Algorithm-2 (Cellular Automata) R128+Table Construction

ในที่สุดก็ออกมาเกือบเป็นรูปร่างซะที [ออกแบบใหม่ไม่สนใจใคร เฉพาะหลัง rescale]
สิ่งที่ Algorithm นี้ทำได้ คือแบ่งข้อมูลเป็น 2 plane พร้อม autosegment(R-128)ข้อดีประมาณข้อมูลลงลดอย่างมหาศาล
จากการสังเกตให้เใช้พิ่มเทคนิคคือ
1. ไม่มีเซลล์ขนาดหนึ่ง pixel สามารถอยู่ด้วยตัวมันเอง (ดังนั้นเพิ่มการรวม)
2. ระยะห่าง 1 ถือเป็นข้อมูลเดียวกันใน(การจดจำตัวเลข)ดังนั้นการเข้า code จะเป็น 1 ยาว

3. สามารถเกิดการรวมกันของข้อมูลได้(mutant) หากระยะห่างเป็น 1 ซึ่งแบ่งเป็น 3 กรณีคือ ปกติ ติดกัน และ รวมกันอยู่ในเซลล์เดียว
4. การวัดความเหมือน(ยังสมมุติฐานอยู่) 0 น่าจะเพิ่มตัวเองได้ และวัดความเหมือนของ 1+HM=ผลคือค่าความเหมือน
5. ออกแบบตารางเข้า โค้ดเพื่อใช้เปรียบเทียบ
6.สถานะในระบบประกอบด้วย 3 สถานะคือ 0,1,X(เกิดการ mutant)
ค่อยมีกำลังใจหน่อย...เครียดหลายวัน

ขั้นตอนถัดไปคือการสร้างตาราง Training
1)ตารางแบ่งเป็นซ้ายและขวา
2)ขณะ Training สิ่งที่อาจเกิดขึ้นคือ
-อาจมีการย่อยตารางลง
-การเก็บขนาดเซลล์ว่าง ถ้า 1 โอกาส mutant สูง
3)ข้อตอนการ Test

Read More

บทเรียนการทดลองที่ล้มเหลว...แต่ยังคงเดินหน้าต่อไป

ในที่สุดทำให้รู้ว่าตัวแบบที่วางไว้เกี่ยวกับ FFT ไม่สามารถใช้งานได้ดังนั้นจึงได้หันไปออกแบบ Algorithm ในการจดจำใหม่
โดยตัดการทดลองครั้งที่แล้วมาทดลองต่อจาก การย่อรูปเหลือ 32x32 และ อาศัย Thining Algorithm
- Run Rule-128 แนวตั้ง และแนวนอน
-segment แยกส่วนข้อมูล
- porjecttion
-Construct Tree


การ plot graphics บน Matlab
figure(1);
subplot(121);
imagesc(tmp1);
subplot(122);
imagesc(tmp2);
hold on;
subplot(121);
x=[1 32];
y=[1 32];
line(x,y); %line(X,Y,Z,'Color','r','LineWidth',4)
บอกได้คำเดี่ยวช่วงนี้เหนื่อยสุดๆ

Read More

กับศัพท์ Stroke ใน Character Recognition

การเขียนตัวหนังสือ ลายเส้นที่เราเขียนลงไปจะเรียกว่า STROKE
   Single Stroke การเขียนเสร็จภายใน 1 ปากกายก
   Multiple Stroke การเขียนเสร็จต้องใช้มากกว่า 1 ปากกายก

Read More

Scheme for Implementation

การเปรียบเทียบมี 3 เงื่อนไข
สมมุติข้อมูลที่ต้องการตรวจคือ 0 และตัวเปรียบคือ 1
คำถาม
-ใช่ 0 หรือไม่ ถ้าใช้ใส่ Y ประมวลผลทาง 0 ต่อ
-ใช่ 1 หรือไม่ ถ้าใชใส่ Y ประมวผลผลต่อด้าน 0
-ประมวลไปเรื่องถ้าเปอร์เซ็นต์ 0 สูงน่าจะ 0 ไม่ต้องประมวลผลต่อ

Read More

Tree List แบบ Array

หัวข้อนี้ต้องขอขอบคุณอาจารย์สมจิตร อาจอินทร์ ที่มีส่วนเปิดมุมมองอีกด้านว่า ถึงแม้จะเป็น Tree แบบ link list แต่ก็สามารถจัดการแบบ Array ได้

งานเริ่มเดินมาถึงจุดที่ต้องใช้การ represent แบบ Tree จากรูปได้จุดประการไอเดียให้ออกแบบ Tree ที่ใช้จัดการใน GMACA
1. p = randperm(n) สุ่มค่า 1:n ไม่ซ้ำกันก็เข้าแก๊บอะดิครับ แต่จะจัดการทิศทางอย่างไรอืม...คิดต่อ

Read More

List of Directories and Files in malab

1. uigetfile(*.*)
2. files=dir(*.*)
     struct
     -name
     -date
     -bytes
     -isdir
     -datenum


     numel(files) =number of elements in files
     readFile(files(i).name)
3. S=struct([]);
     S(1).field={value};
4. สมมุติ
     S={'jesada','ponkaew'};
     ข้อมูลจะมีหน่วยเป็ฯ cell ต้องแปลง เป็น String ด้วยคำสั่ง char(.)

Read More

Bits processing in Matlab

   เนื่องจากทฤษฎีที่วางไว้มีการทำงานเกี่ยวกับ bits ทั้งสิ้น ดังนั้นจะเป็นผลดีที่ศึกษาคำสั่ง bits ใน matlab เพื่อลด code ในการเขียนโปรแกรม
1. แปลงเลขฐานสิบเป็นฐานสอง
   dec2bin(uint16(23),16) ความหมาย ให้แปลงตัวเลขขนาด 16 บิตของข้อมูล 23 เติม 0 นำหน้าส่วนที่เหลือ
   dec2bin(uint16(23)) ความหมาย ให้แปลงตัวเลขขนาด 16 บิตของข้อมูล 23 ไม่เติม 0 นำหน้าส่วนที่เหลือ
    uint16=บอกตัวเลขขนาด 16 บิต

2.การดึงข้อมูล bits บางตัวมาประมวลผล

Read More

FFT in Matlab

1. linspace(s,e,n) สร้าง array 1 มิติขนาด n column และสร้างค่าขึ้นมาด้วยระหว่าง s ถึง e

2. nextpow2(x) ให้หาค่า 2^n ที่ใกล้เคียที่สุดกับ x มาและคืนค่า n

3. xor(A,B) เมื่อต้องการหา inverse A ให้ ให้สร้าง
B=ones(m,n)

4. หลักการเกี่ยวกับ FFT(Discrete Fourier Transform)
4.1 นำเข้าข้อมูล y
4.2 F=fft(f,N)
เพื่อการคำนวณที่เร็วขึ้นเลือก N มีค่าเท่ากับ 2^n
4.3 การแสดงผลแสดงได้ 2 แบบคือ magnitute และ pharse
n=0:N-1
stem(n,mag(F))
stem(n,angle(F))
5. save('file.mat','var1','va2',...,'-append')
6. var=load('file.mat','var1')

INTRODUCTION TO FOURIER TRANSFORMS FOR IMAGE PROCESSING BASIS FUNCTIONS:
The Fourier Transform ( in this case, the 2D Fourier Transform ) is the series expansion of an image function ( over the 2D space domain ) in terms of "cosine" image (orthonormal) basis functions.
The definitons of the transform (to expansion coefficients) and the inverse transform are given below:

F(u,v) = SUM{ f(x,y)*exp(-j*2*pi*(u*x+v*y)/N) }
and
f(x,y) = SUM{ F(u,v)*exp(+j*2*pi*(u*x+v*y)/N) }

where u = 0,1,2,...,N-1 and v = 0,1,2,...,N-1
x = 0,1,2,...,N-1 and y = 0,1,2,...,N-1 //เป็นค่ามุมที่กวาด ซึ่งจะเป็นค่าเท่ากับข้อมูล output
j = SQRT( -1 )
and SUM means double summation over proper
x,y or u,v ranges
MAGNITUDE VS. PHASE:
Recall that the definition of the Fourier Transform is:
F(u,v) = SUM{ f(x,y)*exp(-j*2*pi*(u*x+v*y)/N) }
and
f(x,y) = SUM{ F(u,v)*exp(+j*2*pi*(u*x+v*y)/N) }

where u = 0,1,2,...,N-1 and v = 0,1,2,...,N-1
x = 0,1,2,...,N-1 and y = 0,1,2,...,N-1
and SUM means double summation over proper
x,y or u,v ranges

Note that f(x,y) is the image and is REAL, but F(u,v) (abbreviate as F) is the FT and is, in general, COMPLEX. Generally, F is represented by its MAGNITUDE and PHASE rather that its
REAL and IMAGINARY parts, where
MAGNITUDE(F) = SQRT( REAL(F)^2+IMAGINARY(F)^2 )
PHASE(F) = ATAN( IMAGINARY(F)/REAL(F) )
บทความจาก http://www.cs.unm.edu/~brayer/vision/fourier.html

Vocaburaly
1. orthogonal is a fancy word of perpendicular
2. normal มาจาก nomalization vector นั่นคือ ทำให้เป็นเวกเตอร์หนึ่งหน่วย ดังนั้น
     ถ้าพูดถึง orthonalmal vector คือเวกเตอร์ที่มีขนาดเท่ากับ โห...got it

ที่มา http://tunococ.blogspot.com/2005/10/transformation-matrix-orthonormal.html

Read More

หนังสือFree พร้อม print

ตอนนี้รวบรวมได้ 2 เล่มแล้วครับ ของฟรีดีจริง แต่ต้องขยันหา

1. Chracter Recognition
2. Computer Vision
รายละเอียด เป็นสมาชิก พร้อมโหลดแล้วด้วย e-mail และรหัสผ่าน

Read More

FFT กับ Cellular Automata

จากอดีตมีแต่การศึกษา CAs บน Time Domain ซึ่งแต่ถ้ามองอีกด้านกับ Frequency Doamin สมมุติฐานคือ
เนื่องจากหลักการที่เสนอมามีแนวทางเป็นไปได้ แต่อีกหลักการหนึ่งที่น่าสนใจและน่าจะเป็นไปได้คือใช้ FFT รวมทั้งน่าจะใช้ระยะเวลาสั้นกว่าหลักการแรกคือ การศึกษาแนวความถี่
1. อักษรเดียวกันน่าจะมีความถี่ใกล้กัน และมุมใกล้กัน
2. อักษรถ้าต่างกันน่าจะมีมุมที่ต่างกัน
ซึ่งก็เข้ากับ CAs ตรงที่เคยอ่านมาจาก การเข้ารหัสเซลล์แล้วไปหาด้วย Genetic ตรงที่ 0-basin ถ้าอยู่คลาสเดียวกัน XOR กันจะมีค่าเท่ากับ 0 และถ้าต่างคลาสกันจะไม่เท่ากับ 0

จากสมมุติฐาน น่าจะนำไปใช้กับการแยกแยะอักขระได้ดี ทั้งนี้ยังสามารถนำไปเปรียบเทียบกับ BNN กับ SVM เนื่องจากมี Domain เดียวกัน ดังนั้นงานวิจัยขณะนี้แบ่งเป็น 2 ทาง ซึ่งจะอาศัยระยะเวลาต่างกันในการ implement

Tip เราไม่ได้เทียบขนาดแต่เปรียบเทียบว่าต่ำกว่หรือมากว่าซึ่งจะกลายเป็นค่า 0 กับ 1 หรือ เปรียบเทียบกับบริเวณที่ข้อมูลกระจุกกัน ต้องสังเกตจากข้อมูลเบื้องต้นที่แปลงเป็น FFT
(Concept 2)

Read More

Hough Transform

จุดประสงค์
เพื่อหาองค์ประกอบของระบบว่าเป็นเส้นตรงหรือส่วนโค้ง และนำมาเข้ารหัส หลังจากการ projection ส่วนประกอบออกมา
แล้วนำองค์ประกอบนี้ มาหาความแตกต่างโดย GA


หลักการ
1. สร้างกลุ่มเส้นที่ทำมุมต่างขึ้นมา และมีจุดตัดที่จุดเดียวกัน
2. นำกลุ่มเส้นที่สร้างขึ้นผ่านจุดต่างๆของเส้น
3. สร้างเส้นตั้งฉากกับแต่ละเส้นของกลุ่มเส้นที่สร้างขึ้น และผ่านจุด origin ของแกน
4. วัดมุมของเส้นตั้งฉาก และระยะทาง (r,zeta)
5. นำไปเขียนกราฟ distance(y)-zeta(x)


การหาเส้นตรง คือจุดที่กราฟมาตัดกันเราจะได้มุม และระยะทาง ความหมายคือ วาดเส้นตรงระยะคงที่ทำมุมกับ origin ขนานไปเรื่อย
(Concept 1)

Read More

ความหมายของ ฟังก์ชัน argmax

argument of the maximum ความหมายคือ ค่าพารามิเตอร์ที่ทำให้ฟังก์ชั้นมีค่าสูงสุด


ยกตัวอย่าง



ความหมายคือ ค่า x ที่ทำให้ฟังก์ชัน cosin มีค่าสูงสุดคือ 0,2pi,4pi

Read More

Error Detection

การตรวจ error ในโครงสร้างภาษาอังกฤษ

1. ตรวจเวลา ซึ่งจะใช้บ่ง tense เป็นตัวบอก verb ของประโยคที่ต้องเหมือนกันทั้งหมด





2. Subject -Verb Agreement


3. การใช้ of



ข้อควรจำ
each-every-one Ns ,of the Np ใช้ Vs
นอกนั้นดูที่ N Np-->Vp,of the UC--->Vs

4. การใช้ In On At
In-->Year Month Season
On-->Day Date
At-->Time Clock

5. Verb ต่อไปนี้ห้ามตามด้วย to
Let Make Help See Smell Observe Notice Here Overhere และ listen to

Read More

เทคนิคการสกัด feature กับ cellular automata

จาก ทฤษฎีที่ได้นำเสนอไปเมื่อ implmentation ปรากฎว่าเกิดปัญหาในการนำมาจดจำด้วย CAs การแก้ไข แก้ไขได้ไปประเด็นหนึ่งคือเรื่อง ขนาดตอนนี้ใช้ Moment เพื่อปรับอักษรมาที่จุดศูนย์กลาง แล้วทำการขยายขนาด และมีสิ่งที่ดีกว่าที่ยังไม่ได้ทดลองคือ
Bi-Moment,CBA และ MBCA ซึ่งตอนนี้รู้ข้อมูลเพิ่มเติมคือ จะใช้สมการ Quadratic มาประมวลผลเพิ่มสำหรับ Bi-Moment และมีสมการ Sine หรือ Cosin เข้ามาเกี่ยวข้องใน MBCA แต่เนื่องด้วยขีดจำกัดของเวลา และถือว่าผลอยู่ในระดับที่น่าพอใจสำหรับ Moment ที่ทดลองได้
ดังรูป
ต้นแบบ




ส่วนที่ทำการประมวลผลด้วย Moment




จากรูปสังเกตได้ว่าปัญหาเรื่องสเกลขนาดหมดไปในเรื่องพื้นที่ทั้งหมดหมดไป เหลือสเกลอักษรที่มีปัญหา
และไม่สามารถนำเรื่อง Hamming Distance มาใช้ได้ มี 2 แนวทางในการแก้ไขปัญหาคือ
1. ใช้ Least square Error วัดปกติอักษรเดียวกันจะมีค่า Error น้อยเมื่อเทียบกับตัวอื่น แต่อาจไม่ตรงกับ CAs เท่าที่ควร
2. อาศัย projection รอบด้านจนกระทั้ง ย่อยจนหมด(บน ซ้าย ล่าง ขวา วนรอบ) และนำมาเรียงต่อ เพื่อเข้ารหัส (ไม่ได้เข้ารหัสแบบ pixel เพราะมีตาราง mapping ไว้ อาจแบ่งเป็น 7 cell แทนจุดที่ใกล้เคียง 00000001111000000000=0001000 ตรงนี้อาจใช้ Hamming Distance ช่วยเพื่อเปลี่ยนรหัสแท้จริงมาเป็นแบบเข้า code อีกครั้งเพื่อให้สั้นลง) การเข้ารหัส อาจจะทำ mapping ไว้ให้เลือกเพื่อไปในทิศทางเดียวกัน วิธีนี้ สามารถนำมาใช้กับทฤษฎีที่ present ไว้ และมี percent น่าจะเป็นไปได้.....
ข้อดีของวิธีนี้ น่าจะลดมิติของข้อมูลลงได้ด้วย....(รอผลการทดลองต่อไปจากแนวความคิดนี้)

ข้อจำกัดของ Theory
1. ขนาดความก้วางต้องมากกว่าความสูง
2. ต้องไม่มีเส้นใดเส้นหนึ่งชนขอบ
3. ต้องเป็นเส้นที่ต่อเนื่องกัน นั่นหมายความว่า noise มีผลต่อสมการนี้

Read More

Interpolation

Interpolation คือ การทำข้อมูลที่เป็น discrete (ข้อมูลเฉพาะจุด) ให้เป็นข้อมูลที่ continue (ข้อมูลต่อเนื่อง) โดยการหาฟังก์ชั่นที่มีคุณสมบัติคล้ายกับข้อมูลที่เรามีอยู่ให้มากที่สุด Interpolation ในวิชาคณิตศาสตร์นั้น มีด้วยกันมากมายหลายวิธี แต่ที่นิยมที่สุด เห็นจะเป็น Polynom-Interpolation และ Spline-Interpolation

ขึ้นเนื้อหาไว้ก่อนรายละเอียดจะตามมาภายหลัง...

Read More

Implementation with matlab

และแล้วก็ถึงเวลา implementation เสียที เหล่านี้รวบรวมลิงค์ที่เป็นประโยชน์ในการ implementation
1. สร้างเมนู
2.ยืนยันก่อนออกจากโปรแกรม

แหล่งข้อมูล
1. http://blinkdagger.com/matlab/
2. http://undocumentedmatlab.com/blog/tag/uicontrol/

Read More

cellullar atuomata with feature extraction and recognition

ข้อมูลวันที่ 28 พฤศจิการยน 2552
เนื่องจาก cellular automata เป็นการตัวแบบที่มีการ evloving เชิง discrete time and space domain ดังนั้นเป็นเหตุผล ทำให้เราไม่สามารถวิเคราะห์ข้อมูลเชิงความถี่ได้ ดังนั้นทางแก้คือ ทำอย่างไรให้สามารถจดจำข้อมูลเดี่ยวกันแต่มีขนาดที่ต่างกัน ทางหนึ่งคือ การลด dimension ให้มีขนาดเดียวกัน ซึ่ง algorithm ที่จะทดลองใช้มีดังต่อไปนี้
1. histogram
2. Sparse Coding
3. ลองใช้ mask ของ adaboots
4. การ normailze
5. nonlinear normalize
ซึ่งไม่รู้ผลจะออกมาอย่างไร



ข้อมูลวันที่ 30 พฤศจิกายน 2552

ข้อมูลศึกษาวันนี้ทำให้รู้ว่าก่อนที่จะทำการ Recognition สิ่งที่ต้องทำก่อนคือ normalization ซึ่ง
การ Normalization ซึ่งประกอบไปด้วย
1. Linear
2. Non-Linear
3. Slant
4.Moment
ตาม paperนี้ คลิ๊กที่นี่
ส่วน paper เสริมดูที่หัวข้อ
- Handwritten Chinese Character Recognition : Alternatives to Nonlinear Nomalization
- An Improved handwritten Chinese character recognition system using support vector
mactine
ตัวนี้ถือเป็นต้นแบบที่ดีเนื่องจากมีแผนผังการทำ normalize ให้มีประสิทธิ์ภาพแต่ต้องศึกษาเพิ่มเติมคือ
--> Median Filtering
--> Smoothing
-->Anti-alias scaling
สิ่งที่ได้วันนี้
1.)Non-Linear Normalization
2.)Inverse Mapping of Non-Linear Normalization

ข้อมูลวันที่ 1 ธันวาคม 2552
เช้า
ถึงตอนนี้ก็ชัดแจ้งแล้วว่าต้องทำ normalization ก่อนที่จะนำไปสกัด feature และ recognition ข้อมูลซึ่งประกอบไปด้วย
1. คำนวณ centroid โดยหา the center of gravity
2 coordinate mapping ประกอบด้วย Linear, Moment, Slant และ Nonlinear ซึ่งมีทั้ง forward mapping เพื่อสร้าง ข้อมูลใน plane ใหม่ และ backward mapping เพื่อนำข้อมูลย้อนกลับ
3. Interpolation pixels หมายถึงการจัดการวางหรือแทรก pixels ลง plane ใหม่ ซึ่งมีวิธีการดัง Link ต่อไปนี้ปกติใช้เพื่อลดมิติในการวิเคราห์ การคำนวณเกี่ยวกับมุม
Link1
Link2
aspect raio mapping <พิมพ์ออกมากอ่าน>
ทั้งนี้ยังมีข้อมูลบางส่วนข้องที่อาจจะเกี่ยวคือ anti-aliasing, median filtering,smoooting และ chaing code
บ่าย
วันนี้เจอศัพท์คำหนึ่ง
discretization ความหมายคือในการ forward mapping ใช่ว่าทุกจุดที่ generaterate ขึ้นใหม่จะถูกวาดลง normalize plane ไปหมด
สมการ

f(x,y)---->([x'(x,y)],[y'(x,y)]) to ([x'(x+1,y+1)],[y'(x+1,y+1)])

การวิเคราห์ decretization แบ่งเป็น
1. วิเคราห์แบบ 1 มิติ
2. วิเคราะห์แบบ 2 มิติ
[Journal ฉบับเต็ม]Handwritten Chinese Character Recognition: Effects of Shape Normalization and Feature Extraction คลิ๊กที่นี่

วันที่ 2 ธันวาคม 2552
สรุปผลการอ่าน เนื่องจากวิธีการ normalization มีหลากหลายวิธีให้เลือก แต่งานของเราต้องตอบสนองทั้ง centroid ,boundary และบางครั้งต้องรองรับถึงระดับขนาดของเส้น ดังนั้น algorithm ที่ตอบสนองงานคือ
1. moment normalization(MN),centroid boundary alignment(CBA) ซึ่งรองรับในระดับ centroid และ boundary
2.Modified CBA ซึ่งรองรับตามต้องการ paper คลิ๊กที่นี่
3 แต่อัตราการจดจำ Bi-moment กลับสูงสุด คลิ๊กที่นี่
ดังนั้นในการทดลองนี้จึงได้ตัดสินใจ ใช้ Bi-moment เป็นตัวแบบในการทดลองเนื่องจากมีประสิทธิภาพสูงในการใช้งานเพื่อจดจำอักขระ รวมทั้งความซับซ้อนของสมการน้อยกว่า MCBA

Read More

Quantity Words

อ้างอิง

Read More

รวบรวมประโยคอังกฤษ grammar

Vocaburaly
1. an account of อธิบายเรื่องราวของ
an account of the plane crash
2.Cooperatation
work together
thank you for cooperation
3.incorporate
combine
the region was incorporated into Moldavian territory

non-defining &defining clause
My brother, who lives in Chiengmai, is going to the U.S. <--non-defining clause คนเดียว My brother who lives in Chiengmai is going to the U.S. <--defining clause เจาะจงคนไหน If
If he goes to London , he will meet his old friend. [Present-->Present,Present-->Future]
If I were you , I would go to study abroad.
If I had known your arrival , I would have met you at the airport.

On/At/For/Of Which
the town on which
the time at which
the date on which
the reason for which
the time of year in which

Read More

By Myself [Linkin Park]

เรียนภาษาอังกฤษจากเพลง

Read More

Celebration [Madonna]

มาสนุกคลายเคลียด
Madonna - Celebration Lyrics

Come join the party, yeah
Coz’ everybody just won’t do
Let’s get this started, yeah
Coz’ everybody wants to party with you

I think you wanna come over
Yeah I heard it through the grapevine
Are you drunk or you sober
Think about it, doesn’t matter
And if it makes you feel good then I say do it
I don’t know what you’re waiting for


Feel my temperature rising
It’s too much heat, I’m gonna lose control
Do you want to go higher?
Get closer to the fire
I don’t know what you’re waiting for

I’m gonna party, yeah
Cause anybody just won’t do
Let’s get this started, yeah
Cause everybody wants to party with you

Boy you got a reputation
But you’re gonna have to prove it
I see a little hesitation
Am I gonna have to show you
That if it feels right
Get on your mark
Step to the beat boy
That’s what it’s for

Put your arms around me
When it gets too hot we can go outside
But for now just come here
Let me whisper in your ear
An invitation to the dance of life

I’m gonna party, it’s a celebration
Cause anybody just won’t do
Let’s get this started, no more hesitation
Cause everybody wants to party with you

Haven’t I seen you somewhere before?
You look familiar
You wanna dance?
Yeah
I guess I just don’t recognize you with your clothes on
What are you waiting for?

I’m gonna party, it’s a celebration
Cause anybody just won’t do
Let’s get this started, no more hesitation
Cause everybody wants to party with you

Come join the party, it’s a celebration
Cause anybody just won’t do
Let’s get this started, no more hesitation
Cause everybody wants to party with you

Boy you got it, it’s a celebration
Cause anybody just won’t do
Let’s get this started, no more hesitation
Cause everybody wants to party with you

Boy you got it
Cause anybody just won’t do
Let’s get this started, no more hesitation
Cause everybody wants to party with you

Celebration [Benny Benassi Edit] - Madonna (Official Video)
Uploaded by LeJulienC. - See the latest featured music videos.

Read More

ประชุม สกอ.

เนื่องจากวันอังคารที่ 24 พศจิกายนมีการประชุม สกอ. ที่ มหาวิทยาลัยขอนแก่นที่ตึกเพียรวิจิตร
เพื่อทำความเข้าใจระหว่าง mentor และ mentee ผลการประชุมเป็นดังนี้

1. การตีพิมพ์ paper ต้องตีพิมพ์งานวิจัยที่อยู่ในฐานข้อมูล ISI หรือ Scorpus เท่านั้น
โดยการตีพิมพ์ต้องเป็นชื่อแรกเท่านั้น
2. การตีพิมพ์ต้องมีคำกล่าวขอบคุณ Acknowledgement
This work was granted (funded) by office of the Higher Education commission.
ชื่อผู้รับทุน was supported CHE ph.D. Scholarship.
3. ต้องเข้าร่วมประชุมวิชาการที่ สกอ จัดอย่างน้อย 1 ครั้งปกติจัดในช่วง ปลายสิงหาคม ถึง ต้นกันยายน
โดยสามารถเสนอได้ทั้ง POSTER และ วาจา
4. ควรรายงานผลการศึกษาอย่างน้อยทุก 6 เดือน หรือ เมื่อจบแต่ละภาคการศึกษา
5. ยื่นแบบสำเร็จการศึกษาก่อนสำเร็จการศึกษา 3 เดือน ส่งให้ผู้ผลิต และเป็นหน้าที่ของผู้ผลิตส่งให้ สกอ.เพื่อรับทราบ
6. เมื่อจบการศึกษาต้องรายงานตัวต่อต้นสังกัดใน 7 วัน และอย่าลืมแจ้งระงับการเบิกจ่ายทุน
ควรแจ้งจบเมื่อสภาอนุมัติเท่านั้น

Read More

ศัพท์ที่ใช้ในการเขียน paper

1. การใช้ of
  เพื่อบอกขนาด
   of [ความยาว ขนาด] [<ค่า>|ตัวแปร] เช่น of length n bits,of size n
  กรณีเป็นพหูพจน์
   N1s of N2
  กรณีเป็นเอกพจน์
    [determiner] N1 of N2

2. Ns นามเอกพจน์มักมี determiner[a an the my his...]อยู่ข้างหน้า



3. คำว่า figure จะใช้กล่าวถึงรูป แต่ scheme จะใช้กล่าวถึงกลวิธีที่อธิบายไว้ในรูป
4. วิธี ขั้นตอน หลักการ
procedure [N] ขบวนการ แนวทาง ขั้นตอน
step **** [ก้าวย่าง] ไม่ควรใช้
scheme [N] แผนการ [ควรใช้]
workflow [N] ขั้นตอนการทำงาน ขั้นตอนการประมวลผล
methodology กฎ หลักการ [ควรใช้รองลงมา]
5. คำศัพท์น่าปวดหัว
    หน้าที่ function (v)-->functional(adj)-->funtionality (n)
    สูงสุด maximize(v)-->maximum(adj)-->maxuma(n)
    องค์ประกอบพื้นฐาน element(n)-->elementary (adj)


6.สอดคล้อง สัมพันธ์ เกี่ยวกับ




7. ปกติ เมื่อมี N 2 ตัวกรณีเป็นพหูพจน์จะเติม s ตัวหลัง

along with=พร้อมด้วย
derive from=ได้มาจาก,มีที่มาจาก
built=construct=create=assemble
use=employ=serve to
is=stand for=means that
can be view as=is referred as to
in term of=in view of
as shown in the figure
fist of all-->then-->next-->finally
เกี่ยวกับ=about=regarding=concerning=with relation to
มากมาย=variously=extensively
empirical ,a =สิ่งที่ได้โดยการสังเกตุ
promising ,a=เต็มไปด้วยความหวังว่าจะสำเร็จ
determine=กำหนด(ตกลงใจ)
consist in เกิดจาก
---------------------------------------------------------------
a-chieve,v =บรรลุถึง ar-chive=ห้องเก็บเอกสาร งงเองอันนี้
ทำอะไรอย่างกว้างๆ =comprehensive,a-->general,a generalize,v generalization,n
ปกติ I was แต่ดัน I have ยกเว้น If I were you อันนี้ยกเครดิตให้พี่พัดครับ...
---------------------------------------------------------------
ประโยค
    It differs from A in that.... มันแตกต่างจาก A ในแง่ที่ว่า...

Read More

endnote โปรแกรมสำหรับเก็บ references ของ paper

คงจะง่ายหากเราเตรียม references ไว้ใช้ในงานวิจัย โดยเก็บไว้บนเว็บไซต์ ลองใช้ดู คลิ๊กที่นี่ ดู


ส่วนที่เหลือ

Read More

Error Correcting Capability of Cellular Automata Based Associative Memory

paper

1. configuration
  All three bit configuratins

Resolution of collision คำตอบในการแก้ไขปัญหาชนกันของข้อมูล
The following terminologies การนิยามคำศัพท์ดังต่อไปนี้
are noted as=แสดงถึง
distinct neighborhood เนบอฮูดแบบไม่ซ้ำ
irrespective of age= ไม่คำนึงถึงอายุ
be recovered by =ถูกแก้ไขให้ถูกโดย
a subsequence of x is =สิ่งที่เกิดขึ้นภายหลัง x คือ
be so designed that =ถูกออกแบบเพื่อที่จะ



เพิ่มเติม
    since = ตั้งแต่
    ใช้ใน perfect tense ดังเช่นตัวอย่างที่คุณยกมา คือ She's still been there since I leave out

    since = ตั้งแต่ จะไม่ใช่้กับ tense อื่น ดังนั้น ถ้าใช้กับ tense อื่น เดาก่อนเลยว่า แปลว่า เนื่องจาก
    I take an umbrella, since it may rain


    ส่วนคำถามที่สอง
    I study hard so that I can pass the exam. (เพื่อที่จะ)
    I study hard, so that I pass the exam. (ดังนั้น)

    ไปเอามาจากไหนว่าแปลไม่เหมือนกัน
Note เอาไว้อ่านเล่น

weblink ที่เกี่ยวข้องกับ paper
  1) hamming code

Read More

การใช้ which

วันนี้ไปเจอการใช้ which มาพอดีเจอบางประโยคแปลกตอนอ่าน paper
The concept is based on the manner in which liquids freeze or metal crystalize


ความหมายมันดังนี้คือ
"in which"

The use of "in" with "which" is correct only if there is a sense of something being contained inside or within something else.

Example:
The room in which we are sitting is hundreds of years old.
(We are sitting inside/within the room.)

หรือที่

weblink---

Read More

การใช้ Can/Could ในงานแปล

ประเด็นแรก เราใช้ can สำหรับสิ่งที่เราต้องการบอกว่ามีความเป็นไปได้ หรือเพื่อที่จะแสดงให้เหเหเเนว่าใครคนหนึ่งๆมีความสามารถที่จะทำสิ่งหนึ่งๆทั้งในอดีตและอนาคต

ตัวอย่างเช่น
1. We can see the park from our house,.

เราสามารถมองเห็นสวนสาธารณะได้จากบ้านของพวกเรา
2. Ella can speak fluent Japanese.

เอลล่าสามารถพูดภาษาญี่ปุ่นได้อย่างคล่องแคล่ว
ในทางปฎิเสธเราใช้รูป can't เช่น He can't swim very well.

อ่าน: 595
ความเห็น: 1 Technique...27 การใช้ Can/Could ในงานแปล การใช้ Can/Could ในงานแปล





การใช้ Can/Could ในงานแปล



ประเด็นแรก เราใช้ can สำหรับสิ่งที่เราต้องการบอกว่ามีความเป็นไปได้ หรือเพื่อที่จะแสดงให้เหเหเเนว่าใครคนหนึ่งๆมีความสามารถที่จะทำสิ่งหนึ่งๆทั้งในอดีตและอนาคต

ตัวอย่างเช่น
1. We can see the park from our house,.

เราสามารถมองเห็นสวนสาธารณะได้จากบ้านของพวกเรา
2. Ella can speak fluent Japanese.

เอลล่าสามารถพูดภาษาญี่ปุ่นได้อย่างคล่องแคล่ว
ในทางปฎิเสธเราใช้รูป can't เช่น He can't swim very well.



เราสามารถรถนำ could มาใช้ แสดงความเป็นอดีตของ can

ดังนั้นสังเกต.....
Ella could speak fluent Japanese when she was young, and she can speak several other languages now too.

เอลล่าพูดภาษาญี่ปุ่นได้ดีเมื่อครั้งเยาว์วัย และตอนนี้หล่อนสามารถพูดได้หลายภาษาด้วยเช่นกัน
หรือWhen I was a child I could run fast. เมื่อครั้งผมยังเป็นเด็กผมวิ่งได้รวดเร็วมาก

เราใช้ could สำหรับความสามารถทั่วๆไปในอดีต แต่ระวังสักนิด เพราะว่าถ้าเรากำลังพูดเกี่ยวกับสิ่งที่เกิดขึ้นในอดีตในสถานการณ์ที่เจาะจงเรามักจะใช้ 'was/were able to' มาแทน could สำหรับบอกความสามารถในอดีตแทน

ตัวอย่างเช่น: The fire spread quickly, but luckily everybody was able to escape.

ไฟได้ลุกลามไปทั่วแต่โชดีที่ทุกคนรอดพ้นไปได้


นอกจากนี้เรายังใช้ could เพื่อที่จะพูดเกี่ยวกับ การกระทำที่เป็นไปได้ทั้งในปัจจุบันและอนาคตได้อีกด้วย

จงระวัง เพราะนี่เป็นสิ่งที่ทำให้หลายคนสับสน ตัวอย่าง
* ถ้าคุณกำลังคาดหวังรอคอยเพื่อนๆที่จะมาเยี่ยม แต่พวกเขามาล่าช้า คุณสามารถพูดว่า 'they could arrive at any time now' หรือ

* ถ้าคุณพยายามที่จะสร้างความก้าวหน้าในการงาน คุณก็อาจพูดว่า

'Could we talk to the boss again?

ในด้านของความเป็นไปได้นี้ เราจำเป็นที่จะเฝ้าระวังสำหรับรูปอดีต เพราะว่าสิ่งเหล่านี้ไม่ได้ใช้อย่างตายตัวในวิธีทางเดียวกัน


ท้ายสุดนี้ จงมองว่าเรามีการนำ can และ could ไปใช้อย่างไร ในรูปแบบของคำถามเพื่อที่จะร้องขอบางสิ่งบางอย่าง ถ้าเราไปซื้อเสื้อผ้า เราอาจจะถามคนขายว่า

'Can/Could I try that dress o­n please?' หรือ 'Could I see those shoes in blue?

ในที่นี้ทั้งสองประโยคอาจไม่ค่อยแตกต่างกันมากนักสามารถใช้ได้เหมือนกัน แต่ การใช้ could จะให้ความสุภาพมากกว่า และเป็นทางการ

ขอขอบคุณข้อมูลจาก http://internationalschool.eduzones.com/yimyim/3400

Read More

การรู้จำภาษาไทย

เนื้อหาต่อไปนี้เป็นการแปลเพื่อรวมรวมความรู้ในการทำดุษฎีนิพจน์ และใช้แลกเปลี่ยนความรู้ระหว่างผู้อ่าน และบางส่วนได้ใส่ข้อคิดเห็นของผู้เขียนลงไปด้วยดังนั้นส่วนหนึ่งต้องยก เครดิตให้....
เข้าเรื่องหนักๆกันวันแรกเกี่ยวกับการเขียนโปรแกรมเพื่อให้รู้จำภาษาไทย
ขั้นตอนในการประมวลผล
1. หา edge บนภาพแบบ gray levels ซึ่งอาจใช้
    -sobel
    -canny
    -a chain code เพื่อหาขอบนอกสุด

2. แปลงจากgray level เป็น binary โดนใช้ค่า threshold
3. แปลงจาก Time Domain เป็น Frequency Domain ด้วย DFT(Discrete Fourier Transform) ปกติข้อมูลจะเป็น 2มิติ แต่จะมีวิธีการคำนวณแบบ 1 มิติ
4. เลือก Algoritm เพื่อจำปกติก็จะทำ Traning
    Fuzzy-C Mean
    Neural Network แบบ Back-Propagation
    SVMs
ซึ่งเนื้อหาทั้งหมดจะได้กล่าวแต่ละส่วนแบบค่อยเป็นค่อยไป.....


Membership Function

Read More

ดูหนัง ต้องฟังคำหยาบให้รู้เรื่อง ทั้งเรื่องจำได้อย่างเดียว 555

เผื่อเขาด่าเรา เราจะได้รู้เรื่อง และสวนกลับได้
bitch
son of bitch
ass hole
fucking your ass
shit

bowl shit
what the hell are you
what the...
what the hell happen
fuck you
chick
what the fucking+N อันนนี้ก็มัน...
bastard
suck=ห่วยแตก
ปกติบางทีคำว่า fuck เขาจะเลี่ยงไปใช้คำว่า heck แทนด้วยเพื่อลดความรุนแรงของคำ
จำได้แค่นี้ก่อน ความหมายหาเองครับ....แปลไม่ได้ หยาบคาย รู้สึกได้อารมณ์อย่างเดียวเวลามันพูด

Read More

แล้วมาเรียนปรับคำพูดอะไรไปมั่ง

อันนี้ขอบอกยังพูดไม่ได้เรื่องเหมือนเดิมแต่ก็นะ
student=สตู้น
management=มะเนดมึ้น
mask=มาสสึ
mark=มาคคึ
resouce=ริซอส
resturant=เรสโทรอน
russia=รัสเซอะ

seesion=เซสซึ่น
database=เดต้าเบส
such as=ซัสแจส
balance=แบหลึ่น
schdule=สะเก็ดหยัว
that is it=แดดซิส นั่นคือสิ่งที่ต้องการพูด
that is all=แดดซอ นั่นคือสิ่งที่ต้องการพูดทั้งหมด
idea=อันนี้ได้ยินฝรั่งเนเธอร์แลนด์ ออกเสียง "ไอ
pivatal=พิวอตอล
transient=ทรานเซี้ยน
อันนี้ยกความดีให้อาจารย์ศาสตราล้วนๆครับ....

Read More

FUZZY C MEAN,Neural Network,SVMs

SVMs
   ในการจดจำอักขระจะภาพมามาแบ่งเป็นเซลล์ย่อยเรียงต่อกัน แล้วเลือก kernel ในการจัดการตัวที่จัดการได้ดีที่สุดคือ linear kernel และ poly nomial ปกติ SVMs จัดการว่าใช่หรือไม่ดังนั้นต้องนำข้อมูลมาจัดคลาสแลล 1 VS 1 หรือ 1 against the rest หรือจะใช้ DDRAG ก็ได้ ข้อมูลจากน้องอ้อและน้องใหม่
FUZZY C-MEAN
   C ย่อมาจาก centroid หรือ Center เป็นการหาจุดศูนย์ถ่วงจากระยะห่าง
Neural Network
   หา radius basic คือการหาระยะทางของคำตอบที่ได้จากสมการห่างจากระยะห่างจริงเท่าไหร่เพื่อใช้ในการปรับหาคำตอบ radius||x|| ข้อมูลจากน้องวิทูล

Read More

Reducing Clauses to Phrase, Phrases to Single Words

ลดรูปอนุประโยคเป็นวลี และ ลดวลีเป็นคำ (Reducing Clauses to Phrase, Phrases to Single Words)

คำแนะนำข้อนี้นั้นใช่ว่าให้ลดมันแหลกราน ส่วนไหนที่เป็นการเน้น ก็อย่าไปลดมัน โดยเฉพาะ which clause ซึ่งต้องจับตาดูให้ดี เพราะส่วนมากมันสามารถลดลงมาเป็น adjective ได้

ตัวอย่าง

1. Smith College, which was founded in 1871, is the premier all-women's college in the United State.


ปรับเป็น

Founded in 1871, Smith College is the premier all-women's college in the United State.

2. Citizens who knew what was going on voted him out of office.

ปรับเป็น

Knowledgeable citizens voted him out of office.

3. Recommending that a student copy from another student's paper is not something he would recommend.

ปรับเป็น

He wouldn't recommend that a student copy from another student's paper.

หรือพูดให้ง่ายกว่านั้น

He would never tell a student to copy from another student's paper.

4. Unencumbered by a sense of responsibility, Jasion left his wife with forty-nine kids and a can of beans.

ปรับเป็น

Jasion irresponsibly left his wife with forty-nine kids and a can of beans.

credit ศล

Read More

Clauses - Restrictive and Nonrestrictive

ขยายเหมือนกันแต่จำกัดวงต่างกัน
Restrictive Clause
  The suspect in the lineup who has red hair committed the crime.
  เป็นการจำกัดวงให้แคบลงเหลือแค่ 1 เดียวของ N ที่อยู่ข้างหน้า
Nonrestrictive Clause
   The suspect in the lineup, who owns a red car, committed the crime.
  เป็นการจำกัดวงให้เลือกเฉพาะคนที่เป็นเจ้าของรถสีแดงเท่านั้น ซึ่งมีมากกว่า 1 คนของ N ที่อยู่ข้างหน้า

Correct Restrictive Use: -->that

The store honored the complaints that were less than 60 days old.
---->the store honored only those complaints less than 60 days

Correct Nonrestrictive Use: -->which
The store honored the complaints, which were less than 60 days old.
---->the store honored all the complaints, all of which were less than 60 days old

Read More

Reducing Adjective Clause to pharse

หน้าที่จะเหมือน adjective ที่ทำหน้าที่ขยาย noun หรือกลุ่มคำ nound ที่มันอยู่ข้างหน้าเท่านั้น ไม่ใช้ขยายประโยค

การสร้าง Relative adjective Clause
1. N (to/in/on) which ส่วนมาก N(S|O) แสดงเป็นกรรมของประธานของประโยคที่ตามหลัง
That is the road on which I live.
--->I live on the road
The building in which he lives is very old.
--->He live in building
The music to which we listened last night was good
--->We listened to the music
2. เป็นประธานทั้งสองประโยค
The book which is on the table is mine.
3. in which-->where(place)
in/on which -->when(time)
for which-->why(reason)
N1 whose N2 แสดง N1 เป็นเจ้าของๆ N2

การ reducing adjective clause
1. ตัด be (verb to be) รวมไปถึง (have+be)
2. ถ้าเป็น active เติ่ม ving
3. have แทนด้วย with กรณี have+n
4. สามารถตัดทิ้งได้ถ้าไม่ใช่ประธานของประโยค เช่น
who(m) ...... a man (whom) I can really love

วิธีมาตราฐานเพื่อตรวจสอบ
1. หา Subject และ Verb ของประโยคหลัก => Subject=The book และ Main verb=is (is ตัวที่สองในประโยคนะครับ)
2. แยกเฉพาะประโยคหลักออกจากประโยคทั้งหมด => The book [which is on the table] is mine หรืออ่านได้ว่า “The book is mine.”
3. แล้วถามตัวเองว่าประโยคดังกล่าวสมบรูณ์หรือยัง? ซึ่งทุกคนคงรู้สึกว่าเป็นประโยคที่สมบรูณ์แล้วนะครับเพราะมี Subject, Verb และส่วนเติมเต็มเรียบร้อยแล้วครับ
4. แยกเฉพาะประโยครองมาได้ “which is on the table”
5. หา Subject และ Verb ของประโยครอง => Subject ของประโยครอง=which และ Verb ของประโยครอง=is
6. แทนคำที่ “which” อ้างถึงซึ่งในที่นี้คือคำว่า “The book” แล้วนำมันไปแทนในประโยคแล้วอ่านว่า “The book is on the table.”
7. ตรวจสอบว่าประโยครองนั้นถูกต้องหรือยัง? ซึ่งในที่นี้ประโยค “The book is on the table.” เป็นประโยคที่สมบรูณ์แล้ว จึงสรุปได้ว่าการใช้ “which” ในที่นี้เหมาะสมแล้ว
credit คุณสิระ

Read More

รวมเรื่องราวเกี่่ยวกับ Cellular Automata (CAs)

เรื่องราวเจ้าปัญหาที่นำมาทำ Thesis of Ph.d.
1. อันนี้ hardcore สุดๆๆ เป็นทฤษฎีการค้นหาเส้นตรงในรูป บนพื้นฐาน Hough Transform ซึ่งสามารถหาได้ทั้ง วงกลง วงรี เส้นตรง(ซึ่งเป็นพื้นฐานของทฤษฎี) เพิ่งออกสดๆร้อนปี 2007
http://www.inf.ufrgs.br/~laffernandes/kht.html

Read More

มาเรียนภาษาอังกฤษกันเุถอะ

1. Chalk 'n Talk เนื้อหาพร้อมวีดีโอ weblink

Read More

บทความเกี่ยวกับการรู้จำภาษาไทย

1. การรู้จำภาษาไทย ของคุณ อฬาริก สุรินต๊ะ springerlink, weblink
2. เว็บไซต์ ป.ตรี ของ ขอนแก่นภายใต้การดูแล ผศ.ดร. พุธษดี weblink
3. กาจรู้จำคำของ lexicon based IEEE
4.Support Vector Machines for Thai Phoneme Recognition weblink

Read More