Informacja

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

Wyszukujesz frazę "Hausman, Sławomir" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Początki Wydziału Elektrycznego na Politechnice Łódzkiej
The beginnings of the Faculty of Electrical Engineering at Łódź University of Technology
Autorzy:
Hausman, Sławomir
Powiązania:
https://bibliotekanauki.pl/articles/268122.pdf
Data publikacji:
2020
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
Politechnika Łódzka
Wydział Elektryczny Politechniki Łódzkiej
historia
Wydział Elektrotechniki, Elektroniki, Informatyki i Automatyki Politechniki Łódzkiej
Lodz University of Technology
Lodz University of Technology Faculty of Electrical Engineering
history
Lodz University of Technology Faculty of Electrical, Electronic, Computer and Control Engineering
Opis:
W artykule krótko omówiono powstanie i początki Wydziału Elektrycznego na Politechnice Łódzkiej. 8 maja 1945 r. do Łodzi przyjechał profesor Bohdan Stefanowski i rozpoczął prace nad utworzeniem uczelni.
It was only after the 2nd World War that first universities in the city of Łódź were brought into existence. After a few months of efforts by the Łódź authorities the decision was made by the Ministry of Education that “the necessity to establish a technical university in Łódź does not demand further justification”. On 8 May 1945 Professor Bohdan Stefanowski from the Warsaw University of Technology came to Łódź and he immediately started to work passionately on creating the university. Among the first three faculties Electrical Engineering was established along with the faculties of Mechanical Engineering and Chemical Engineering.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2020, 69; 105-108
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuromorphic approach for breathing rate monitoring using data produced by FMCW radar
Autorzy:
Ślot, Krzysztof
Łuczak, Piotr
Hausman, Sławomir
Powiązania:
https://bibliotekanauki.pl/articles/2173715.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
neuromorphic architectures
analog computing
FMCW radar
vital parameter estimation
architektura neuromorficzna
obliczenia analogowe
radar FMCW
ocena parametrów życiowych
Opis:
The paper introduces a neuromorphic computational approach for breathing rate monitoring of a single person observed using a Frequency-Modulated Continuous Wave radar. The architecture, aimed at implementation in analog hardware to ensure high energy efficiency and to provide system operation longevity, comprises two main functional modules. The first one is a data preprocessing unit aimed at the extraction of information relevant to the analysis objective, whereas the second one is a pre-trained recurrent neural regressor, which analyzes sequences of incoming samples and estimates the breathing rate. To ensure compatibility with neural processing and to achieve simplicity of underlying resources, several solutions were proposed for the data preprocessing module, which provides range-wise space segmentation, selection of a bin of interest (comprising the dominant motion activity), and delivery of data to regressor inputs. To implement these functions, we introduce an appropriate chirp frequency modulation scheme, apply a neuromorphic filtering procedure and use a Winner-Takes-All network for extracting information from the bin of interest. The architecture has been experimentally verified using a dataset of indoor recordings supplied with reference data from a Zephyr BioHarness device. We show that the proposed architecture is capable of making correct breathing rate estimates while being feasible for analog implementation. The mean squared regression error with respect to the Zephyr-produced reference values is approximately 3.3 breaths per minute (with a deviation of ±0:27 in the 95% confidence interval) and the estimates are produced by a recurrent, GRU-based neural regressor, with a total of only 147 parameters.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2022, 70, 6; art. no. e143552
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
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