Informacja

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

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


Wyświetlanie 1-2 z 2
Tytuł:
Analytical Model for Explosive-Driven Ultracompact Shock-Wave Ferromagnetic Generators
Autorzy:
Talantsev, E.
Shkuratov, S.
Baird, J.
Altgilbers, L.
Powiązania:
https://bibliotekanauki.pl/articles/1807897.pdf
Data publikacji:
2009-06
Wydawca:
Polska Akademia Nauk. Instytut Fizyki PAN
Tematy:
62.50.+p
75.50.Ww
43.40.Jc
Opis:
An analytical model of the operation of recently invented ultracompact explosive-driven shock-wave ferromagnetic generators that utilize longitudinal (shock wave propagates along the magnetization vector) and transverse (shock wave propagates across the magnetization vector) shock wave demagnetization of $Nd_{2}Fe_{14}B$ hard ferromagnets, and an analytical technique for calculation of amplitudes of the current pulse produced by the generators were developed. The model utilizes the magnitude of the energy product, $(BH)_\text{max}$, and the magnetostatic energy of the hard ferromagnetic element of the ferromagnetic generator as parameters for determining ferromagnetic generator pulse generation, and it does not consider the magnitude of remnant magnetization, B_{r}, of the ferromagnetic material. The developed technique for calculation of the current pulse amplitude produced by the ferromagnetic generator provides comprehensive and accurate results. Amplitudes of calculated ferromagnetic generator output currents are in good agreement with experimentally obtained data.
Źródło:
Acta Physica Polonica A; 2009, 115, 6; 1028-1030
0587-4246
1898-794X
Pojawia się w:
Acta Physica Polonica A
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Teaching Machines on Snoring : A Benchmark on Computer Audition for Snore Sound Excitation Localisation
Autorzy:
Qian, K.
Janott, C.
Zhang, Z.
Deng, J.
Baird, A.
Heiser, C.
Hohenhorst, W.
Herzog, M.
Hemmert, W.
Schuller, B.
Powiązania:
https://bibliotekanauki.pl/articles/177964.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
snore sound
obstructive sleep apnea
acoustic features
machine learning
Opis:
This paper proposes a comprehensive study on machine listening for localisation of snore sound excitation. Here we investigate the effects of varied frame sizes, and overlap of the analysed audio chunk for extracting low-level descriptors. In addition, we explore the performance of each kind of feature when it is fed into varied classifier models, including support vector machines, k-nearest neighbours, linear discriminant analysis, random forests, extreme learning machines, kernel-based extreme learning machines, multilayer perceptrons, and deep neural networks. Experimental results demonstrate that, wavelet packet transform energy can outperform most other features. A deep neural network trained with subband Energy ratios reaches the highest performance achieving an unweighted average recall of 72.8% from four types for snoring.
Źródło:
Archives of Acoustics; 2018, 43, 3; 465-475
0137-5075
Pojawia się w:
Archives of Acoustics
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