Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Kołodziej, J." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Wykorzystanie potencjałów mózgowych P300 do sterowania awatarem
    Implementation of P300 potentials for controlling an avatar
    Autorzy:
    Majkowski, A.
    Kołodziej, M.
    Rak, R. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/154837.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    BCI
    interfejs mózg-komputer
    sygnały EEG
    potencjał P300
    awatar
    brain-computer interface
    EEG
    P300 potential
    avatar
    Opis:
    W artykule przedstawiono system BCI umożliwiający sterowanie awatarem w wirtualnym świecie gry Second Life z wykorzystaniem potencjału mózgowego P300. Do budowy systemu autorzy wykorzystali ogólnodostępne oprogramowanie BCI2000 oraz własne oprogramowanie umożliwiające sterowanie zewnętrzną aplikacją poprzez symulację naciśnięć przycisków klawiatury. Użytkownik w komfortowy sposób może sterować kierunkiem ruchu awatara. System jest uniwersalny i po drobnych modyfikacjach pozwala na sterowanie dowolnym urządzeniem. Docelowo autorzy chcą wykorzystać autorskie oprogramowanie do sterowania kierunkiem ruchu wózka inwalidzkiego.
    In the paper there is presented a BCI system which enables control of avatar movement in the virtual world of the Second Life game. The system consists of two PCs connected via LAN. On the first computer the BCI200 system was launched with a modified Dochin board (Fig. 5). The interface enables choosing the direction of avatar movement (forward, backward, right, left). Next, the BCI2000 system sends the information about the avatar movement direction via UDP / IP protocol to the second computer. On that computer a program created by the authors is running. Its task is to receive information about the movement direction, and then to send the appropriate commands, in the form of simulated keystrokes, to the game. The program was written in C # (Visual Studio 2005). An important advantage of the proposed interface is that a user does not have to learn the proper generation of the EEG signal. With only one calibration session it was possible to collect features of P300 potential for a user and correctly train the classifier. The system is universal and after minor modifications can control any device. Ultimately, the authors want to use the software to control the direction of wheelchair movement.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 352-354
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie maszyny wektorów wspierających (SVM) do klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer
    Implementation of support vector machine for classification of EEG signal for brain-computer interface
    Autorzy:
    Kołodziej, M.
    Majkowski, A.
    Rak, R. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/155968.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    BCI
    interfejs mózg-komputer
    EEG
    maszyna wektorów wspierających
    SVM
    brain-computer interface
    support vector machine
    Opis:
    W artykule przedstawiono wykorzystanie maszyny wektorów wspierających (SVM) na użytek interfejsów mózg-komputer (BCI). W opracowanych algorytmach jako cechy sygnału EEG wykorzystano jego wariancję. Przedstawiono wyniki badań związanych z wykorzystaniem sieci SVM jako klasyfikatora. Eksperymenty przeprowadzono przy użyciu różnego rodzaju funkcji jądra.
    Implementing communication between man and machine by use of EEG signals is one of the biggest challenges in the signal theory. Such communication could improve the standard of living of people with severe motor disabilities. Some disable persons cannot move, however they can think about moving their arms, legs and this way produce stable motor-related EEG signals. These signals can be used to construct BCI systems. However, the proper interpretation of the EEG signals is a very difficult task. There are three main stages in EEG signal analysis: feature extraction, feature selection and classification. The main aim of the paper is to implement a support vector machine as a classifier for the brain-computer interface. The proposed algorithm uses the EEG signal variance in the frequency range 8-30Hz. Experiments were conducted with use of different kernel functions for the SVM classifier. The best results were achieved for the quadratic polynomial kernel function. The classification error for testing data was 0.13.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 12, 12; 1546-1548
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Joint time-frequency and wavelet analysis - an introduction
    Autorzy:
    Majkowski, A.
    Kołodziej, M.
    Rak, R. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/220841.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    frequency analysis
    time-frequency analysis
    short-time Fourier transform
    Gabor transform
    Wigner-Ville transform
    Cone-Shaped Transform
    wavelet analysis
    time-scale analysis
    wavelet decomposition
    filter banks
    wavelet packets
    Opis:
    A traditional frequency analysis is not appropriate for observation of properties of non-stationary signals. This stems from the fact that the time resolution is not defined in the Fourier spectrum. Thus, there is a need for methods implementing joint time-frequency analysis (t/f) algorithms. Practical aspects of some representative methods of time-frequency analysis, including Short Time Fourier Transform, Gabor Transform, Wigner-Ville Transform and Cone-Shaped Transform are described in this paper. Unfortunately, there is no correlation between the width of the time-frequency window and its frequency content in the t/f analysis. This property is not valid in the case of a wavelet transform. A wavelet is a wave-like oscillation, which forms its own “wavelet window”. Compression of the wavelet narrows the window, and vice versa. Individual wavelet functions are well localized in time and simultaneously in scale (the equivalent of frequency). The wavelet analysis owes its effectiveness to the pyramid algorithm described by Mallat, which enables fast decomposition of a signal into wavelet components.
    Źródło:
    Metrology and Measurement Systems; 2014, 21, 4; 741-758
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Brain-computer interface as measurement and control system The review paper
    Autorzy:
    Rak, R. J.
    Kołodziej, M.
    Majkowski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/221747.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    EEG
    brain-computer interface
    feature extraction
    feature selection
    measurement and control
    Opis:
    In the last decade of the XX-th century, several academic centers have launched intensive research programs on the brain-computer interface (BCI). The current state of research allows to use certain properties of electromagnetic waves (brain activity) produced by brain neurons, measured using electroencephalographic techniques (EEG recording involves reading from electrodes attached to the scalp - the non-invasive method - or with electrodes implanted directly into the cerebral cortex - the invasive method). A BCI system reads the user's "intentions" by decoding certain features of the EEG signal. Those features are then classified and "translated" (on-line) into commands used to control a computer, prosthesis, wheelchair or other device. In this article, the authors try to show that the BCI is a typical example of a measurement and control unit.
    Źródło:
    Metrology and Measurement Systems; 2012, 19, 3; 427-444
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przetwarzanie wstępne i analiza obrazu na użytek lokalizacji twarzy
    Automatic face detection method
    Autorzy:
    Majkowski, A.
    Kołodziej, M.
    Rak, R. J.
    Nasternak, M
    Powiązania:
    https://bibliotekanauki.pl/articles/152848.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    detekcja twarzy
    przetwarzanie obrazów
    klasyfikacja
    face detection
    image processing
    classification
    Opis:
    W artykule zaprezentowany jest algorytm automatycznej detekcji twarzy w obrazie statycznym. Detektor ma osiągać najwyższą skuteczność przy znajdowaniu twarzy możliwie niepochylonych i patrzących na wprost kamery. Wielkość wykrywanych twarzy musi być (z pewnymi odchyleniami) zgodna z rozmiarem twarzy zawartych na obrazach zastosowanych do uczenia klasyfikatora. Obrazy wejściowe mogą być kolorowe lub czarno-białe. Nie ma limitu co do liczby twarzy znajdujących się na obrazie.
    The aim of this work is to design and implement a face detection algorithm in static images. The detector have to achieve the best results in finding possible not inclined faces of people looking directly at the camera. The authors have proposed an algorithm which operation is based on the appearance (features) of the face. Block diagram of the proposed face detector is given in Fig. 1. In the first stage, the image containing the face is subjected to preprocessing in which normalization is the most important. Normalization aims to unify a variety of analyzed images. We have used here a conversion of colors to gray levels and stretching and equalization of image histogram. Thus prepared image is processed by the appropriate face detection algorithm, which consists of pre-selection and classification. In order to train the classifier the authors created a database of images consisting of two major categories: containing faces and do not contain faces. As a collection of images that include faces there have been used Olivetti DB ORL database [1]. Final processing step is to get rid of the multiple detection of the same faces. As a result of the algorithm we obtain the location of all faces in the input image (Fig. 4). The size of detected faces should be (with some variations) in accordance with the size of images used to train the classifier. Input images can be color or black and white. There is no limit to the number of faces in an image.
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 3, 3; 132-135
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Electrodermal activity measurements for detection of emotional arousal
    Autorzy:
    Kołodziej, M.
    Tarnowski, P.
    Majkowski, A.
    Rak, R. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/200323.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    electrodermal activity
    EDA
    galvanic skin response
    GSR
    skin conductance response
    SCR
    feature selection
    arousal
    valence
    classification
    regression
    Opis:
    In this article, we present a comprehensive measurement system to determine the level of user emotional arousal by the analysis of electrodermal activity (EDA). A number of EDA measurements were collected, while emotions were elicited using specially selected movie sequences. Data collected from 16 participants of the experiment, in conjunction with those from personal questionnaires, were used to determine a large number of 20 features of the EDA, to assess the emotional state of a user. Feature selection was performed using signal processing and analysis methods, while considering user declarations. The suitability of the designed system for detecting the level of emotional arousal was fully confirmed, throughout the number of experiments. The average classification accuracy for two classes of the least and the most stimulating movies varies within the range of 61‒72%.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2019, 67, 4; 813-826
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dobór funkcji bazowych do aproksymacji sygnału elektrokortygraficznego w detekcji obszaru padaczkorodnego
    Selection of base functions for electrographic signal approximation in the detection of epileptic zone
    Autorzy:
    Kołodziej, M.
    Majkowski, A.
    Rak, R. J.
    Rysz, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/261123.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
    Tematy:
    elektrokortykografia
    ECoG
    padaczka
    analiza falkowa
    algorytm Matching Pursuit
    electrocorticography
    epilepsy
    wavelet analysis
    Matching Pursuit algorithm
    Opis:
    Celem badań opisanych jest dobór funkcji bazowych, które pozwolą na dokładne opisanie sygnałów elektrokortykograficznych (ECoG) z zachowaniem ich właściwości diagnostycznych. Sygnały ECoG są powszechnie wykorzystywane do wskazania miejsca obszaru padaczkorodnego mózgu. Do doboru najlepszej rodziny falek w charakterze funkcji bazowych zastosowano algorytm MP (ang. Matching Pursuit). Przedstawiono przykład, w jaki sposób z wykorzystaniem analizy falkowej można wykryć zapisy patologiczne w sygnale ECoG.
    The purpose of this research is a selection of base functions, which allow to accurately describe the electrocortical signals (ECoG), while maintaining their diagnostic properties. ECoG signals are commonly used to indicate the epileptogenic zone in the brain. The Matching Pursuit algorithm was used to select the best wavelet family as a base function. An example of using wavelet analysis to detect pathological records in ECoG signal, is demonstrated.
    Źródło:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2017, 23, 4; 253-260
    1234-5563
    Pojawia się w:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Decision Support System for Epileptogenic Zone Location During Brain Resection
    Autorzy:
    Kołodziej, M.
    Majkowski, A.
    Rak, R. J.
    Rysz, A.
    Marchel, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/221787.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    ECoG
    iEEG
    electrocorticography
    epileptogenic zone
    signal analysis
    expert system
    neural network
    Opis:
    This paper presents a system for locating the epileptogenic zone (EZ) using an automated analysis of electrocorticography (ECoG) signal recorded with 20 electrodes placed on the brain surface. The developed system enables automatic determination of places where anomalies connected with epilepsy are observed. The developed algorithm was tested on signals recorded for 33 patients who, after a prior neurological analysis, underwent the brain resection surgery. The results obtained with the algorithm were compared with those of medical analyses performed by the neurologist. The proposed system has a satisfactory accuracy – 87.8% – and can be used as a decision-supporting tool by the neurosurgeon during brain resection.
    Źródło:
    Metrology and Measurement Systems; 2018, 25, 1; 15-32
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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