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 "cellular neural network" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Dynamics of land cover change in the Anambra River Basin of Nigeria and implications for sustainable land management
    Autorzy:
    Njar, Nnanjar G.
    Iheaturu, Chima J.
    Inyang, Utibe B.
    Okolie, Chukwuma J.
    Daramola, Olagoke E.
    Orji, Michael J.
    Powiązania:
    https://bibliotekanauki.pl/articles/52575326.pdf
    Data publikacji:
    2024
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    land cover
    neural network
    cellular automata Markov model
    population growth
    Sustainable Development Goals
    Opis:
    Land cover change and its consequences such as environmental degradation and biodiversity loss pose significant global challenges, including in Nigeria’s Anambra River Basin. This study focuses on monitoring, predicting and understanding land cover changes in the basin from 1987 to 2018, with projections up to 2030. It explores the intricate relationship between population growth and land cover dynamics, aiming to contribute to sustainable land management practices and align with the Sustainable Development Goals (SDGs) for 2030. Using a combination of neural network classification and the CA-Markov model, the study analyses historical land cover data to identify significant transformations. Between 1987 and 2018, bare lands increased by 29%, vegetation increased by 14%, built-up areas increased by 128% and waterbodies increased by 10%, whereas there was a 58% decline in the extent of wetlands. The most significant transformation occurred in the wetlands, with a total of 1819.46 km2 being converted to various land cover types. The results demonstrate remarkable shifts characterised by rapid urbanisation, substantial wetland loss and a decline in vegetation cover. Expectedly, population growth is found to be closely linked to the expansion of built-up areas while negatively impacting other land cover types. These findings underscore the urgent need for sustainable land management strategies that balance the demands of growing populations with the preservation of natural ecosystems and biodiversity. Furthermore, the study provides future projections that offer crucial insights for decision-makers involved in land use planning, biodiversity conservation and sustainable development.
    Źródło:
    Quaestiones Geographicae; 2024, 43, 1; 179-195
    0137-477X
    2081-6383
    Pojawia się w:
    Quaestiones Geographicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Robust hybrid synchronization control of chaotic 3-cell CNN with uncertain parameters using smooth super twisting algorithm
    Autorzy:
    Siddique, Nazam
    Rehman, Fazal
    Raoof, Uzair
    Iqbal, Shahid
    Rashad, Muhammad
    Powiązania:
    https://bibliotekanauki.pl/articles/27311427.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    hybrid synchronization
    cellular neural network
    sliding mode control
    smooth super twisting algorithm
    Lyapunov stability theory
    synchronizacja hybrydowa
    sieć neuronowa komórkowa
    sterowanie trybem przesuwnym
    teoria Lyapunova
    stabilność Lyapunova
    algorytm super skręcania płynny
    Opis:
    This paper presents the control design framework for the hybrid synchronization (HS) and parameter identification of the 3-Cell Cellular Neural Network. The cellular neural network (CNN) of this kind has increasing practical importance but due to its strong chaotic behavior and the presence of uncertain parameters make it difficult to design a smooth control framework. Sliding mode control (SMC) is very helpful for this kind of environment where the systems are nonlinear and have uncertain parameters and bounded disturbances. However, conventional SMC offers a dangerous chattering phenomenon, which is not acceptable in this scenario. To get chattering-free control, smooth higher-order SMC formulated on the smooth super twisting algorithm (SSTA) is proposed in this article. The stability of the sliding surface is ensured by the Lyapunov stability theory. The convergence of the error system to zero yields hybrid synchronization and the unknown parameters are computed adaptively. Finally, the results of the proposed control technique are compared with the adaptive integral sliding mode control (AISMC). Numerical simulation results validate the performance of the proposed algorithm.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2023, 71, 5; art. no. e146474
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A CNN based Hybrid approach towards automatic image registration
    Hybrydowe podejście do automatycznej rejestracji obrazu z wykorzystaniem komórkowych sieci neuronowych
    Autorzy:
    Arun, P. V.
    Katiyar, S. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/145296.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    teledetekcja
    metody resamplingu
    sieć neuronowa komórkowa
    analiza obrazu
    rejestracja obrazu
    cellular neural network (CNN)
    image analysis
    image registration
    resampling
    remote sensing
    Opis:
    Image registration is a key component of various image processing operations which involve the analysis of different image data sets. Automatic image registration domains have witnessed the application of many intelligent methodologies over the past decade; however inability to properly model object shape as well as contextual information had limited the attainable accuracy. In this paper, we propose a framework for accurate feature shape modeling and adaptive resampling using advanced techniques such as Vector Machines, Cellular Neural Network (CNN), SIFT, coreset, and Cellular Automata. CNN has found to be effective in improving feature matching as well as resampling stages of registration and complexity of the approach has been considerably reduced using corset optimization The salient features of this work are cellular neural network approach based SIFT feature point optimisation, adaptive resampling and intelligent object modelling. Developed methodology has been compared with contemporary methods using different statistical measures. Investigations over various satellite images revealed that considerable success was achieved with the approach. System has dynamically used spectral and spatial information for representing contextual knowledge using CNN-prolog approach. Methodology also illustrated to be effective in providing intelligent interpretation and adaptive resampling.
    Rejestracja obrazu jest kluczowym składnikiem różnych operacji jego przetwarzania. W ostatnich latach do automatycznej rejestracji obrazu wykorzystuje się metody sztucznej inteligencji, których największą wadą, obniżającą dokładność uzyskanych wyników jest brak możliwości dobrego wymodelowania kształtu i informacji kontekstowych. W niniejszej pracy zaproponowano zasady dokładnego modelowania kształtu oraz adaptacyjnego resamplingu z wykorzystaniem zaawansowanych technik, takich jak Vector Machines (VM), komórkowa sieć neuronowa (CNN), przesiewanie (SIFT), Coreset i automaty komórkowe. Stwierdzono, że za pomocą CNN można skutecznie poprawiać dopasowanie obiektów obrazowych oraz resampling kolejnych kroków rejestracji, zaś zastosowanie optymalizacji metodą Coreset znacznie redukuje złożoność podejścia. Zasadniczym przedmiotem pracy są: optymalizacja punktów metodą SIFT oparta na podejściu CNN, adaptacyjny resampling oraz inteligentne modelowanie obiektów. Opracowana metoda została porównana ze współcześnie stosowanymi metodami wykorzystującymi różne miary statystyczne. Badania nad różnymi obrazami satelitarnymi wykazały, że stosując opracowane podejście osiągnięto bardzo dobre wyniki. System stosując podejście CNN-prolog dynamicznie wykorzystuje informacje spektralne i przestrzenne dla reprezentacji wiedzy kontekstowej. Metoda okazała się również skuteczna w dostarczaniu inteligentnych interpretacji i w adaptacyjnym resamplingu.
    Źródło:
    Geodesy and Cartography; 2013, 62, 1; 33-49
    2080-6736
    2300-2581
    Pojawia się w:
    Geodesy and Cartography
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bifurcation in a nonlinear steady state system
    Autorzy:
    Wang, G. Q.
    Cheng, S. S.
    Powiązania:
    https://bibliotekanauki.pl/articles/255541.pdf
    Data publikacji:
    2010
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    bifurcation
    cellular neural network
    steady state
    Krasnoselsky fixed point theorem
    Opis:
    The steady state solutions of a nonlinear digital cellular neural network with ω neural units and a nonnegative variable parameter λ are sought. We show that λ = 1 is a critical value such that the qualitative behavior of our network changes. More specifically, when ω is odd, then for λ ∈ [0, 1), there is one positive and one negative steady state, and for λ ∈ [1, ∞), steady states cannot exist; while when ω is even, then for λ ∈ [0, 1), there is one positive and one negative steady state, and for λ = 1, there are no nontrivial steady states, and for λ ∈ (1, ∞), there are two fully oscillatory steady states. Furthermore, the number of existing nontrivial solutions cannot be improved. It is hoped that our results are of interest to digital neural network designers.
    Źródło:
    Opuscula Mathematica; 2010, 30, 3; 349-360
    1232-9274
    2300-6919
    Pojawia się w:
    Opuscula Mathematica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci komórkowych do tworzenia semantycznych map otoczenia robota mobilnego
    The application of cellular neural network in semantic map building
    Autorzy:
    Undak, M.
    Siemiątkowska, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/275452.pdf
    Data publikacji:
    2010
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    roboty mobilne
    sieci komórkowe
    mapy semantyczne
    mobile robots
    cellular neural networks
    semantic map
    Opis:
    W pracy przedstawiono wyniki badania powierzchni, po której przemieszcza się robot mobilny. Dane uzyskiwane są ze skanera laserowego 3D, zmieniany jest sposób reprezentacji - z biegunowej na kartezjańską. W kolejnym kroku dane 3D są zamieniane na kolorowy obraz 2D, który jest następnie poddawany procesom segmentacji i analizy. Klasyfikacja danych pomiarowych 3D jest przeprowadzana na podstawie wyników analizy obrazów i informacji metrycznej. Wyodrębniono następujące rodzaje powierzchni w pomieszczeniach zamkniętych: podłoga, schody, podesty, progi oraz powierzchnie typu trawa i chodnik, które znajdują się na zewnątrz budynków. Testy przeprowadzono w rzeczywistym środowisku przy pomocy robota Elektron z zamontowanym dalmierzem laserowym 3D.
    The paper presents the results of 3D data classification. The data obtained from 3D laser are transformed from the polar to the Cartesian coordinate system. The data is represented as a colored image. Then the image is analyzed. The classification of 3D data is performed based on the result of image segmentation and metric information. The experiments were performed in indoor and outdoor environments. The following objects were classified successfully: floor, stairs, grass, sideway.
    Źródło:
    Pomiary Automatyka Robotyka; 2010, 14, 2; 305-313
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Coordinating the motion of mobile robots using Cellular Neural Network
    Autorzy:
    Siemiątkowska, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/384283.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    neural networks
    mobile robot
    mapping
    navigation
    multi-robots systems
    cellular neural network
    Opis:
    This paper presents a method for motion planning for a group of mobile robots. The goal of the group is to move through an environment and to reach a destination while maintaining the desired formation. The map of the environment is represented as a grid of cells. A state of each cell is determined. It can be free, occupied by the obstacle, occupied by a robot. The trajectories of the robots are planned using the modification of diffusion method. The algorithm is implemented using Cellular Neural Network. This kind of implementation allows of efficient path planning and to solve conflicts between robots. Computer simulations were preformed in order to proof the efficiency of the approach.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2008, 2, 2; 65-69
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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