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 "Charytanowicz, Małgorzata" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Klasyfikacja obiektów na podstawie ich zdjęć rentgenowskich
    Object classification using X-ray images
    Autorzy:
    Nowosad, Piotr
    Charytanowicz, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/98446.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    object classification
    geometric features
    image processing
    X-ray imaging
    klasyfikacja obiektów
    cechy geometryczne
    przetwarzanie obrazów
    obrazowanie rentgenowskie
    Opis:
    The main aim of the presented research was to assess the possibility of utilizing geometric features in object classifica-tion. Studies were conducted using X-ray images of kernels belonging to three different wheat varieties: Kama, Canadi-an and Rosa. As a part of the work, image processing methods were used to determine the main geometric grain parameters, including the kernel area, kernel perimeter, kernel length and kernel width. The results indicate significant differences between wheat varieties, and demonstrates the importance of their size and shape parameters in the classification process. The percentage of correctness of classification was about 92% when the k-Means algorithm was used. A classification rate of 93% was obtain using the K-Nearest Neighbour and Support Vector Machines. Herein, the Rosa variety was better recognized, whilst the Canadian and Kama varieties were less successfully differentiated.
    Głównym celem artykułu było zbadanie możliwości wykorzystania cech geometrycznych obiektów w procesie ich klasyfikacji. Materiał badawczy stanowiły zdjęcia rentgenowskie ziaren trzech odmian pszenicy: kama, kanadyjskiej i rosa. W ramach pracy opracowano metody pozwalające na wyznaczenie cech geometrycznych obiektów znajdujących się na obrazach cyfrowych, takich jak długość, szerokość, średnica, pole i obwód. Otrzymane wyniki wykazały istotne różnice pomiędzy parametrami charakteryzującymi kształt i wielkości poszczególnych odmian pszenicy i możliwość ich zastosowania w procesie klasyfikacji. Procent poprawnie zaklasyfikowanych ziaren za pomocą algorytmu k-średnich wynosił 92%. Nieco lepsze wyniki, rzędu 93%, uzyskano za pomocą metod K-najbliższych sąsiadów i wek-torów wspierających. Najlepiej rozróżnialną odmianą okazała się rosa w porównaniu do odmian kanadyjskiej i kama.
    Źródło:
    Journal of Computer Sciences Institute; 2020, 15; 206-213
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Detection of fillers in the speech by people who stutter
    Autorzy:
    Suszyński, Waldemar
    Charytanowicz, Małgorzata
    Rosa, Wojciech
    Koczan, Leopold
    Stęgierski, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/1956029.pdf
    Data publikacji:
    2021
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    stuttering
    fillers disfluency
    automatic recognition
    fillers detection
    jąkanie
    dysfluencja
    automatyczne rozpoznawanie
    wykrywanie
    Opis:
    Stuttering is a speech impediment that is a very complex disorder. It is difficult to diagnose and treat, and is of unknown initiation, despite the large number of studies in this field. Stuttering can take many forms and varies from person to person, and it can change under the influence of external factors. Diagnosing and treating speech disorders such as stuttering requires from a speech therapist, not only good professional prepa-ration, but also experience gained through research and practice in the field. The use of acoustic methods in combination with elements of artificial intelligence makes it possible to objectively assess the disorder, as well as to control the effects of treatment. The main aim of the study was to present an algorithm for automatic recognition of fillers disfluency in the statements of people who stutter. This is done on the basis of their parameterized features in the amplitude-frequency space. The work provides as well, exemplary results demonstrating their possibility and effectiveness. In order to verify and optimize the procedures, the statements of seven stutterers with duration of 2 to 4 minutes were selected. Over 70% efficiency and predictability of automatic detection of these disfluencies was achieved. The use of an automatic method in conjunction with therapy for a stuttering person can give us the opportunity to objectively assess the disorder, as well as to evaluate the progress of therapy.
    Źródło:
    Applied Computer Science; 2021, 17, 4; 45-54
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient astronomical data condensation using approximate nearest neighbors
    Autorzy:
    Łukasik, Szymon
    Lalik, Konrad
    Sarna, Piotr
    Kowalski, Piotr A.
    Charytanowicz, Małgorzata
    Kulczycki, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/907932.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    big data
    astronomical observation
    data reduction
    nearest neighbor search
    kd-trees
    duży zbiór danych
    obserwacja astronomiczna
    redukcja danych
    wyszukiwanie najbliższego sąsiada
    drzewo kd
    Opis:
    Extracting useful information from astronomical observations represents one of the most challenging tasks of data exploration. This is largely due to the volume of the data acquired using advanced observational tools. While other challenges typical for the class of big data problems (like data variety) are also present, the size of datasets represents the most significant obstacle in visualization and subsequent analysis. This paper studies an efficient data condensation algorithm aimed at providing its compact representation. It is based on fast nearest neighbor calculation using tree structures and parallel processing. In addition to that, the possibility of using approximate identification of neighbors, to even further improve the algorithm time performance, is also evaluated. The properties of the proposed approach, both in terms of performance and condensation quality, are experimentally assessed on astronomical datasets related to the GAIA mission. It is concluded that the introduced technique might serve as a scalable method of alleviating the problem of the dataset size.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 467-476
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Recognition of handwritten Latin characters with diacritics using CNN
    Autorzy:
    Lukasik, Edyta
    Charytanowicz, Małgorzata
    Milosz, Marek
    Tokovarov, Michail
    Kaczorowska, Monika
    Czerwinski, Dariusz
    Zientarski, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2090714.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    handwritten documents
    diacritic
    neural networks
    character recognition
    deep learning
    dokument odręczny
    znaki diakrytyczne
    sieci neuronowe
    rozpoznawanie znaków
    głęboka nauka
    Opis:
    Convolutional Neural Networks (CNN) have achieved huge popularity in solving problems in image analysis and in text recognition. In this work, we assess the effectiveness of CNN-based architectures where a network is trained in recognizing handwritten characters based on Latin script. European languages such as Dutch, French, German, etc., use different variants of the Latin script, so in the conducted research, the Latin alphabet was extended by certain characters with diacritics used in Polish language. To evaluate the recognition results under the same conditions, a handwritten Latin dataset was also developed. The proposed CNN architecture produced an accuracy of 96% for the extended character set. This is comparable to state-of-the-art results found in the domain of identifying handwritten characters. The presented approach extends the usage of CNN-based recognition to different variants of the Latin characters and shows it can be successfully used for a set of languages based on that script. It seems to be an effective technique for a set of languages written using the Latin script.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 1; e136210, 1--12
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Recognition of handwritten Latin characters with diacritics using CNN
    Autorzy:
    Lukasik, Edyta
    Charytanowicz, Małgorzata
    Milosz, Marek
    Tokovarov, Michail
    Kaczorowska, Monika
    Czerwinski, Dariusz
    Zientarski, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2173581.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    handwritten documents
    diacritic
    neural networks
    character recognition
    deep learning
    dokument odręczny
    znaki diakrytyczne
    sieci neuronowe
    rozpoznawanie znaków
    głęboka nauka
    Opis:
    Convolutional Neural Networks (CNN) have achieved huge popularity in solving problems in image analysis and in text recognition. In this work, we assess the effectiveness of CNN-based architectures where a network is trained in recognizing handwritten characters based on Latin script. European languages such as Dutch, French, German, etc., use different variants of the Latin script, so in the conducted research, the Latin alphabet was extended by certain characters with diacritics used in Polish language. To evaluate the recognition results under the same conditions, a handwritten Latin dataset was also developed. The proposed CNN architecture produced an accuracy of 96% for the extended character set. This is comparable to state-of-the-art results found in the domain of identifying handwritten characters. The presented approach extends the usage of CNN-based recognition to different variants of the Latin characters and shows it can be successfully used for a set of languages based on that script. It seems to be an effective technique for a set of languages written using the Latin script.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 1; art. no. e136210
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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