Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSaat ini, Pengenalan biometrik sangat populer untuk pengenalan individu yang menawarkan keamanan dan akurasi yang lebih besar daripada metode otentikasi secara tradisional. Pengenal kucing adalah salah satu pengenal biometrik karena kucing memiliki pengenal unik yaitu hidung kucing. Penelitian ini mengembangkan sistem untuk pengenalan kucing melalui hidung kucing menggunakan You Only Look Once YOLO untuk mendeteksi hidung gambar kucing dan Scale Invariant Feature Transform SIFT . Tujuan dari pendekatan ini adalah untuk mengenali kucing dengan benar dari setiap kucing secara individu. Selain itu, ia bisa melakukannya di setiap sudut hidung kucing. Sistem yang kami usulkan terdiri dari dua tahap. Pertama, kami mendeteksi hidung gambar kucing menggunakan YOLOv2. Setelah hidung terdeteksi, kami mengenali hidung kucing menggunakan metode SIFT dan memastikan bahwa hidung telah dikenali dengan benar. Akurasi deteksi hidung adalah 99,85 untuk dataset pertama yang berisi 700 gambar dan 91,56 untuk dataset kedua yang berisi 676 gambar. Sistem bekerja dengan beberapa tahap dan sepenuhnya otomatis. Sistem pengenalan diuji oleh 1337 gambar kucing sebagai data asli dan 1356 gambar hidung kucing sebagai data referensi dan akurasi sistem yang diusulkan adalah 90,21 .

---

ABSTRACTNowadays, biometric recognition is very popular to individual recognition which offer greater security and accuracy than traditional methods of person authentication. Cat recognition is one of biometrics identifier since cat has a unique identifier like cat nose. This research develops a system for recognition the cat through the nose of cat using You Only Look Once YOLO for detected the nose of a cat image and Scale Invariant Feature Transform SIFT . The objective of this approach is to recognize the cat correctly of every kind of cat. Moreover, it can do it in every angle of the cat nose. Our proposed system contains of two stages. First, we detect the nose of a cat image using YOLOv2. After the nose is detected, we recognize the cat nose using SIFT method and make sure that the nose has been recognized correctly. The accuracy of the nose detection is 99.85 for the first dataset which contains 700 images and 91.56 for second dataset that contains 676 images. The system work with several stage and it fully automatic. The recognition system was tested by 1337 cat images as data original and 1356 cat nose image as reference data and the accuracy of proposed system is 90.21 . "

"Metode ordinary kriging adalah metode penaksiran yang menghasilkan taksiran yang memenuhi kriteria BLUE (Best Linear Unbiased Estimator). Nilai taksiran dinyatakan sebagai kombinasi linier dari data sampel. Data yang digunakan adalah data spasial. Metode ordinary kriging dapat digunakan jika data spasial memenuhi asumsi stasioner orde dua atau asumsi stasioner intrinsik. Dalam melakukan penaksiran dengan metode ordinary kriging diperlukan suatu fungsi yang disebut semivariogram. Ada dua jenis semivariogram, yaitu : semivariogram isotropik dan semivarogram anisotropik. Pada tugas akhir ini, metode ordinary kriging digunakan untuk menaksir nilai pengamatan pada suatu titik di lokasi yang tidak tersampel, dan semivariogram yang digunakan adalah semivariogram isotropik. "

"Metode Ordinary Cokriging (OC) merupakan metode penaksiran yang menghasilkan taksiran yang memenuhi kriteria BLUE (Best Linear Unbiased Estimator). OC merupakan perluasan dari metode Ordinary Kriging (OK). Berbeda dari OK, dalam OC digunakan data spasial yang tidak hanya terdiri dari satu peubah teregional utama, tetapi juga peubah teregional tambahan yang berkorelasi dengan peubah teregional utama. Nilai taksiran dinyatakan sebagai kombinasi linier dari data sampel. Pada OC, data spasial dibedakan menjadi 3, yaitu entirely (completly) heterotopic, partially heterotopic, dan isotopy. Pada tugas akhir ini, hanya dibatasi pada data isotopy. OC dapat digunakan jika data spasial memenuhi asumsi stasioner orde dua atau asumsi stasioner intrinsik. Dalam melakukan penaksiran dengan OC diperlukan fungsi auto- dan cross-kovariansi atau auto- dan cross-variogram, yang dibedakan menjadi dua jenis, yaitu : isotropik dan anisotropik. Pada tugas akhir ini, metode OC digunakan untuk menaksir nilai pengamatan dari peubah teregional utama pada suatu titik di lokasi yang tidak tersampel, serta auto- dan cross-kovariansi atau auto- dan cross-variogram yang digunakan adalah isotropik. "

"This textbook gives an early presentation of the Laplace transform, which is then used to motivate and develop many of the remaining differential equation concepts. These topics include, first order differential equations, general linear differential equations with constant coefficients, second order linear differential equations with variable coefficients, power series methods, and linear systems of differential equations. It is assumed that the reader has had the equivalent of a one-year course in college calculus."

"Offers an alternative to the "rote" approach of presenting standard categories of differential equations accompanied by routine problem sets. The exercises presented amplify and provide perspective for the material, often giving readers opportunity for ingenuity. Little or no previous acquaintance with the subject is required to learn usage of techniques for constructing solutions of differential equations in this reprint volume."

"Linear Ordinary Differential Equations, a text for advanced undergraduate or beginning graduate students, presents a thorough development of the main topics in linear differential equations. A rich collection of applications, examples, and exercises illustrates each topic. The authors reinforce students' understanding of calculus, linear algebra, and analysis while introducing the many applications of differential equations in science and engineering. Three recurrent themes run through the book. The methods of linear algebra are applied directly to the analysis of systems with constant or periodic coefficients and serve as a guide in the study of eigenvalues and eigenfunction expansions. The use of power series, beginning with the matrix exponential function leads to the special functions solving classical equations. Techniques from real analysis illuminate the development of series solutions, existence theorems for initial value problems, the asymptotic behavior solutions, and the convergence of eigenfunction expansions."