سیستم های بیومتریک
- شناسایی از طریق اثر انگشت
یکی از قدیمی ترین روش های تشخیص هویت، روش شناسایی از طریق اثر انگشت میباشد. نوک انگشت دارای یکسری خطوط است که از یک طرف انگشت به طرف دیگر ادامه دارد. این خطوط دارای یکسری نقاط مشخصه می باشند که به آن ها ریزه کاری گویند. این ریزه کاری ها شامل کمان ها، مارپیچ ها، حلقه ها، انتهای لبه ها، انشعاب ها، نقطه ها، جزایر، تقاطع، منفذ ها میباشند. در واقع ما در این سری از سیستمها الگو های تولید شده از این ریزه کاری ها را مورد مقایسه قرار میدهیم.
- شناسایی از روی عنبیه و شبکیه چشم
عنبیه قسمت رنگی چشم است که ترکیبی است از نوعی ماهیچه به شکل دایره با یکسری خطوط شعاعی، لایهای یا توری مانند که در پیش از تولد انسان شکل گرفته است و تا زمان مرگ تقریباً هیچ تغییری نمیکند. این ماهیچه شامل یکسری کارکتر ها مانند: خطوط، حلقه ها، حفره ها، شیار ها، تار ها، لکه ها و … است که قابل تفکیک میباشند. میتوان گفت که عنبیه چشم همه افراد با یکدیگر متفاوت است. شبکیه چشم در منتهیالیه کره چشم قرار دارد که شامل یکسری رگ های خونی است که این مویرگ ها داری اشکال مختلفی هستند، این خصیصه در افراد منحصر بفرد است. این روش تقریباً مشابه شناسایی از طریق عنبیه میباشد.
- شناسایی از طریق چهره
فرم هندسی یک چهره نیز از پارامتر های مورد اندازه گیری در سیستم های بیومتریک است ولی، نمیتوان گفت که جزء خصیصههای منحصر بفرد افراد است، لذا این سیستم ها در جاهایی که تعداد کاربران کم است و نیز زمان هایی که الگوبرداری دراز مدت نیست، سیستم های مناسبی هستند. از دیگر کاربرد های این سیستم ها، استفاده در سیستم های مالتی بیومتریک جهت افزایش دقت است.
- شناسایی از طریق ضربان قلب
برای این کار از ویژگی های خاص که با حسگر های متعارف جمع آوری می شوند، استفاده می شود. داده های کلیدی کاردیوگرام برای مقایسه در بانک اطلاعاتی ذخیره می گردد. برای هر چه بالاتر بردن ضریب اطمینان این روش، عملیات pre-processing و pre-screening اهمیت ویژه ای دارند. در این مرحله، تپش های قلب به گونه ای فیلتر شده و در مورد پردازش قرار می گیرد که بتوان داده های حاصل را در یک بانک اطلاعاتی ذخیره کرد.
یادگیری ماشین

به عنوان یکی از شاخه های وسیع و پرکاربرد هوش مصنوعی، یادگیری ماشین به تنظیم و اکتشاف شیوه ها و الگوریتم هایی میپردازد که بر اساس آن ها رایانه ها و سامانه ها توانایی تعلٌم و یادگیری پیدا میکنند.
هدف یادگیری ماشین این است که کامپیوتر بتواند به تدریج و با افزایش داده ها کارایی بهتری در انجام وظیفهٔ مورد نظر پیدا کند. گسترهٔ این وظیفه میتواند از تشخیص خودکار چهره با دیدن چند نمونه از چهرهٔ مورد نظر تا فراگیری شیوهٔ گام برداری روبات های دوپا با دریافت سیگنال پاداش و تنبیه باشد.
طیف پژوهش هایی که در یادگیری ماشینی میشود گسترده است. در سوی نظریی آن پژوهش گران بر آنند که روش های یادگیری تازه ای به وجود بیاورند و امکان پذیری و کیفیت یادگیری را برای روش هایشان مطالعه کنند و در سوی دیگر عدهای از پژوهش گران سعی میکنند روش های یادگیری ماشینی را بر مسایل تازهای اعمال کنند. البته این طیف گسسته نیست و پژوهش های انجام شده دارای مولفه هایی از هر دو رویکرد هستند.
یادگیری ماشین کمک فراوانی به صرفه جویی در هزینه های عملیاتی و بهبود سرعت عمل تجزیه و تحلیل داده ها میکند.
سخنان بزرگان
آنکه میخواهد روزی پریدن آموزد، نخست میباید ایستادن، راه رفتن، دویدن و بالارفتن آموزد. پرواز را با پرواز آغاز نمیکنند.
باید خود نشانه تغییری باشید که می خواهید در جهان ببینید.
تخیل سرآغاز خلق کردن است. شما آن چه را که دوست دارید تصور می کنید و برای رسیدن به آن چه که تصور می کنید اراده می کنید و در پایان آن چه را که اراده کرده اید خلق می کنید.
تولید انبوهی از چیزهای مفید منتج به انبوهی از انسان های بلا استفاده خواهد شد.
اگر کاری که دوست دارید انتخاب کنید، آن وقت مجبور نیستید حتی یک روز هم در طول عمر خود کار کنید.
زمان شما محدود است، آن را با زندگی کردن در زندگی دیگران هدر ندهید.
مهم ترین روزهای زندگی هر انسان، دو روز است: روزی که به دنیا می آید و روزی که دلیلش را بفهمد.
مصمم شوید که کارى باید صورت گیرد، سپس راه انجام آن را خواهید یافت.