This paper is an attempt to perceive and order guns using a two-layer neural system model taking into account a feedforward backpropagation calculation. Numerical properties from the joined pictures were utilised for enhanced gun characterisation execution. Inputs of the system model were 747 pictures blackmailed from the discharging pin impression of five differing guns model, Parabellum Vector SPI 9mm. Components created from the dataset were further grouped into preparation set (523 components), testing set (112 components) and acceptance set (112 components). Under managed learning, exact results exhibited that a two-layer BPNN of 11-11-5 arrangement, with tansig/purelin exchange capacities and a “trainlm” preparing calculation, had productively delivered 87% right aftereffect of grouping. The order result serves to be progressed and contrasted with the previous works. Finally, the joined picture districts can offer some accommodating data on the grouping of gun.
Neurocomputing has been adjusted effectively in time series forecasting activities, yet the vicinity of exceptions that frequently happens in time arrangement information might contaminate the system preparing information. This is because of its capacity to naturally realise any example without earlier suspicions and loss of sweeping statement. In principle, the most widely recognised calculation for preparing the system is the backpropagation (BP) calculation, which inclines toward minimisation of standard slightest squares (OLS) estimator, particularly the mean squared mistake (MSE). Regardless, this calculation is not by any stretch of the imagination strong when the exceptions are available, and it might prompt bogus expectation of future qualities. In this paper, we exhibit another calculation which controls the firefly algorithm of least median squares (FFA-LMedS) estimator for neural system nonlinear autoregressive moving average (ANN-NARMA) model enhancement to provide betterment for the peripheral issue in time arrangement information. Moreover, execution of the solidified model in correlation with another hearty ANN-NARMA models, utilising M-estimators, Iterative LMedS and Particle Swarm Optimisation on LMedS (PSO-LMedS) with root mean squared blunder (RMSE) qualities, is highlighted in this paper. In the interim, the actual monthly information of Malaysian Aggregate, Sand and Roof Materials value was taken from January 1980 to December 2012 (base year 1980=100) with various levels of anomaly issues. It was found that the robustified ANN-NARMA model utilising FFA-LMedS delivered the best results, with the RMSE values having almost no mistakes at all in all the preparation, testing and acceptance sets for every single distinctive variable. Findings of the studies are hoped to assist the regarded powers including the PFI development tasks to overcome cost overwhelms.
Pengecaman senjata api semakin serius dan amat penting di dalam bidang penyiasatan jenayah khususnya untuk tempoh dua dekad ini. Dalam makalah ini, suatu sistem untuk pengecaman senjata api berasaskan tapak kelongsong peluru telah diperkenalkan. Tapak kelongsong peluru adalah satu daripada penunjuk yang amat penting dalam membantu menyelesaikan masalah pengecaman pistol. Peluru yang telah digunakan akan meninggalkan lebih daripada 30 ciri yang amat berharga pada tapak kelongsong bagi membantu pihak tertentu mengecam pistol yang telah diguna. Ciri-ciri tersebut sebagai suatu gabungan membentuk apa yang dikenali sebagai kesan cap jari bagi pistol. Lantaran itu, kajian ini adalah untuk mendapatkan fitur yang sesuai bagi pengecaman senjata api. Terlebih dahulu imej tapak kelongsong peluru ini telah ditemberengkan kepada tiga bahagian, membentuk tiga set imej yang berlainan. Imej-imej ini juga dilakukan prapemprosesan untuk membentuk tiga set imej lagi. Fitur-fitur seterusnya disaring daripada imej asal tapak kelongsong peluru dan imej yang telah melalui prapemprosesan. Dua puluh fitur yang berbeza secara signifikan telah diperoleh dan dikirakan untuk imej-imej asal dan yang telah dilakukan prapemprosesan. Kesemua pemprosesan telah dilakukan menggunakan pengaturcaraan MATLAB. Suatu skim berdasarkan analisis korelasi seterusnya telah diperkenalkan untuk pencarian fitur berdasarkan konsep meminimumkan lewahan data tetapi memastikan ciri-ciri unik tersimpan. Fitur-fitur yang berkorelasi tinggi akan digugurkan pasangannya dan hasilnya tinggal cuma tujuh fitur sahaja. Ketujuh-tujuh fitur ini telah diuji sebagai suatu vektor fitur untuk mengelaskan lima pistol daripada model yang sama menggunakan analisis diskriminan. Hasil pengelasan menunjukkan lebih 80% daripada imej-imej tapak kelongsong peluru itu telah dikelaskan dengan jayanya.
Oleh sebab kejadian jenayah bersenjata api semakin berleluasa, pengecaman senjata api yang digunakan oleh penjenayah amat diperlukan sebagai bahan bukti dalam mahkamah. Beberapa sistem pengecaman senjata api telah diutarakan sebagai pengganti kepada cara penyiasatan tradisional yang amat bergantung kepada kepakaran ahli balistik. Pemetakan rantau tumpuan (ROI) berdasarkan kedudukan titik sauh (PAP) sempadan bulatan kesan pin peletup pada tapak kelongsong peluru merupakan langkah yang amat penting dalam sistem pengecaman senjata api automatik. Walau bagaimanapun, kaedah yang digunakan dalam kajian lepas bagi mengesan PAP sempadan bulatan tersebut adalah sangat kompleks dan memerlukan masa pemprosesan yang panjang. Kajian ini menerokai algoritma yang efisien dan berkemampuan untuk mengesan PAP sempadan bulatan secara automatik. Algoritma yang diutarakan merupakan gabungan daripada penapis penajaman reruang, penormalan histogram, pengambangan dan penganggar kuasa dua terkecil tak berpemberat. Dua kaedah pengambangan yang terkenal telah diuji dan dibandingkan, iaitu kaedah pengambangan berasaskan pengelompokan dan kaedah berasaskan entropi. Di samping itu, penerokaan kesan saiz dan bentuk ROI terhadap kadar pengelasan senjata api turut dipersembahkan. Sebanyak 747 imej kesan pin peletup jenis sempadan bulatan peletup yang dihasilkan oleh lima pucuk pistol yang berlainan daripada jenis yang sama digunakan untuk menguji algoritma yang diutarakan. Kadar pengelasan imej kesan pin peletup yang memberangsangkan (> 95%) telah dicapai dengan algoritma yang dicadangkan. Kajian juga mendapati bahawa saiz dan bentuk pemetakan ROI mempunyai kesan langsung terhadap kadar pengelasan senjata api.