Informacja

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

Wyszukujesz frazę "Savchyn, Ihor" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Prospect of development of the VRSNET reference stations network
Autorzy:
Kudas, Dawid
Wnęk, Agnieszka
Savchyn, Ihor
Powiązania:
https://bibliotekanauki.pl/articles/100470.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
Tematy:
VRSNET
active geodesic network design
RTK
GNSS
Voronoi/Thiessen polygons
CORS
projektowanie aktywnej sieci geodezyjnej
poligony Voronoi/Thiessen
Opis:
VRSNET jest komercyjną aktywną siecią geodezyjną składającą się ze stacji referencyjnych znajdujących się na terytorium Polski oraz na terytorium państw sąsiednich. W pracy przedstawiono analizę przestrzenną lokalizacji stacji permanentnych VRSNET, których anteny i odbiorniki satelitarne w sposób ciągły odbierają i rejestrują sygnały transmitowane przez GNSS (Global Navigation Satellite Systems). Rozważania skupiły się na delimitacji obszaru Polski pod względem potencjalnego zasięgu średniego poszczególnych stacji. W badaniach wykorzystano analizy przestrzenne m.in. diagram Voronoi/Thiessen (tesselacje Dirichleta) oraz bufory przestrzenne. W pracy oceniono geometrię sieci VRSNET dla potrzeb wykonywania pomiarów techniką Real Time Kinematic (RTK) z wykorzystaniem wektorów bazowych opartych wyłącznie na analizowanych stacjach. Podjęto także dyskusję dotyczącą możliwego rozwoju sieci VRSNET poprzez uruchomienie nowych stacji referencyjnych. W wyniku przeprowadzonych analiz przestrzennych wskazano lokalizację i zasięg obszarów wymagających zagęszczenia sieci VRSNET. W obszarach określonych w toku delimitacji powierzchni Polski wskazano lokalizacje 16 nowych stacji referencyjnych. W celu walidacji zagęszczoną o nowoprojektowane stacje sieć VRSNET poddano ponownej ocenie z użyciem diagramu Voronoi/Thiessena oraz buforów przestrzennych. Otrzymane wyniki porównano z parametrami dotyczącymi państwowej sieci ASG-EUPOS (Active Geodetic Network – European Position Determination System). Wykazano wynikającą z zaproponowanego scenariusza rozbudowy sieci VRSNET poprawę parametrów pomiarów techniką RTK. Zagęszczenie sieci może także wpływać pozytywnie na wyniki pomiarów techniką Network Real Time Kinematic (RTN).
The VRSNET is a commercial active geodetic network of reference stations deployed on Polish territory and in neighbouring countries. The paper presents a spatial analysis of locations of VRSNET permanent stations whose antennas and satellite receivers continuously record signals transmitted by Global Navigation Satellite Systems (GNSS). The study focused on delimiting the potential average range of individual stations in Poland. Spatial analyses, including Voronoi/Thiessen diagram (Dirichlet tessellations) and spatial buffers were used in the research. The study evaluated the geometry of the VRSNET network for the Real Time Kinematic (RTK) measurements that use base vectors solely from the analysed stations. Possible development of the VRSNET network through launching new reference stations was elaborated, too. The spatial analyses indicated the localisation and range of areas with an insufficient density of the VRSNET network. The locations of 16 new reference stations have been delimited on Polish territory. The VRSNET network with newly designed stations was reassessed for validation using the Voronoi/Thiessen diagram and spatial buffers. The results were compared with the parameters for the Active Geodetic Network – European Position Determination System (ASG-EUPOS). Improved RTK measurement geometric parameters resulting from the proposed scenario of the VRSNET network development have been demonstrated. Network density can also have a positive impact on the measurement results of the Network Real Time Kinematic (NRTK).
Źródło:
Geomatics, Landmanagement and Landscape; 2020, 2; 51-64
2300-1496
Pojawia się w:
Geomatics, Landmanagement and Landscape
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wound image segmentation using clustering based algorithms
Autorzy:
Farmaha, Ihor
Banaś, Marian
Savchyn, Vasyl
Lukashchuk, Bohdan
Farmaha, Taras
Powiązania:
https://bibliotekanauki.pl/articles/2064381.pdf
Data publikacji:
2019
Wydawca:
STE GROUP
Tematy:
clustering
Segmentation
machine learning
neural networks
wounds
segmentacja
nauczanie maszynowe
sieci neuronowe
rany
klastrowanie
Opis:
Classic methods of measurement and analysis of the wounds on the images are very time consuming and inaccurate. Automation of this process will improve measurement accuracy and speed up the process. Research is aimed to create an algorithm based on machine learning for automated segmentation based on clustering algorithms Methods. Algorithms used: SLIC (Simple Linear Iterative Clustering), Deep Embedded Clustering (that is based on artificial neural networks and k-means). Because of insufficient amount of labeled data, classification with artificial neural networks can`t reach good results. Clustering, on the other hand is an unsupervised learning technique and doesn`t need human interaction. Combination of traditional clustering methods for image segmentation with artificial neural networks leads to combination of advantages of both of them. Preliminary step to adapt Deep Embedded Clustering to work with bio-medical images is introduced and is based on SLIC algorithm for image segmentation. Segmentation with this method, after model training, leads to better results than with traditional SLIC.
Źródło:
New Trends in Production Engineering; 2019, 2, 1; 570--578
2545-2843
Pojawia się w:
New Trends in Production Engineering
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