Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "regularization" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Zastosowanie metod regularyzacji do filtracji zakłóceń pomiarowych rejestrowanych obrazów
Application of regularization methods to picture reconstruction
Autorzy:
Iwaniec, J.
Powiązania:
https://bibliotekanauki.pl/articles/156491.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
filtracja szumów
rekonstrukcja obrazu
regularyzacja
noise reduction
picture reconstruction
regularization
Opis:
Praca dotyczy zagadnienia redukcji szumów pomiarowych obrazów z zastosowaniem metod regularyzacji. W pracy przedstawiono rezultaty filtracji obrazu testowego (16×16 pikseli) przeprowadzonej przy użyciu metody regularyzacji Tichonowa, TSVD, DSVD oraz ME [1, 3]. Do rekonstrukcji obrazów o dużych rozmiarach zastosowano sformułowaną i zaimplementowaną przez autorkę iteracyjną przybliżoną metodę filtracji obrazów opartą o metody regularyzacji. Wykazano przydatność sformułowanych metod w przypadku obrazów, których rekonstrukcja nie jest możliwa do przeprowadzenia innymi metodami ze względu na zbyt dużą utratę informacji spowodowaną nałożeniem szumów.
In practical applications of signal processing, the problem of picture reconstruction on the basis of a recorded noisy picture is frequently encountered. Such a problem is an inverse, ill-posed problem (Fig. 1), which means that even small disturbances of the recorded picture have significant influence on the accuracy of picture reconstruction. Therefore, in this paper, for the purposes of pictures noise reduction, regularization methods were used. Noisy pictures were filtered by means of the Tikhonov regularisation [1, 3], Truncated SVD (TSVD) [1, 3], Damped SVD (DSVD) [1,3] and Maximal Entropy (ME) [1,3] methods. Noise reduction of the test picture of dimensions 16×16 pixels was carried out by means of the algorithm (Fig. 2) requiring decomposing matrix modelling noise into singular values, which, in case of pictures of significant dimensions, requires significant computational effort. Therefore, for the purposes of regularization of pictures of significant dimensions (512×512 pixels) the iterative approximate method (Fig. 3) formulated by the author was used. The method idea consists in application of the selected regularization method to regularization of the issue (1), where [A1(k)] is a matrix consisted of elements lying in the vicinity of the matrix [A] main diagonal, corresponding to the kth part of the considered picture written in the form of vector (Fig. 3). The obtained results prove that the formulated and implemented methods can be used for noise reduction of pictures, the reconstruction of which is impossible to carry out by means of other methods because of the excessive loss of information resulting from imposed noise.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 1, 1; 86-89
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using Tikhonov regularization to improve estimation of robot position based on uncertain robot model obtained by neural network
Zastosowanie regularyzacji Tikhonova do poprawy estymacji pozycji robota na podstawie modelu o niedokladnych parametrach wyznaczonych za pomocą sieci neuronowych
Autorzy:
Możaryn, J.
Kurek, J. E.
Powiązania:
https://bibliotekanauki.pl/articles/154504.pdf
Data publikacji:
2009
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
robotyka
sieci neuronowe
model robota
regularyzacja
robotic
neural networks
inverse dynamic problem
regularization
Opis:
A method for improvement of a position estimation of a robot manipulator based on model with uncertain parameters is presented. To calculate the position of the robot there was designed the robot model using artificial neural networks with structure of the mathematical model in the form of Lagrange-Elder equations. The Tikhonov regularization was then used to improve the approximation of the robot's position. The example of the position of the robot PUMA 560 with 6 degrees of freedom calculation with proposed method is presented. Obtained results indicate significant improvement of the estimation.
W pracy przedstawiono metodę poprawy estymacji położeń robota na podstawie modelu robota o niedokładnych parametrach. Do wyznaczania położenia robota zaprojektowano model robota z wykorzystaniem sztucznych sieci neuronowych o strukturze modelu matematycznego w formie równań Lagrange'a-Eulera. W celu poprawy estymacji położeń na podstawie wyznaczonego modelu zastosowano regularyzację Tikhonowa. Zaproponowana metoda została przedstawiona na przykładzie odtwarzania położeń robota PUMA 560. Otrzymane wyniki wskazują na znaczną poprawę dokładności.
Źródło:
Pomiary Automatyka Kontrola; 2009, R. 55, nr 3, 3; 198-204
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies