Informacja

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

Wyszukujesz frazę "Matocha, K." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
The evaluation of materials properties of inservice components by small punch tests
Autorzy:
Matocha, K.
Powiązania:
https://bibliotekanauki.pl/articles/245392.pdf
Data publikacji:
2009
Wydawca:
Instytut Techniczny Wojsk Lotniczych
Tematy:
material properties
small punch test
material ageing
non destructive sampling
tensile and fracture properties
Opis:
Residual lifetimes and/or structural integrity assessments of critical components of mechanical plants and/or steel structures reąuire the knowledge of actual mechanical properties of the components' materials, because the material properties could be reduced throughout a service life by ageing. the use of standardised mechanical test techniques for determination of actual mechanical properties of the components under operation can cause its considerable damage due to size of necessary testing material and following repairs by welding. The need of a large amount of testing material can be eliminated by new advanced testing method based on „ non destructive " sampling of a small amount of testing material from the component surface. the mechanical characteristics are then determined by Small Punch) Tests (SPT). This paper describes the use of this advanced test technique for determination of tensile properties and fracture characteristics (FATT, J IC) of materials. The small punch test technique provides at present time a vehicle for determination of actual tensile and fracture properties necessary for optimisation of operating procedures and inspection intervals as well as for repairs strategies and residual lifetime assessment.
Źródło:
Journal of KONES; 2009, 16, 4; 315-321
1231-4005
2354-0133
Pojawia się w:
Journal of KONES
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Music Genre Recognition Using Convolutional Neural Networks
Rozpoznawanie gatunków muzycznych z użyciem splotowych sieci neuronowych
Autorzy:
Matocha, M.
Zieliński, S. K.
Powiązania:
https://bibliotekanauki.pl/articles/88408.pdf
Data publikacji:
2018
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
automatyczne rozpoznawanie gatunków muzycznych
splotowe sieci neuronowe
pozyskiwanie informacji w muzyce
automatic music genre recognition
convolutional neural networks
music information retrieval
Opis:
The aim of this study was to develop a music genre classifier using convolutional neural networks and to compare its performance with a traditional algorithm based on support vector machines. A distinct feature of the proposed approach was to utilize two-channel stereo signals at the input of the convolutional network. The proposed method yielded similar results compared to those obtained with the traditional approach, demonstrating the potential of the proposed method and indicating the need for its further optimization. Using two-channel stereo signals at the input of the algorithm showed no improvements over the baseline method exploiting single-channel recordings, suggesting that monaural signals fed to the convolutional network might be sufficient to undertake the task of music genre recognition. According to the results, the network ‘prioritized’ the temporal changes over the frequency variations of the signals. This observation tentatively implies that the classifiers specifically designed to account for temporal changes might potentially better serve the task of music genre recognition than the convolutional neural networks.
Celem niniejszej pracy było opracowanie klasyfikatora gatunków muzycznych z użyciem splotowych sieci neuronowych i porównanie go z tradycyjnym algorytmem opartym na maszynie wektorów wspierających. Wyróżniającą cechą zaproponowanego podejścia było wykorzystanie dwu-kanałowego dźwięku stereofonicznego na wejściu sieci splotowej. Zaproponowana metoda dała podobne wyniki do rezultatów otrzymanych z użyciem podejścia tradycyjnego, demonstrując potencjał zaproponowanej metody oraz wskazując na potrzebę jej dalszej optymalizacji. Wykorzystanie dwu-kanałowego dźwięku stereofonicznego na wejściu algorytmu nie poprawiło wyników w porównaniu z metodą bazową wykorzystującą nagrania jednokanałowe, sugerując, iż zastosowanie dźwięków monofonicznych na wejściu splotowej sieci neuronowej jest adekwatne do celów rozpoznawania gatunków muzycznych. Zgodnie z uzyskanymi wynikami, sieć potraktowała priorytetowo zmiany czasowe w porównaniu ze zmianami częstotliwościowymi sygnałów. Obserwacja ta pozwala wstępnie przypuszczać że klasyfikatory specjalnie zaprojektowane, by uwzględnić zmiany czasowe, potencjalnie mogłyby lepiej służyć celom rozpoznawania gatunków muzycznych niż neuronowe sieci splotowe.
Źródło:
Advances in Computer Science Research; 2018, 14; 125-142
2300-715X
Pojawia się w:
Advances in Computer Science Research
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