Hasil Pencarian  ::  Simpan CSV :: Kembali

"Karya ini menggunakan encoder visual berbasis Concept-Map yang menanggulangi masalah penghubungan informasi dari citra yang telah di-encode oleh sebuah jaringan saraf tiruan konvolusional ke dalam ranah semantik yang diproses oleh jarinagn saraf tiruan berbasis waktu. Pendekatan ini menggunakan komponen attention visual yang mengembangkan jaringan konvolusional sebelum dipropagasi ke jaringan berbasis waktu. Untuk meningkatkan pembelajaran cross-entropy, model dilatih dengan metode reinforcement learning dengan cara melatih value dan policy network berdasarkan jarak visual-semantic embedding distance dari representasi vector sebagai sinyal reward. Visual-semantic embedding space belajar dan menghasilkan vector space untuk citra dan teks, lalu digunakan sebagai tolak ukur qualitas suatu teks yang mendeskripsikan suatu citra. Sinyal reward membantu mengarahkan dan memaksimalkan probabilitas suatu deskripsi bagus muncul. Dataset yang digunakan adalah Flickr8k dan metric yang dilaporkan adalah BLEU-1 hingga BLEU-4......This work features a Concept-Map visual encoder that tackles the issue of linking encoded image information from convolutional neural networks to semantic domain processed by recurrent neural networks. The approach utilizes visual attention that extends the convolutional network before being propagated to through the recurrent network. To improve upon cross entropy learning, the model is then trained on reinforcement learning by training a value and policy network on visual-semantic embedding distance of vector representations as reward signals. The visual-semantic embedding space that jointly learns a common vector space for encoding image and caption is used to measure the quality of generated caption computing how close the vector representation is to the vector representation of the input image. The reward signal guides the policy to maximize the probability of producing good captions. The Flickr8K dataset is used and BLEU-1 to BLEU-4 for is reported."

"ABU Robocon adalah kompetisi robotik tahunan yang bertujuan untuk menginspirasi dan menguji insinyur muda dalam perancangan mekanik dan elektrik serta pemrograman sistem tertanam. Setiap tahun sebuah aturan lomba baru diumumkan untuk menantang peserta untuk membuat robot yang tercepat dan terefisien dalam menyelesaikan suatu tugas spesifik. Tema ABU Robocon 2015 adalah robot dimana peserta harus mengembangkan sistem robotik yang otonomus ataupun bukan untuk melakukan servis dan/atau melakukan rally. Tujuan penulisan ini adalah untuk merancang algoritma trajectory planning untuk robot agar dapat mendatangi posisi shuttlecock. Trajectory planning tersebut didapat dari penghitungan posisi shuttlecock terhadap titik pukul yang didapatkan dari pembacaan oleh sensor Kinect. ......The ABU Robocon is an annual robotics competition aimed to inspire and test your engineers in mechanical and electrical design as well as embedded programming. Every year a new rule is introduced to challenge the participants in designing what is often the fastest and most efficient robot required to complete a specific task. The theme for the ABU Robocon 2015 is robot where participants must develop a robot either autonomous or not that can serve and/or perform a rally. The goal is to design a trajectory planning algorithm for the robot to intercept the shuttlecock. This trajectory planning is obtained from the calculation of shuttlecock position which is taken from Kinect sensor."