Microsoft Word Materiallar Full



Yüklə 18,89 Mb.
Pdf görüntüsü
səhifə1030/1149
tarix30.12.2021
ölçüsü18,89 Mb.
#20088
1   ...   1026   1027   1028   1029   1030   1031   1032   1033   ...   1149
II INTER

versity           

C-ni izləyir. B

bazasında ye

etmə sistemlər

Neo4j Javada

araq Cypher d

rilənlər bazası

siyadan  - düy

yasiya verilən

zasında  isə ik

af vb-də isə “E

ya və Qraf mo

və filmin reji

elin relyasiya 

şı 30-dan böyü

R (Relyasiya):

mlərdə rol alan

RT actor=nod

ECT Person.na

ie.movie_id =

ğunu təhlil edə

START


MATC

MATC


>(movie) 

RETUR


m aktyor həm 

person=node:P

erson.name  

name FROM 

ROM Director

RNATIONA

              

B yalnız C-ni 

eni veriləni da

rindən istifadə

a yazılmış  açı

dilindən istifad

ının relyasiya 

yün və tillərdə

lər bazasına  y

ki operatordan

Erase” (düyün

odellərini müq

ssoru ola bilər

və qraf verilə

ük olan insanl

:  SELECT * F

n insanların si

de:Person("nam

ame, Movie.ti

= Actor.movie_

ək. 

T actor=node:



CH (actor)-[:A

CH (actor

RN actor.nam

rejissor olan i

Person("name:

Person WHE

r) 

L SCIENTIF

izləyir. C də B

axil etmək, re

ə olunur. Qra

ıqməmbə kod

də edilir. Cyph

tipli verilənlə

ən istifadə olun

yeni informas

n – “Store” və

n) və “Disconn

qayisəli təhlil

r. 

ənlər bazasınd



arın siyahısı Q

FROM Person

iyahısı 

me:*") MATC

itle FROM Pe

_id 


:Person 

ACTS_IN] 

r)-[:ACTS_IN

me, movie.title

insanların siya

:*") WHERE 

RE person_id

FIC CONFER

588 


B-ni izləyir və

edaktə etmək

f verilənlər ba

dlu proqramdır

her sorğu dili b

ər bazasından

nduğu halda r

siya  əlavə etm

ə “Connect” is

nect” (til) oper

 etmək üçün

da müqayisəli b

Q (CYPHER)

n WHERE age

CH (actor)-[:A

erson JOIN Ac

FRO

JOIN


Actor.per

N]-


JOIN

Actor.mo


 SEL

ahısı 


(person)-[:AC

d IN ( SELECT

D

Tweet


Tweet

Cari tw


Növb

RENCE OF Y

 

ə həmçini D-n

 

k, sorğu etmək



azası idarə etm

r və müxtəlif

bəsit olmasına

əsas nəzəri de

relyasiya veril

mək üçün 1 o

stifadə olunur

ratorlarından 

“Aktyor – film

 

bəzi sorğuları



:  START n=n

e > 30 


ACTS_IN]->(m

ctor on Person

OM Person 

N Actor


rson_id 

N Movie


ovie_id 

LECT Person.n

CTS_IN]->() A

T person_id F

weet

bətitweet



YOUNG RES

        18-19 A

ni izləyir. D isə

k, təhlükəsliy

mə sistemlərin

platformalard

a baxmaraq gü

ezavantajları i

lənlər bazasın

operatordan  –

r. İnformasiya

istifadə olunu

m” modelinə

ı: 

node:Person("



movie) RETU

n.person_id =

on Person

on Movi


name, Movie.t

AND (person)

FROM Actor) 

SEARCHER

April 2014, B

ə yalnız A-nı 

yini təmin etm

ndən ən məşh

da dəstəklənir.

üclü dildir.  

informasiyanı

nda isə 1 konse

–  “İnsert” isti

anı silmək üçü

ur.  

baxaq. Hər b



"name:*") WH

URN actor.nam

Actor.person_

n.person_id 

ie.movie_id 

title 


)-[:DIRECTE

AND person_



RS 

aku, Azerbai

izləyir. 

mək üçün Ver

huru Neo4j tət

   Neo4j VBİS

ı saxlamaq üçü

epsiyadan isti

ifadə olunur,

ün relyasiya vb

bir şəxs filmdə

HERE n.age>3

me, movie.title

_id JOIN Mov



ED]->() 

_id IN ( SELE



ijan 

rilən 


tbiqi 

S-də 


ün 2 

ifadə 


qraf 

b-də 


ə rol 

30  


e  

vie 


ECT 


II INTERNATIONAL SCIENTIFIC CONFERENCE OF YOUNG RESEARCHERS 

589 


 Qafqaz University                         

          18-19 April 2014, Baku, Azerbaijan 

4)  Lucy ilə filmdə çəkilən aktyorların siyahısı 

Q: START lucy=node:Person(name="Lucy Liu") MATCH lucy-[:ACTS_IN]->movie, co_actor-[:ACTS_IN]->movie 

RETURN DISTINCT co_actor.name  

R: SELECT DISTINCT co_actor.name FROM Person lucy JOIN Actor a1 ON lucy.person_id = a1.person_id JOIN Actor 

a2 ON a1.movie_id = a2.movie_id JOIN Person co_actor ON co_actor.person.id = a2.person_id WHERE lucy.name = 

"Lucy Liu” 

Lucy-nin çəkildiyi filmlərin rejissorlarının siyahısı Q: START lucy=node:Person(name="Lucy Liu") MATCH lucy-

[:ACTS_IN]->movie, director-[:DIRECTED]->movie RETURN director.name, count(*) ORDER BY count(*) desc  

R: SELECT dir.name, count(*) FROM Person lucy JOIN Actor on Person.person_id = Actor.person_id JOIN Director 

on Actor.movie_id = Director.movie_id JOIN Person dir on Director.person.id = dir.person_id WHERE lucy.name = "Lucy 

Liu" GROUP BY dir.name ORDER BY count(*) DESC 

 

 

ENABLE MOBILE ROBOT TO RECOGNIZE AND CLASSIFY OBJECTS 



 

Huseyn PASHAYEV, Asad MAMMADOV

 

Qafqaz University 



h.pashayev@ictsrcqu.org , a.mammadov@ictsrcqu.org 

AZƏRBAYCAN

 

 

The thesis is a survey about works of enabling mobile robot to recognize and classify objects. For recognition robot can 



use haptic, statistical or visual information like camera, which returns a cloud of points, according to which these points 

segmented into clusters, where each cluster is primitive geometric structure and the geometric relationship between these 

clusters defines the object.  

If we are talking about recognition and classification of objects the term affordance have to be initially proposed. This 

term was initially proposed by J. Gibson [1] and now widely used in robotics. So what is the affordance and how it’s used in 

robotics? For each object there are a number of actions which is possible to perform with it depending on object which is 

interacting with it. Now let suppose the chair,  human can push the chair can sit on it, so there chair affords pushing and 

sitting on it for human, however mobile robot (like Parallax Eddie – Reference Platform) can only push the chair but not sit

so there the affordance of chair for mobile robot is only pushing. So the robot can recognize such objects then, classify the 

object in classes and according to affordance of class behave with this object. Why affordance is so important? Suppose a 

robot which helps us at home. The robot need to be able to recognize object then classify whether this is a chair class, or 

table class or even door class, then robot have to know how to behave with object, whether to pull it( with chairs class), go 

across(with tables class) or just pass through it(door class). In such problems main aim is not to detect object preciously, the 

aim here is to detect the correct class to which this object belong to, such that general properties of affordance for objects in 

same class are the same. Nowadays the field object recognition and classification is widely investigating and there a lot of 

works done in this field. General object recognition rely on visual appearance of object, where invariant descriptors used to 

recognize and classify object. In other words the snapshots of object are taken from different positions, then local and global 

descriptors are used to summarize data and finally distance between vectors of these descriptors is calculated to model the 

object. In article [2] the robot has 2D camera and uses local descriptors and SIFT (Scale-invariant feature transform) 

features. In SIFT the algorithm is to identify local features of training object and then detect this object on image containing 

this and many other objects. Another main property in SIFT is the solid proportion of selected points as feature. Suppose we 

take 4 corners of door as one feature of this object, so in case if the proportion between these points will change then this 

will cause failure. Like if door is opened or closed for each position of the door proportion between these points will 

change, what will cause failure, that means on flexible and articulated objects this won’t work because geometry changes 

what causes the proportion change on points which are selected as feature. However on practice SIFT method uses large 

numbers of features which reduce the error caused by such local variations. In article [3] the robot controlled via internet 

where user give voice commands to robot like “Grasp the ball” and etc. In this work neural network proposed which help to 

classify object in low resolution and noise images using invariant descriptors. Another article is [4]. In this article proposed 

to use multiple perception of object and motor modality. The robot using statistical technique, and using motor function 

grasps the object then rotating it take snapshots from different points and also while observation listen sounds from object, 

based on audio-video and haptic information robot recognize and classify object. Another work about classification of 

objects is “Grounding semantic categories in behavioral interactions: experiments with 100 objects” [5] In this article 100 

object taken and divided in 20 categories in order to test the humanoid robot, where for each category different behavior 

assigned. Robot uses supervised recognition method where he process not only visual information but also taking in account 





Yüklə 18,89 Mb.

Dostları ilə paylaş:
1   ...   1026   1027   1028   1029   1030   1031   1032   1033   ...   1149




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©azkurs.org 2024
rəhbərliyinə müraciət

gir | qeydiyyatdan keç
    Ana səhifə


yükləyin