เลือกหัวข้อจากแถบเมนูด้านซ้าย (กรณีหน้าจอเล็กเมนูจะหดกลายเป็นสัญลักษณ์สามขีดอยู่ในแถบเมนูด้านบน) หรือใส่คำค้นหาที่ช่องด้านล่างนี้ เพื่อค้นหาหัวข้อบทความหรือ Tutorial เกี่ยวกับเรื่อง noise ที่ต้องการ
Particle Filter, หรือที่บางครั้งเรียกว่า Sequential Monte Carlo methods, เป็นอัลกอริทึมที่มีพลังอย่างยิ่งเมื่อต้องเผชิญกับปัญหาของความไม่แน่นอนและสุ่มของข้อมูลในการคำนวณ. วันนี้เราจะสำรวจพื้นฐานของ Particle Filter และวิธีการใช้งานมันผ่านภาษา C, พร้อมกับทำความเข้าใจข้อดีข้อเสีย และ Complexity ของมัน....
Read More →RANSAC (Random Sample Consensus) เป็นหนึ่งใน Algorithm ที่นิยมใช้กับงานประมวลผลภาพเพื่อยืนยันโมเดลคณิตศาสตร์จากข้อมูลที่อาจมี noise หรือ outlier เข้ามากวนมากมาย ภายใต้กระบวนการนี้ RANSAC จะช่วยแยกข้อมูลที่ดีออกจากข้อมูลที่ไม่เกี่ยวข้อง ทำให้สามารถหาโมเดลที่น่าเชื่อถือได้มากขึ้น ในบทความนี้ จะอธิบายขั้นตอนของ RANSAC และยกตัวอย่างการใช้งานในโลกจริง เช่น การตรวจจับคุณลักษณะของภาพ ความซับซ้อนของอัลกอริธึม รวมถึงข้อดีและข้อเสีย...
Read More →Particle Filter เป็นหนึ่งในอัลกอริทึมซึ่งมีบทบาทสำคัญในการประมวลผลสัญญาณและสถิติอย่างหนักหน่วง อีกทั้งยังเป็นเครื่องมือที่ใช้คำนวณค่าประมาณหลายมิติได้ด้วยความแม่นยำสูง และเราจะก้าวไปดูว่าอัลกอริทึมนี้สามารถประกอบการใช้งานอย่างไรในภาษา Golang ภาษาที่มีชื่อเสียงในด้านประสิทธิภาพและความเร็ว...
Read More →การค้นพบคุณสมบัติของธรรมชาติหรือสิ่งก่อสร้างจากข้อมูลที่มีสัญญาณรบกวน (noise) และข้อมูลที่ผิดพลาด (outlier) เป็นปัญหาที่ท้าทายในด้านต่างๆ ของวิทยาการคอมพิวเตอร์ เช่น วิทยาการข้อมูล (Data Science), การสร้างแบบจำลองทางคอมพิวเตอร์ (Computer Modeling), และการมองเห็นด้วยเครื่องมือ (Computer Vision). ในบทความนี้ เราจะสำรวจว่าการใช้งานอัลกอริธึม RANSAC (Random Sample Consensus) ในภาษา Lua สามารถช่วยแก้ปัญหาเหล่านี้ได้อย่างไร พร้อมทั้งวิเคราะห์ความซับซ้อน ข้อดี และข้อเสียของอัลกอริธึมนี้....
Read More →