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 "Jakóbczak, D." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Reconstruction of high-dimensional data using the method of probabilistic features combination
    Autorzy:
    Jakóbczak, D. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/118528.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    image retrieval
    pattern recognition
    data modeling
    vector interpolation
    PFC method
    feature reconstruction
    probabilistic modeling
    pobieranie obrazu
    rozpoznawanie wzorców
    modelowanie danych
    interpolacja wektora
    metoda PFC
    funkcja rekonstrukcji
    modelowanie probabilistyczne
    Opis:
    Proposed method, called Probabilistic Features Combination (PFC), is the method of multi-dimensional data modeling, extrapolation and interpolation using the set of high-dimensional feature vectors. This method is a hybridization of numerical methods and probabilistic methods. Identification of faces or fingerprints need modeling and each model of the pattern is built by a choice of multi-dimensional probability distribution function and feature combination. PFC modeling via nodes combination and parameter γ as N-dimensional probability distribution function enables data parameterization and interpolation for feature vectors. Multidimensional data is modeled and interpolated via nodes combination and different functions as probability distribution functions for each feature treated as random variable: polynomial, sine, cosine, tangent, cotangent, logarithm, exponent, arc sin, arc cos, arc tan, arc cot or power function.
    Autorska metoda Probabilistycznej Kombinacji Cech - Probabilistic Features Combination (PFC) jest wykorzystywana do interpolacji i modelowania wielowymiarowych danych. Węzły traktowane są jako punkty charakterystyczne N-wymiarowej informacji, która ma być odtwarzana (np. obraz). Wielowymiarowe dane są interpolowane lub rekonstruowane z wykorzystaniem funkcji rozkładu prawdopodobieństwa: potęgowych, wielomianowych, wykładniczych, logarytmicznych, trygonometrycznych, cyklometrycznych.
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2016, 9; 37-50
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Data Forecasting and Extrapolation via Probability Distribution and Nodes Combination
    Autorzy:
    Jakóbczak, D. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/118343.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    information retrieval
    data extrapolation
    curve interpolation
    PNC method
    probabilistic modeling
    forecasting
    wyszukiwanie informacji
    ekstrapolacja danych
    interpolacja krzywej
    metoda PNC
    modelowanie probabilistyczne
    prognozowanie
    Opis:
    Proposed method, called Probabilistic Nodes Combination (PNC), is the method of 2D data interpolation and extrapolation. Nodes are treated as characteristic points of information retrieval and data forecasting. PNC modeling via nodes combination and parameter γ as probability distribution function enables 2D point extrapolation and interpolation. Two-dimensional information is modeled via nodes combination and some functions as continuous probability distribution functions: polynomial, sine, cosine, tangent, cotangent, logarithm, exponent, arc sin, arc cos, arc tan, arc cot or power function. Extrapolated values are used as the support in data forecasting.
    Autorska metoda Probabilistycznej Kombinacji Węzłów- Probabilistic Nodes Combination (PNC) jest wykorzystywana do interpolacji i ekstrapolacji dwuwymiarowych danych. Węzły traktowane są jako punkty charakterystyczne informacji, która ma być odtwarzana lub przewidywana. Dwuwymiarowe dane są interpolowane lub ekstrapolowane z wykorzystaniem różnych funkcji rozkładu prawdopodobieństwa: potęgowych, wielomianowych, wykładniczych, logarytmicznych, trygonometrycznych, cyklometrycznych. W pracy pokazano propozycję metody ekstrapolowania danych jako pomoc w przewidywaniu trendu dla nieznanych wartości.
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2015, 8; 25-37
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The method of probabilistic nodes combination in handwriting recognition
    Autorzy:
    Jakóbczak, D. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/118548.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    Hurwitz-Radon matrices
    Active Object Modeling
    macierze Hurwitza-Radona
    modelowanie obiektów
    Opis:
    Zaproponowana autorska metoda Probabilistycznej Kombinacji WęzłówProbabilistic Nodes Combination (PNC) jest sposobem modelowania krzywej 2D oraz identyfikacji i rozpoznania pisma odręcznego na podstawie punktów kluczowych (węzłów). Węzły traktowane są jako punkty charakterystyczne podpisu odręcznego lub pisma przed modelowaniem i rozpoznaniem. Dwuwymiarowe dane są interpolowane z wykorzystaniem różnych funkcji rozkładu prawdopodobieństwa: potęgowych, wielomianowych, wykładniczych, logarytmicznych, trygonometrycznych, cyklometrycznych. W pracy pokazano propozycję algorytmu modelowania i rozpoznania pisma odręcznego.
    Proposed method, called Probabilistic Nodes Combination (PNC), is the method of 2D curve modeling and handwriting identification by using the set of key points. Nodes arę treated as characteristic points of signature or handwriting for modeling and writer recognition. Identification of handwritten letters or symbols need modeling and the model of each individual symbol or character is built by a choice of probability distribution function and nodes Combination. PNC modeling via nodes combination and parameter y as probability distribution function enables curve parameterization and interpolation for each specific letter or symbol. Two-dimensional curve is modeled and interpolated via nodes combination and different functions as continuous probability distribution functions: polynomial, sine, cosine, tangent, cotangent, logarithm, exponent, arc sin, arc cos, arc tan, arc cot or power function.
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2014, 6; 35-50
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Active Object Modeling and Applications via the Method of Hurwitz-Radon Matrices
    Autorzy:
    Jakóbczak, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/118372.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    Hurwitz-Radon matrices
    active object modeling
    macierze Hurwitza-Radona
    aktywne modelowanie obiektów
    Opis:
    Artificial intelligence and computer vision need methods for object modeling having discrete set of boundary points. A novel method of Hurwitz-Radon Matrices (MHR) is used in shape modeling. Proposed method is based on the family of Hurwitz-Radon (HR) matrices which possess columns composed of orthogonal vectors. Two-dimensional active curve is modeling via different functions: sinus, cosine, tangent, logarithm, exponent, arc sin, arc cos, arc tan and power function. It is shown how to build the orthogonal matrix OHR operator and how to use it in a process of object modeling.
    Matematyka i jej zastosowania wymagają odpowiednich metod modelowania oraz interpolacji danych. Autorska metoda Macierzy Hurwitza-Radona (MHR) jest sposobem modelowania krzywej 2D. Oparta jest ona na rodzinie macierzy Hurwitza-Radona, których kluczową cechą jest ortogonalność kolumn. Dwuwymiarowe dane są interpolowane z wykorzystaniem różnych funkcji rozkładu prawdopodobieństwa: potęgowych, wielomianowych, wykładniczych, logarytmicznych, trygonometrycznych, cyklometrycznych. W pracy pokazano budowę ortogonalnego operatora macierzowego i jego wykorzystanie w rekonstrukcji i modelowaniu danych.
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2013, 5; 5-15
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Zero of Function and Interpolation by the Method of Hurwitz-Radon Matrices
    Autorzy:
    Jakóbczak, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/118456.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    interpolation
    method of Hurwitz-Radon Matrices
    zero function
    interpolacja
    metoda Hurwitza-Radona
    miejsce zerowe funkcji
    Opis:
    Mathematics need suitable methods to approximate a zero of the function. Coordinate x for f(x)=0 is crucial in a large number of calculations because each equation can be transformed into f(x)=0. A novel method of Hurwitz-Radon Matrices (MHR) can be used in approximation of a root of function in the plane. The paper contains a way of data approximation via MHR method to solve any equation. Proposed method is based on the family of Hurwitz-Radon (HR) matrices. The matrices are skew-symmetric and possess columns composed of orthogonal vectors. The operator of Hurwitz-Radon (OHR), built from these matrices, is described. Two-dimensional data are represented by discrete set of curve f points. It is shown how to create the orthogonal OHR operator and how to use it in a process of data interpolation. MHR method is interpolating the curve point by point without using any formula or function.
    Matematyka wymaga odpowiednich metod przybliżania miejsca zerowego funkcji. Współrzędna x w równaniu f(x)=0 jest kluczowa w wielu przypadkach, ponieważ dowolne równanie nieliniowe może zostać przedstawione jako f(x)=0. Nowa metoda Macierzy Hurwitza-Radona (MHR) może zostać użyta w rozwiązywaniu dowolnego równania z jedną niewiadomą. Artykuł zawiera sposób przybliżania pierwiastka funkcji. Metoda ta jest oparta na rodzinie macierzy Hurwitza-Radona (HR). Macierze HR są skośno-symetryczne i składają się z kolumn tworzących ortogonalne wektory. W pracy pokazano jak konstruować Operator Hurwitza-Radona (OHR) oraz jak wykorzystać go w procesie rozwiązywania równania. Krzywa płaska opisana jest za pomocą punktów węzłowych. Metoda MHR interpoluje funkcję punkt po punkcie bez użycia wzoru opisującego krzywą.
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2012, 4; 55-66
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Shape Coefficients via Method of Hurwitz-Radon Matrices
    Autorzy:
    Jakóbczak, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/118500.pdf
    Data publikacji:
    2011
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    Method of Hurwitz-Radon Matrices (MHR)
    curves in the plane
    operator of Hurwitz-Radon (OHR)
    metoda Macierzy Hurwitza-Radona (MHR)
    krzywe płaskie
    Operator Hurwitza-Radona (OHR)
    Opis:
    Computer vision needs suitable methods of shape representation and contour reconstruction. Method of Hurwitz-Radon Matrices (MHR), invented and described by the author, is applied in reconstruction and interpolation of curves in the plane. Reconstructed curves represent the shape and contour of the object. Any point of the contour can be calculated by MHR method and then parameters of the object, used in shape coefficients, are computed: length of the contour, area of the object, Feret’s diameters. Proposed method is based on a family of Hurwitz-Radon (HR) matrices. The matrices are skew-symmetric and possess columns composed of orthogonal vectors. The operator of Hurwitz-Radon (OHR), built from these matrices, is described. The shape is represented by the set of nodes. It is shown how to create the orthogonal and discrete OHR and how to use it in a process of shape representation and reconstruction. MHR method is interpolating the curve point by point without using any formula or function.
    Komputerowa wizja wymaga odpowiednich metod reprezentacji kształtu obiektu i rekonstrukcji jego konturu. Jedna z takich metod, opracowana i nazwana przez autora metodą Macierzy Hurwitza-Radona (MHR), może zostać użyta w interpolacji i rekonstrukcji krzywych płaskich. Odtworzone krzywe przedstawiają kształt i kontur obiektu. Dzięki metodzie MHR możliwe jest wyznaczenie dowolnego punktu konturu i obliczenie parametrów używanych we współczynnikach kształtu: długość konturu, powierzchnia obiektu, średnice Fereta. Metoda ta jest oparta na rodzinie macierzy Hurwitza-Radona (HR). Macierze HR są skośno-symetryczne i składają się z kolumn tworzących ortogonalne wektory. W pracy pokazano jak konstruować Operator Hurwitza-Radona (OHR) oraz jak wykorzystać go w procesie interpolacji konturu. Kształt obiektu opisany jest za pomocą punktów węzłowych. Metoda MHR rekonstruuje kontur i kształt obiektu punkt po punkcie, bez użycia wzoru opisującego krzywą.
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2011, 3; 59-72
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Hurwitz – Radon matrices in shape representation
    Autorzy:
    Jakóbczak, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/117952.pdf
    Data publikacji:
    2010
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    shape representation
    curve interpolation
    contour reconstruction
    shape coefficient
    Hurwitz-Radon matrices
    Opis:
    Computer vision needs suitable methods of shape representation and contour reconstruction. One of them, invented by the author and called method of Hurwitz-Radon Matrices (MHR), can be used in representation and reconstruction of shapes of the objects in the plane. Proposed method is based on a family of Hurwitz-Radon (HR) matrices. The matrices are skew-symmetric and possess columns composed of orthogonal vectors. Shape is represented by the set of nodes. It is shown how to create the orthogonal and discrete OHR operator and how to use it in a process of shape representation and reconstruction. MHR method is interpolating the curve point by point without using any formula or function.
    Źródło:
    Applied Computer Science; 2010, 6, 1; 63-74
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rekonstrukcja kształtu obiektu metodą Macierzy Hurwitza-Radona z parametrem k
    Object shape reconstruction using Hurwitz-Radon matrix with the parameter k
    Autorzy:
    Jakóbczak, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/118520.pdf
    Data publikacji:
    2010
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    macierze Hurwitza-Radona
    metoda MHR
    operator Hurwitza-Radona
    MHR
    OHR
    Hurwitz-Radon matrices
    method of Hurwitz-Radon Matrices
    operator of Hurwitz-Radon
    Opis:
    Zagadnienie rekonstrukcji kształtu obiektów płaskich wymaga metod, które potrafią w sposób elastyczny zrekonstruować kontur obiektu na podstawie punktów charakterystycznych i które to metody pozwolą na wybór ostatecznego kształtu obiektu spośród kilku wersji. Jedna z takich metod, opracowana i nazwana przez autora metodą Macierzy Hurwitza-Radona (MHR), może zostać użyta w modelowaniu i rekonstrukcji obrazów 2D i 3D, które opisane są za pomocą konturów i krzywych. Metoda ta jest oparta na rodzinie macierzy Hurwitza-Radona (HR). Macierze HR są skośno-symetryczne i składają się z kolumn tworzących ortogonalne wektory. W pracy pokazano jak konstruować Operator Hurwitza-Radona (OHR) oraz jak wykorzystać go w procesie interpolacji konturu i w modelowaniu obiektu. Brakujące punkty konturu obliczane są z zastosowaniem wypukłej kombinacji M2 dwóch operatorów OHR M0 i M1: M2 = αk ×M0+(1-α k)×M1. Formuła obliczeń to Y(C) = M2×C. Dobór parametru k z przedziału (0;2] pozwala modelować i rekonstruować kontur obiektu. Opisana metoda wymaga odpowiedniego wyboru węzłów, tzn. punktów charakterystycznych odtwarzanej krzywej: węzły powinny być umieszczone w każdym minimum lub maksimum jednej ze współrzędnych i węzły powinny być monotoniczne względem jednej współrzędnej (np. równoodległe). Metoda MHR modeluje kontur i kształt obiektu punkt po punkcie, bez użycia wzoru funkcji opisującej krzywą.
    Reconstruction of object’s shape in the plane needs suitable methods for interpolation of the object contour based on characteristic points. Such a method ought to reconstruct the contour in elastic way and must let us choose a final shape of the object among few versions. One of them, invented by the author and called the method of Hurwitz-Radon Matrices (MHR), can be used in modeling and reconstruction of 2D and 3D objects, which are described by contours and curves. The method is based on a family of Hurwitz-Radon (HR) matrices. The matrices are skew-symmetric and possess columns composed of orthogonal vectors. The Operator of Hurwitz-Radon (OHR), built from these matrices, is described. It is shown how to create the orthogonal and discrete OHR and how to use it in a process of contour interpolation and object modeling. Contour points are calculated by convex combination M2 of two OHR operators M0 and M1: M2 = α k ×M0+(1-α k )×M1. Formula of calculations: Y(C) = M2×C. Parameter k from range (0;2] is responsible for appropriate modeling i reconstruction of object contour. The method needs suitable choice of interpolation nodes, i.e. points of the curve to be reconstructed: nodes should be settled at each local extremum and nodes should be monotonic in one of coordinates. MHR method is modeling the contour and shape of the object point by point, without using any formula of function or mathematical form of curve
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2010, 2; 109-118
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie dyskretnego, ortogonalnego operatora Hurwitza-Radona w kompresji i rekonstrukcji konturów obrazów monochromatycznych
    Application of the discrete and orthogonal Hurwitz-Radon operator in the compression and reconstruction of the monochrome image contours
    Autorzy:
    Jakóbczak, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/118464.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    operator Hurwitza-Radona
    kompresja konturów obrazów
    rekonstrukcja konturów obrazów
    obrazy monochromatyczne
    Hurwitz-Radon operator
    compression image contours
    reconstruction image contours
    monochrome image
    Źródło:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej; 2009, 1; 95-112
    1897-7421
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hurwitz-Radon operator in monochromatic medical image reconstruction
    Autorzy:
    Jakóbczak, D.
    Kosiński, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/333775.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    kompresja
    macierze Hurwitza-Radona
    kontur
    rekonstrukcja krzywej
    tomografia
    compression
    Hurwitz-Radon matrix
    contour
    curve reconstruction
    tomography
    Opis:
    In this paper the method, dedicated for medical images reconstruction, will be presented. One of them called the method of the Hurwitz-monochromatic (e.g. black and white) images. The method is based on a family of Hurwitz-Radon matrices. The matrices possess columns composed of orthonormal vectors. The operator of Hurwitz-Radon (OHR), built from that matrices, is described. It is shown how to create the orthogonal and discrete OHR and how to use it in a process of curve interpolation. The method needs suitable choice of nodes, i.e. points of the curve to be compressed: they should be equidistance in one of coordinates. Application of MHR gives a high level of compression (up to 99 %) and a very good interpolation accuracy in the process of reconstruction of contours. Its use in the computer tomography is also effective. Orthogonal OHR can be regarded as a linear and discrete model in the supervised (machine) learning [5]. It is shown how to use it in approximation of data. Created from the family of N-1 HR matrices and completed with the identical matrix, system of matrices is orthogonal only for vector spaces of dimensions N=2,4,8. Orthogonality of columns and rows is very important and significant for stability and high precision of calculations.
    Źródło:
    Journal of Medical Informatics & Technologies; 2007, 11; 69-78
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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