Identitätsprüfungssystem mit handschriftlichen Unterschriften unter Verwendung von ANN

Wir wissen, dass Computer besser sind als Menschen, wenn es darum geht, Zahlenreihen zu berechnen, aber was ist mit Aufgaben, die komplexer sind? Wie kann man einem Computer beibringen, wie eine Katze aussieht? Oder wie man ein Auto fährt? Oder wie man ein komplexes Strategiespiel spielt? Oder wie man Vorhersagen über den Aktienmarkt macht? Dies sind einige der schwierigsten Aufgaben im Bereich der künstlichen Intelligenz, die die Möglichkeiten normaler maschineller Lernverfahren weit übersteigen. In diesen Fällen wenden sich Informatiker an neuronale Netze. Neuronale Netze unterscheiden sich von anderen Algorithmen des maschinellen Lernens dadurch, dass sie eine Architektur verwenden, die sich an den Neuronen des menschlichen Gehirns orientiert. Diese Netze eignen sich gut für die Modellierung von Abstraktionen auf hoher Ebene in einer Vielzahl von Disziplinen und Branchen.

Autorentext

Prof. Jayesh Rane arbeitet als Assistenzprofessor in der Abteilung Elektronik und Telekommunikationstechnik. Er promoviert in Elektronik und hat seinen Master of Technology in Kommunikationstechnik abgeschlossen. Künstliche Intelligenz, Bildverarbeitung und Robotik sind seine Forschungsgebiete.