U postupku klasifikacije korištena je metoda nadziranog strojnog učenja.

Srećom, razvoj moćnih metoda obrade signala i strojnog učenja u zadnjih nekoliko desetljeća omogućio je puno praktičniji pristup gdje se EEG signali prvo računalno obrade i potom koriste kao ulaz u automatski sustav za učenje.

Metode strojnog učenja, nastale unutar istraživanja umjetne inteligencije u računalnoj znanosti, omogućuju prepoznavanje vrlo složenih uzoraka (engl. patterns) u podacima.

Njegovi istraživački interesi nalaze se u području računalne biologije, algoritama, strojnog učenja i matematike.

Tema škole je primjena strojnog učenja u računalnom vidu, i kao takva je vrlo relevantna u kontekstu našeg projekta.

Njegov su znanstveni interes primjene metoda strojnog učenja na razna područja bioznanosti, uključujući genomiku, proteomiku i otkrivanje lijekova.

Teorijske osnove iz područja strojnog učenja, analize slike i raspoznavanja uzoraka omogućuju nam rješavanje upravo ovakvih problema.

Neke tehnike strojnog učenja također će biti objašnjene, primjerice, za potrebe kao što je prepoznavanje govornika iz zvukovnih snimaka.

Algoritmi koji se zasnivaju na načelima strojnog učenja omogućuju da teške probleme, koje nismo znali riješiti tradicionalnim računskim tehnikama, rješavamo pomoću računala na sličan način kao što to radi čovjek.

Pri njegovoj su izgradnji integrirana interdisciplinarna stručna znanja iz područja dokumentalistike, računalne lingvistike, umjetne inteligencije i strojnog učenja.

Projekt ISIC je provjera koncepta primjene strojnog učenja u ranom prepoznavanju, dijagnosticiranju i obavještavanju sistemskih administratora u slučajevima kada se može očekivati problemi u radi ili prekid u radu cloud usluga.

Ivan Gavran i Marko Božić, studenti matematike na zagrebačkom PMF-u, napravili su aplikaciju Makako koja automatizmom, koristeći nekoliko algoritama strojnog učenja, analizira novinske članke o skorim lokalnim izborima u Hrvatskoj koji se objavljuju na šest domaćih web-portala i ocjenjuje je li stav koji u njima prevladava pozitivan, negativan ili neutralan.

Političari, više se nećete moći izvlačiti da je za vaš (ne) uspjeh na izborima kriva sedma sila izumljena je aplikacija koja automatizmom, koristeći nekoliko algoritama strojnog učenja, analizira novinske članke o skorim lokalnim izborima u Hrvatskoj na internetskim portalima i jasno ocjenjuje je li stav koji u njima prevladava pozitivan, negativan ili neutralan.

Postoje mnoge primjene strojnog učenja, kao što su otkrivanje bolesti, računalni vid, predviđanje cijena na burzi.

Otkrivanje ukusa jedne osobe za glazbu je jedan tipični problem strojnog učenja: iskorištavanjem popisa vaših omiljenih pjesama, otkrivaju se harmonijski uzorci koji zajedno čine osobni glazbeni ukus.

Na Stanfordu novi ciklus predavanja počinje u siječnju, a moguće je prijaviti se za predavanja poput anatomije, kriptografije, strojnog učenja, dizajna i analize algoritama....

To je vrlo naporan i skup postupak, pogodan za primjenu postupaka strojnog učenja.

Trenutna verzija tipkovnice (dakle i ona sa NoDo updateom) je razvijena korištenjem strojnog učenja, statističkim modelima jezika te podacima iz korisničkih testiranja.

Trenutno je student diplomskog studija računarske znanosti na Fakultet elektrotehnike i računarstva, Sveučilišta u Zagrebu. njegovi glavni interesi su strojno učenje i optimizacija. posebno je zainteresiran za primjenu koncepata strojnog učenja na probleme medicinske dijagnostike.

Algoritmi strojnog učenja za prepoznavanje lica

U toj borbi ulažemo na milijune dolara u razvoj tehničke arhitekture i naprednih modela strojnog učenja, a također računamo s time da će tvrtke i korisnici prijaviti kršenja naših pravila.

Rad u drugoj fazi ovisiti će o rezultatima prve faze: 1) ako se filogenetsko profiliranje pokaže kao nadmoćna metoda, biti će napravljeno rafiniranje uvođenjem novih atributa u filogenetsko profiliranje (podatci o ekspresiji, intrgenske regije i sklonost upotrebi pojedinih kodona), ili 2) ako se metode temeljene na homologiji pokažu boljima, različite metode strojnog učenja biti će korištene u funkcionalnoj anotaciji.

Motivirani oprečnim rezultatima dostupnima u literaturi (Sun, et al., 2007, Jothi, et al., 2007) (pažljiv odabir organizama ključan je za uspješnost filogenetskog profiliranja) i naših preliminarnih rezultata, razriješiti ćemo dvojbu o potrebi selekcije referentnih organizama kada se upotrebljava algoritam strojnog učenja u filogenetskom profiliranju.

Projekt je završen u prosincu 2007. godine, a temelji se na rezultatima znanstvenog istraživanja iz područja umjetne inteligencije i strojnog učenja koji provodi Grupa za tehnologije znanja

Sve to možemo napraviti koristeći koncepte obrade slike i strojnog učenja.

U ovom projektu koristit ćemo umjetne neuronske mreže, jedan od najpoznatiji algoritama strojnog učenja, koji imitira procese u ljudskom mozgu.

Njegovi znanstveni interesi su računalni vid (posebno detekcija i klasifikacija objekata, te pretraživanje slika na temelju sadržaja) te primjene metoda strojnog učenja u problemima računalnog vida (s naglaskom na metode učenja na slabo obilježenim podacima)

Kolegij Odabrana poglavlja obrade prirodnog jezika integrira teme iz područja strojnog učenja, strojnog prevođenja i pretraživanja informacija.

Nadogradnju predstavljaju algoritmi strojnog učenja, razvijeni na temelju višegodišnjeg iskustva Hidrinih dokumentalista u indeksiranju tekstovnih dokumenata.

Tijekom projekta koristit će se računalne metode strojnog učenja.