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 "analiza uderzeń" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Impact-based piezoelectric energy harvesting system excited from diesel engine suspension
    Autorzy:
    Caban, Jacek
    Litak, Grzegorz
    Ambrożkiewicz, Bartłomiej
    Gardyński, Leszek
    Stączek, Paweł
    Wolszczak, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/118147.pdf
    Data publikacji:
    2020
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    vibration energy harvesting
    impact analysis
    diesel engine
    zbieranie energii drgań
    analiza uderzeń
    silnik wysokoprężny
    Opis:
    Vibration energy harvesting systems are using real ambient sources of vibration excitation. In our paper, we study the dynamical voltage response of the piezoelectric vibrational energy harvesting system (PVEHs) with a mechanical resonator possessing an amplitude limiter. The PVEHs consist of the cantilever beam with a piezoelectric patch. The proposed system was subjected to the inertial excitation from the engine suspension. Impacts of the beam resonator are useful to increase of system’s frequency transition band. The suitable simulations of the resonator and piezoelectric transducer are performed by using measured signal from the engine suspension. Voltage outputs of linear (without amplitude limiter) and nonlinear harvesters were compared indicating better efficiency of the nonlinear design.
    Źródło:
    Applied Computer Science; 2020, 16, 3; 16-29
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Keystroke dynamics analysis using machine learning methods
    Autorzy:
    Shabliy, Nataliya
    Lupenko, Serhii
    Lutsyk, Nadiia
    Yasniy, Oleh
    Malyshevska, Olha
    Powiązania:
    https://bibliotekanauki.pl/articles/1956034.pdf
    Data publikacji:
    2021
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    keystroke dynamics analysis
    Machine Learning
    Neural Network
    Supervised Learning
    classification problem
    analiza dynamiki uderzeń klawiszy
    uczenie maszynowe
    sieć neuronowa
    uczenie nadzorowane
    problem klasyfikacji
    Opis:
    The primary objective of the paper was to determine the user based on its keystroke dynamics using the methods of machine learning. Such kind of a problem can be formulated as a classification task. To solve this task, four methods of supervised machine learning were employed, namely, logistic regression, support vector machines, random forest, and neural network. Each of three users typed the same word that had 7 symbols 600 times. The row of the dataset consists of 7 values that are the time period during which the particular key was pressed. The ground truth values are the user id. Before the application of machine learning classification methods, the features were transformed to z-score. The classification metrics were obtained for each applied method. The following parameters were determined: precision, recall, f1-score, support, prediction, and area under the receiver operating characteristic curve (AUC). The obtained AUC score was quite high. The lowest AUC score equal to 0.928 was achieved in the case of linear regression classifier. The highest AUC score was in the case of neural network classifier. The method of support vector machines and random forest showed slightly lower results as compared with neural network method. The same pattern is true for precision, recall and F1-score. Nevertheless, the obtained classification metrics are quite high in every case. Therefore, the methods of machine learning can be efficiently used to classify the user based on keystroke patterns. The most recommended method to solve such kind of a problem is neural network.
    Źródło:
    Applied Computer Science; 2021, 17, 4; 75-83
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    QRS complex detection in noisy holter ECG based on wavelet singularity analysis
    Detekcja zespołu QRS oparta na falkowej analizie osobliwości sygnału w zakłóconych zapisach EKG pochodzących z urządzenia Holtera
    Autorzy:
    Tadejko, P.
    Rakowski, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/341095.pdf
    Data publikacji:
    2010
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    EKG
    detekcja uderzeń serca
    zespół QRS
    falkowa analiza osobliwości
    modulus maxima
    zakłócony EKG
    zapisy Holtera
    progowanie adaptacyjne
    diadyczna transformata falkowa
    ECG
    heartbeat detection
    QRS complex
    wavelet singularity analysis
    noisy ECG
    Holter recordings
    adaptive threshold
    dyadic wavelet transform
    Opis:
    In this paper, we propose a QRS complex detector based on the Mallat and Hwang singularity analysis algorithm which uses dyadic wavelet transform. We design a spline wavelet that is suitable for QRS detection. The scales of this decomposition are chosen based on the spectral characteristics of electrocardiogram records. By proceeding with the multiscale analysis we can find the location of a rapid change of a signal, and hence the location of the QRS complex. The performance of the algorithm was tested using the records of the MIT-BIH Arrhythmia Database. The method is less sensitive to timevarying QRS complex morphology, minimizes the problems associated with baseline drift, motion artifacts and muscular noise, and allows R waves to be differentiated from large T and P waves. We propose an original, new approach to adaptive threshold algorithm that exploits statistical properties of the observed signal and additional heuristic. The threshold is independent for each successive ECG signal window and the algorithm uses the properties of a series of distribution with a compartments class. The noise sensitivity of the new proposed adaptive thresholding QRS detector was also tested using clinical Holter ECG records from the Medical University of Bialystok.We illustrate the performance of the wavelet-based QRS detector by considering problematic ECG signals from a Holter device. We have compared this algorithm with the commercial Holter system - Del Mar’s Reynolds Pathfinder on the special episodes selected by cardiologist.
    Praca przedstawia algorytm detekcji zespołu QRS oparty na falkowej analizie osobliwości sygnału Mallata i Hwanga, wykorzystujący diadyczna˛ transformatę falkową. Filtry cyfrowe analizy falkowej odpowiadają falce i funkcji skalującej w postaci tzw. splineów bramkowych drugiego stopnia o zwartym i krótkim nośniku. Dzięki temu podczas analizy sygnału i detekcji osobliwości możemy dokładniej kontrolować parametry procesu separacji wybranych częstotliwości. Dzięki analizie wieloskalowej możliwe jest zlokalizowanie miejsca gwałtownej zmiany sygnału, a tym samym lokalizacji zespołu QRS. Metoda posiada mniejszą wrażliwość na zmiany morfologii kolejnych zespołów QRS, minimalizuje problemy związane z występowaniem składowej wolnozmiennej, artefaktów ruchu i napięcia mięśni oraz pozwala na łatwiejszą separację załamka R w stosunku do załamków P i T. W niniejszej pracy zaproponowano oryginalny, adaptacyjny sposób wyznaczania progu detekcji przy użyciu właściwości statystycznych obserwowanego sygnału oraz dodatkowych heurystyk. Metoda wyznaczania progu jest niezależna dla każdego kolejnego okna sygnału, składającego sie˛ z kilkunastu cykli EKG. Algorytm wyznacza wartość progu na podstawie analizy własności szeregu rozdzielczego z przedziałami klasowymi. Działanie algorytmu zostało przetestowane przy użyciu zapisów z bazy MIT-BIH Arytmia Database. Dodatkowo, wrażliwość na zakłócenia adaptacyjnego detektora QRS była przetestowana przy użyciu, specjalnie wyselekcjonowanych przez kardiologa, epizodów EKG z systemu Holtera z Uniwersytetu Medycznego w Białymstoku. Porównania wyników dokonano z komercyjnym systemem Pathfinder firmy Del Mar Reynolds.
    Źródło:
    Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2010, 6; 95-111
    1644-0331
    Pojawia się w:
    Zeszyty Naukowe Politechniki Białostockiej. Informatyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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