کے آلے کی ایپلی کیشنز عام طور پر وہ اصل میں حاملہ کیا گیا تھا جس کے لئے حد سے تجاوز.
Blender کمپنیوں کو کس طرح کمپیوٹر حرکت پذیری کے لئے ڈیزائن کیا گیا ہے: Pixar, ڈزنی …
تاہم, حوصلہ افزائی کے استعمال کے ہاتھوں ہم انفرادی طور پر سنبھالا جا سکتا ہے کہ درخواست کی لائنیں دکھا رہے ہیں. ان میں سے ایک ذیل میں پیش کیا جاتا ہے: ایک تعلیمی پریزینٹیشن بھی پیش کی تخلیق کرنے کے لئے ایک آلہ کے طور پر استعمال کریں, ایک الگورتھم کے ضعف کشش منطق کی وضاحت کرنے کے لئے خاص طور پر. ہمارے میں استعمال کلاسک طاقت پوائنٹ پریزنٹیشنز کے متبادل کے 3D صلاحیتوں اور ازگر پروگرامنگ میں اضافہ کر دیتی ہے.
زیادہ سے زیادہ Schwenzer ایک جرمن طالب علم کو ایک قیام کیا جاتا ہے (ERASMUS) سپین میں دوران 2012-2013. انہوں نے کہا کہ آپ کی ویڈیو کے ساتھ ایک بہت اچھا کام کر میری تعارفی کلاس Blender شرکت“زحل وی“. اس کورس, اس کے آخری منصوبے Blender اپنے دفاع کی حمایت کرنے کے استعمال کیا جاتا تھا کارکردگی کا مظاہرہ کرتے ہوئے. آپ ذیل میں دیکھ سکتے ہیں کہ نتیجہ.
یہ ویڈیو unsupervised سیکھنے الگورتھم شعلے کے فعال اصول کی وضاحت کرتا ہے. یہ رکنیت کے مقامی سننکٹن کی طرف سے فجی clustering کے لئے مختصر ہے
(انہوں نے کہا تھا & ڈاکٹر | 2007 | ncbi.nlm.nih.gov/pmc/articles/PMC1774579 /).
زیادہ سے زیادہ Schwenzer blender کے ساتھ یہ حرکت پذیری پیدا کیا (blender.org /) اس کے بیچلر کی اودارتا "اعلی درجے کی فلائٹ ڈیٹا انیلیسیز کے حصے کے طور: مشین لرننگ والگورزم پر ایک مطالعہ " (میونخ کی ٹیکنیکل یونیورسٹی (تم) | فلائٹ سسٹم ڈائنامکس کے انسٹی ٹیوٹ (FSD) | 2013). شعلہ الگورتھم وہاں پرواز کے اعداد و شمار کے درجہ بندی کرنے کے لئے استعمال کیا جاتا تھا.
شعلے – ایک unsupervised سیکھنے الگورتھم سے ایم پر Vimeo.
ہم آپ کو آپ کے کام کرنے کے لئے جاری رکھیں امید ہے کہ, اعلی معیار ہمیشہ.
Debe estar conectado para enviar un comentario.