөтэй илэрхийлэх эрхийг хязгаарлаж байна. Энэ чиглэлээр Монголд судалгааны ажиллууд маш бага байдаг нь энэхүү судалгааны ажиллыг эхлүүлэх шалтгаан болсон. Бидний судалгааны ажил нь монгол дохионы хэлний үсгээр бүтсэн үгсийн өгөгдлийг машин сургалтын арга ашиглан бичвэрт хөрвүүлэх бөгөөд хэрэглээ нь үйлчилгээний газрууд, дохионы хэлний сургууль болон сургалтуудад ашиглах зорилготой. Бидний санал болгож буй загвар нь оролтын өгөгдлийг таних буюу ангилах, ангилалын гаралтаас шаардлагүй өгөгдлийг шүүх монгол өгүүлбэрийн бүтцийг сурах эх хэлний боловсруулалт гэсэн хоёр хиймэл оюун ухааны загвар ашигласан ерөнхий бүтэцтэй. Ангиллын загварын хувьд Transformer (Encoder) загвар ашиглан 51 ангилалтай үед F1 score нь 0.8678 оновчлолтой гарсан. Ангиллын гаралтаас хэрэггүй өгөгдлийг шүүж үг бүтээх NLP загварын хувьд хангалттай сайн үр дүнд хүрч чадаагүй ч цаашид хөгжүүлэх боломжтой.
Хураангуй—Энэхүү судалгааны ажлаар гибрид авто машинаас гарсан хаягдал батарейг дахин сэргээж бусад хэрэглээнд ашиглах боломжийг судалсан. Учир нь манай оронд импортоор орж ирж байгаа авто машин нь үйлдвэрийн баталгаат хугацаа нь дууссан, насжилт өндөртэй тээврийн хэрэгслүүд орж ирдэг. Үүнийгээ дагаад хаягдал батарей ихээр гарах болсон. Бидний дэвшүүлж буй арга нь манай оронд дахин боловсруулах үйлдвэр байхгүй учир баттерейг дахин сэргээж бусад цахилгаан тоног төхөөрөмжид ашиглах гэр ахуйн хэрэглээнд нэвтрүүлэх бөгөөд туршилтын үр дүнгээс хаягдал батарейг дахин ашиглах боломжтой гэж үзсэн.
Энэхүү судалгааны ажлаар дотооддоо тариалж буй хүнсний ногоог импортоор орж ирсэн хүнсний ногооноос ялгах зорилготой машин сургалтын модель хөгжүүлэхийг зорив. Хүнсний ногоо дундаа байцаа болон өргөст хэмхийг онцлон сонгосон шалтгаан нь санал асуулгын дүн ба өгөгдөл цуглуулах боломжтой байсан тул сонгосон. Хөгжүүлэлтийг CNN болон Mask- RCNN[1] гэсэн хоёр модель ашиглан сургасан. Mask-RCNN модель танилт илүү өндөртэй нэмэлт үйлдэл буюу хүрээлэх нь орчин үеийн үр дүнд[2] хүрсэн.
Хураангуй—Машин сургалтаар царай таньж эрүүл мэнд, олон нийтийн сүлжээ, албан байгууллага, хил хяналт, гэмт хэрэг зэрэг олон салбаруудад өргөн ашигладаг. Энэхүү ажлаар машин гүн сургалттай модель ашиглаж нэг хүний цөөн тоотой эгц урдаас нь авсан зургаас ялгаж танив. Эгц урдаас авсан зургуудыг нээлттэй эх бүхий өгөгдлийн сан LFW [1] ба нэмэлтээр Монгол хүний зургуудыг нэмсэн. Бүх өгөгдлийн хувьд хүнийг өөрийнх нь зурагтай харьцуулах нийт тоо ба өөр хүний зурагтай харьцуулах нь тэнцүү байхаар бүрдүүлсэн. Зургийн онцлог утгыг гаргаж авахад Inception ResNet v1 [2] царай таних моделийг ашигласан. Онцлог утгуудыг ангилахад 97,47%-ын үр дүнд хүрлээ.
In field of Digital signal processing, multiplication is an important and computa-tionally intensive operation. Modified Booth algorithm is a crucial improvement in the binary multiplication. Here used Wallace tree algorithm it increases the speed of multiplier operation. Modified booth encoder utilizes the minimum logic gates, reduced chip area. Designing of this multiplier is done by using VHDL and simulated using Xilinx ISE software. The Multiplier has been implemented on Spartan 3E Fpga chip.
Integral Image is one of methods to show 3D image. To research more, we need to find the position of Integral Images or in our case characters. It will be useful to recognize or reconstruct the 3D object, like 2D to 3D content conversion. To make it possible we must have character recognition system [1] [2] [3]. First, we recognize Mongolian character image by deep learning, a Convolutional Neural Network (CNN). The dataset for deep learning we collected 500 fonts, and 80 characters from one font, the sum of the dataset is 40000 characters. Split dataset into 2 section training, validation sets. Validation result is 94%. Then we tested on 3D character Integral Images. Recognition percentage was 34%. Thus, we trained the machine learning model in a different font, and then tested the 3D In-tegral Image.
Үр дүнд суурилсан, оюутан төвтэй сургалтад шилжих шаардлагатай тулгараад буй өнөө үед оюутныг ойлгож, нөхцөл байдлыг нь мэдрэх, бодитоор үнэлэх асуудал сурах явцыг сайжруулах, шалгалтын арга хэлбэрийг илүү боловсронгуй болгох ач холбогдолтой юм. Оюутан өөрийн мэдлэг, шалгалтын бэлтгэл болон зан араншингаасаа хамааран аман шалгалтын явцад сандрах, баярлах, түгших хэлбэрээр сэтгэл нь хөдөлж улмаар энэ нь бодит үнэлгээнд нөлөөлөх талтай. Энэхүү ажлаар оюутны сэтгэл хөдлөл болон үнэлгээний хамаарлыг нөхцөл байдал, асуултын төрлөөс хамааруулан судаллаа. Сэтгэл хөдлөлийг тухайн оюутны арьсны цахилгаан дамжуулал, хөмсөг болон хацрын булчингийн цахилгаан идэвхжилийн утгаар тодорхойлсон. Туршилтыг хоёр үе шаттай явууллаа. 28 оюутныг мэдрүүлтэй болон ердийн гэсэн хоёр бүлэгт хуваан ижил агуулгаар аман шалгалт авсан эхний туршилтаар мэдрүүл зүүх нь оюутны сэтгэл хөдлөл, хариулсан үр дүнд мэдэгдэхүйц нөлөө үзүүлэхгүй гэж дүгнэж болохоор байна. Хоёр дахь туршилтад мэргэжлийн суурь болон мэргэшүүлэх хичээл сонгон тус бүр 10 оюутнаас энгийн тав, шалгалтын таван асуулт асууж сэтгэл хөдлөлийн өөрчлөлтийг судлав. Туршилтаар оюутан энгийн асуултад хариулахдаа сэтгэл хөдлөлийн төлөв нь бага өөрчлөгдөж байсан бол шалгалтын асуултад бүх оюутан илүү төвлөрснөөс гадна ахлах ангийн оюутнууд жигд бага зэрэг сөрөг сэтгэл хөдлөл үзүүлсэн бол бага ангийн оюутнууд эерэг сэтгэл хөдлөл илүүтэй харуулсан. Энэ судалгааг цаашид өргөжүүлэн төрөл бүрийн мэргэжил, нөхцөл байдлаар өргөтгөснөөр шалгалтын арга хэлбэрийг шинэчлэх, оюутны сэтгэл хөдлөл өөрийгөө илэрхийлэхэд нөлөөлдөг эсэхийг тодорхойлох, улмаар онлайн сургалтын шалгалтыг илүү баталгаатай болгох суурь нь болно.
Үр дүнд суурилсан, оюутан төвтэй сургалтад шилжих шаардлагатай тулгараад буй өнөө үед оюутныг ойлгож, нөхцөл байдлыг нь мэдрэх, бодитоор үнэлэх асуудал сурах явцыг сайжруулах, шалгалтын арга хэлбэрийг илүү боловсронгуй болгох ач холбогдолтой юм. Оюутан өөрийн мэдлэг, шалгалтын бэлтгэл болон зан араншингаасаа хамааран аман шалгалтын явцад сандрах, баярлах, түгших хэлбэрээр сэтгэл нь хөдөлж улмаар энэ нь бодит үнэлгээнд нөлөөлөх талтай. Энэхүү ажлаар оюутны сэтгэл хөдлөл болон үнэлгээний хамаарлыг нөхцөл байдал, асуултын төрлөөс хамааруулан судаллаа. Сэтгэл хөдлөлийг тухайн оюутны арьсны цахилгаан дамжуулал, хөмсөг болон хацрын булчингийн цахилгаан идэвхжилийн утгаар тодорхойлсон. Туршилтыг хоёр үе шаттай явууллаа. 28 оюутныг мэдрүүлтэй болон ердийн гэсэн хоёр бүлэгт хуваан ижил агуулгаар аман шалгалт авсан эхний туршилтаар мэдрүүл зүүх нь оюутны сэтгэл хөдлөл, хариулсан үр дүнд мэдэгдэхүйц нөлөө үзүүлэхгүй гэж дүгнэж болохоор байна. Хоёр дахь туршилтад мэргэжлийн суурь болон мэргэшүүлэх хичээл сонгон тус бүр 10 оюутнаас энгийн тав, шалгалтын таван асуулт асууж сэтгэл хөдлөлийн өөрчлөлтийг судлав. Туршилтаар оюутан энгийн асуултад хариулахдаа сэтгэл хөдлөлийн төлөв нь бага өөрчлөгдөж байсан бол шалгалтын асуултад бүх оюутан илүү төвлөрснөөс гадна ахлах ангийн оюутнууд жигд бага зэрэг сөрөг сэтгэл хөдлөл үзүүлсэн бол бага ангийн оюутнууд эерэг сэтгэл хөдлөл илүүтэй харуулсан. Энэ судалгааг цаашид өргөжүүлэн төрөл бүрийн мэргэжил, нөхцөл байдлаар өргөтгөснөөр шалгалтын арга хэлбэрийг шинэчлэх, оюутны сэтгэл хөдлөл өөрийгөө илэрхийлэхэд нөлөөлдөг эсэхийг тодорхойлох, улмаар онлайн сургалтын шалгалтыг илүү баталгаатай болгох суурь нь болно.
Орчин үед машин сургалтын арга судалгаа шинжилгээнд өргөнөөр ашиглагдаж хэрэглээний түвшинд нэвтэрсээр байна. Ялангуяа дүрс боловсруулалтын чиглэлд ихээр ашиглагдаж байгаа билээ. Хүний нүүрний төрхөөр хүйсийг тодорхойлох нь царай таних системийн нэг функц болон ашиглагддаг. Энэхүү ажилд Монгол хүний зургаас хүйсийг тодорхойлохыг зорьсон. Үүнд царайг илрүүлэх Landmark 68 цэгт арга[1], онцлогуудыг ялган авах VGG16[2] болон Facenet[3] алгоритмуудыг ашиглаж улмаар машин сургалтын шатанд AdaBoost[4] болон SVM[5] аргуудаар ангилан сургаж хүйсээр нь ялгасан. Эндээс үзэхэд AdaBoost сургалтын үр дүн SVM аргаас сайн үр дүн үзүүлсэн.
Орчин үед машин сургалтын арга судалгаа шинжилгээнд өргөнөөр ашиглагдаж хэрэглээний түвшинд нэвтэрсээр байна. Ялангуяа дүрс боловсруулалтын чиглэлд ихээр ашиглагдаж байгаа билээ. Хүний нүүрний төрхөөр хүйсийг тодорхойлох нь царай таних системийн нэг функц болон ашиглагддаг. Энэхүү ажилд Монгол хүний зургаас хүйсийг тодорхойлохыг зорьсон. Үүнд царайг илрүүлэх Landmark 68 цэгт арга[1], онцлогуудыг ялган авах VGG16[2] болон Facenet[3] алгоритмуудыг ашиглаж улмаар машин сургалтын шатанд AdaBoost[4] болон SVM[5] аргуудаар ангилан сургаж хүйсээр нь ялгасан. Эндээс үзэхэд AdaBoost сургалтын үр дүн SVM аргаас сайн үр дүн үзүүлсэн.
Нийлмэл дүрсэн гурван хэмжээст (цаашид 3D гэх) дэлгэцийн үүсгэсэн 3D дүрсийн харагдах өнцөг маш бага байдаг. Харагдах өнцгийг ихэсгэсэн арга нь тодорхой өнцгүүдэд давхардсан нийлмэл 3D дүрсийг үүсгэдэг дутагдалтай. Тиймээс энэ судалгааны ажлаар тухайн хүний байрлалаас хамаарч Цэгэн гэрэл үүсгэгч (цаашид PLS гэх) 3D дэлгэцийн арын гэрэл үүсгэгчийг удирдан давхардлыг арилгахыг зорив. Ажиглагчийн 3D дүрстэй үүсгэх өнцгөөс хамаарч дэлгэцийн арын гэрлүүдийг удирдахад PLS дэлгэцийн үүсгэсэн 3D дүрс давхардалгүй харагдана. Бид энэ аргыг хэрэгжүүлэхдээ уламжлалт аргаар ажиглагчийн байрлалыг тодорхойлохдоо нэмэлт төхөөрөмжийг тухайн хүнд байрлуулаагүй. Гэрэл үүсгэгчтэй давхар камер байрлуулж хүний царайг илрүүлж, ажиглагчийн харж байгаа өнцгийг тодорхойлон гэрэл үүсгэгчийг удирдсанаар PLS дэлгэцийн үүсгэсэн 3D дүрс нь давхардалгүй харагдах болсон.
Нийлмэл дүрсэн гурван хэмжээст (цаашид 3D гэх) дэлгэцийн үүсгэсэн 3D дүрсийн харагдах өнцөг маш бага байдаг. Харагдах өнцгийг ихэсгэсэн арга нь тодорхой өнцгүүдэд давхардсан нийлмэл 3D дүрсийг үүсгэдэг дутагдалтай. Тиймээс энэ судалгааны ажлаар тухайн хүний байрлалаас хамаарч Цэгэн гэрэл үүсгэгч (цаашид PLS) 3D дэлгэцийн арын гэрэл үүсгэгчийг удирдан давхардлыг арилгахыг зорив. Ажиглагчийн 3D дүрстэй үүсгэх өнцгөөс хамаарч дэлгэцийн арын гэрлүүдийг удирдахад PLS дэлгэцийн үүсгэсэн 3D дүрс давхардалгүй харагдана. Бид энэ аргыг хэрэгжүүлэхдээ уламжлалт аргаар ажиглагчийн байрлалыг тодорхойлохдоо нэмэлт төхөөрөмжийг тухайн хүнд байрлуулаагүй. Гэрэл үүсгэгчтэй давхар камер байрлуулж хүний царайг илрүүлж, ажиглагчийн харж байгаа өнцгийг тодорхойлон гэрэл үүсгэгчийг удирдсанаар PLS дэлгэцийн үүсгэсэн 3D дүрс нь давхардахгүй харагдах болсон
Нийлмэл гурван хэмжээст дэлгэцийн дүрсийг харах өнцөг маш бага байдаг. Харагдах өнцөгөөс бага зэрэг илүү хазайхад дүрс сарнилттай харагддаг. Тиймээс энэ судалгааны ажиллаар тухайн хүний байрлалаас хамаар ч гэрэл үүсгэгчийн ажиллгааг өөрчлөн сарнилтыг багасгахыг зорив. Тухайн ажилглагчийн 3-н хэмжээст дүрстэй үүсгэх өнцгөөс хамаарч дэлгэцийн арын гэрлүүдийг удирдан дүрсний сарнил нь багасаж тодорч харагдана. Бид энэ аргийг хэрэгжүүлхэд уламжлалт байдлаар ажиглагчийн байрлалыг тодорхойлхын тулд нэмэлт төхөөрөмж хүнд байрлуулаагүй. Гэрэл үүсгэгчтэй давхар камер байрлуулж хүний царайг илрүүлж, ажиглагчийн харж байгаа өнцөгийг тодорхойлон гэрэл үүсгэгчийг удирдсанаар цэгэн гэрэл үүсгэгчийн дүрс нь илүү тод харагдах болсон.