Как к: распознавание образов
Использование вообще Вы и Ваша команда находите самое читаемое.
Другие ответы предположили, что новая строка создается каждый раз, когда Вы используете "". Это не верно - должный представить интернирование в виде строки, оно будет создано или однажды на блок или однажды на AppDomain (или возможно однажды для целого процесса - не уверенный в той передней стороне). Это различие незначительно - в широком масштабе, в широком масштабе незначительный.
то, Которое Вы находите более читаемыми, является другим разговором, как бы то ни было. Это субъективно и будет варьироваться от человека человеку - таким образом, я предлагаю, чтобы Вы узнали то, что большинство людей в Вашей команде как, и все идут с этим для непротиворечивости. Лично я нахожу "" легче читать.
аргумент, которые "" и " " легко приняты друг за друга, действительно не промывает со мной. Если Вы не используете пропорциональный шрифт (и я не работал с никакой разработчики, которые делают), довольно легко сказать различие.
6 ответов
Замечательное место для поиска - это скрытые марковские модели, а также Искусственные нейронные сети .
Изменить: вы можете взглянуть на NeuronDotNet ], это открытый исходный код, и вы можете ковыряться в коде.
Редактировать 2: Вы также можете взглянуть на ITK , он также с открытым исходным кодом и реализует множество таких типов алгоритмов.
] Edit 3: Вот довольно хорошее введение в нейронные сети . Он охватывает множество основ и включает исходный код (хотя и на C ++). Он реализовал алгоритм неконтролируемого обучения, я думаю, вы можете искать контролируемый алгоритм обратного распространения ошибки для обучения вашей сети.
Редактировать 4: Еще одно хорошее вступление , избегает очень сложной математики но содержит ссылки на многие из этих деталей внизу, если вы хотите вникнуть в это. Включает псевдокод, хорошие диаграммы и подробное описание обратного распространения ошибки.
Я не эксперт в этом, но читаю about Скрытые марковские модели - хорошее начало.
обучение распознаванию шаблонов проще в MATLAB ..
есть несколько примеров и есть функции для использования.
это хорошо для понимания концепций и экспериментов ...
OpenCV имеет некоторые функции для распознавания образов в изображениях.
Вы можете посмотреть на это: http://opencv.willowgarage.com/documentation/pattern_recognition.html . (неработающая ссылка: ближайшая часть нового документа - http://opencv.willowgarage.com/documentation/cpp/ml__machine_learning.html , хотя это уже не то, что я бы назвал полезной документацией для новичков - см. другие ответы)
Однако я также рекомендую начать с Matlab, потому что openCV не интуитивно понятен в использовании.
Множество полезных ссылок на этой странице по распознаванию образов, связанных с компьютерным зрением. Некоторые ссылки сейчас кажутся неработающими, но вы можете найти их полезными.
This is kind of like saying "I'd like to learn more about electronics.. anyone tell me where to start?" Pattern Recognition is a whole field - there are hundreds, if not thousands of books out there, and any university has at least several (probably 10 or more) courses at the grad level on this. There are numerous journals dedicated to this as well, that have been publishing for decades ... conferences ..
You might start with the wikipedia.