Maschinelle Intelligenz mit Schwerkraft aktivieren: Nutzung von auf Newtons Gesetz basierenden hochwirksamen Techniken des maschinellen Lernens

Mit dem rasanten technologischen Fortschritt gewinnt eine effektive Mensch-Maschine-Interaktion zunehmend an Bedeutung, wodurch die genaue Gesichtserkennung zu einem wichtigen Forschungsgebiet geworden ist. Herkömmliche Gesichtserkennungssysteme stützen sich überwiegend auf Daten aus einer einzigen Modalität, was ihre Robustheit unter realen Bedingungen einschränkt. Um diese Einschränkungen zu überwinden, hat die multimodale Gesichtserkennung, die Informationen aus mehreren Quellen wie visuellen und akustischen Daten integriert, große Aufmerksamkeit auf sich gezogen.Trotz umfangreicher Forschung bleibt die Gesichtserkennung aufgrund von Schwankungen bei Beleuchtung, Rauschen, Drehung und Verdeckung eine Herausforderung. Diese Arbeit befasst sich mit diesen Herausforderungen und schlägt neue Algorithmen zur Erkennung unveränderlicher Merkmale vor. Ein wichtiger Beitrag ist eine neue Kantenerkennungstechnik, die von Newtons universellem Gesetz der Schwerkraft inspiriert ist. Die Methode berechnet Gravitationswechselwirkungen auf der Grundlage der Richtung und Größe der Signalschwankung und leitet Vektorsummen in horizontaler und vertikaler Richtung ab, um präzise Gesichtskanten zu extrahieren.