GMM 女 藝人的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和懶人包總整理

利用類神經模糊網路於眼瞼長度量測之設計

為了解決GMM 女 藝人的問題，作者鄧為仁 這樣論述：

由於現今時代的變遷，社會風氣的開放，假睫毛的使用已蔚為一種風潮，不再是藝人的專屬用品，而是愛美女性的必備品。然而，市面上所銷售的假睫毛並非專為每一個消費者設計，消費者在使用假睫毛之前，必須裁剪適合自身眼瞼的長度，以便黏貼。為了節省每次使用前裁剪的時間，以方便消費者使用，本論文乃透過人工智慧的方法求出眼睛上眼瞼的長度，為消費者量身訂做一組專屬於自己的假睫毛。在人臉辨識的部份，本論文使用YCbCr找出整張影像中人臉的位置，利用人臉五官的特徵性找出眼睛的位置，再使用由上往下掃描去找出上眼瞼的位置。之後利用歐幾里德距離公式計算出眼瞼在於影像中的長度，接著透過我們所提出的函數類神經模糊網路(funct

ional neuro-fuzzy network, FNFN)，以攝影機擷取影像中上眼瞼的長度作為輸入，輸出則為上眼瞼真實的長度。我們提出的函數類神經模糊網路是利用一個函數鏈結類神經網路(functional link neural network, FLNN)當作模糊邏輯法則的後鑑部，其中在函數鏈結類神經網路的函數展開部分，主要是利用直交多項式和線性獨立函數的特性。因此，在函數類神經模糊網路後鑑部可以產生一個非線性的輸入變數組合，以此方式的設計更能增強函數逼近的準確度。在學習演算法部分，主要包含架構學習和參數學習。其中，架構學習是取決於熵值的測量來決定模糊法則的數量，而參數學習則是使用倒傳

遞演算法來調整歸屬函數的形狀，和函數鏈結類神經網路所對應的權重值。從實驗的結果證明，我們所提出的函數類神經模糊網路架構，亦能有效的應用於長度的偵測。本論文發展的系統是在Intel 3.00GHz、記憶體3.24G RAM的電腦平台上執行，而測試影像則為台灣黃種人實際的上眼瞼影像，從實驗結果我們可以發現系統都維持穩定的偵測結果。