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 "blind signal separation" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    ICA-based Single Channel Audio Separation: New Bases and Measures of Distance
    Autorzy:
    Mika, D.
    Kleczkowski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/177414.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    audio unmixing
    blind signal separation
    independent component analysis
    measures of distance
    Opis:
    Independent Component Analysis (ICA) can be used for single channel audio separation, if a mixed signal is transformed into time-frequency domain and the resulting matrix of magnitude coefficients is processed by ICA. Previous works used only frequency (spectral) vectors and Kullback-Leibler distance measure for this task. New decomposition bases are proposed: time vectors and time-frequency components. The applicability of several different measures of distance of components are analysed. An algorithm for clustering of components is presented. It was tested on mixes of two and three sounds. The perceptual quality of separation obtained with the measures of distance proposed was evaluated by listening tests, indicating “beta” and “correlation” measures as the most appropriate. The “Euclidean” distance is shown to be appropriate for sounds with varying amplitudes. The perceptual effect of the amount of variance used was also evaluated.
    Źródło:
    Archives of Acoustics; 2011, 36, 2; 311-331
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nowe metody analizy danych a teoria ekonomii
    New methods in data analysis and economic theory
    Autorzy:
    Szupiluk, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/500429.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Handlowa w Warszawie
    Tematy:
    nowoczesna analiza danych
    metodologia ekonomii
    ślepa separacja sygnałów
    neuroekonomia
    modern data analysis
    economic methodology
    blind signal separation
    neuroeconomy
    Opis:
    W niniejszym opracowaniu przedstawiliśmy związki między współczesnymi trendami w badaniach ekonomicznych a nowymi metodami analizy danych. Jako reprezentanta nowego nurtu analizy danych wybraliśmy metody ślepej separacji. Jest to dynamicznie rozwijająca się gałąź analizy danych, która zapoczątkowana pewnymi badaniami neurofizjologicznymi, przekształciła się w szerokie spektrum podejść rozważanych w kategoriach metod separacji, reprezentacji oraz transformacji danych. Do zasadniczych technik w tym obszarze należą przede wszystkim: analiza składowych niezależnych, nieujemna faktoryzacja macierzy oraz algorytmy AMUSE oraz SOBI. W drugiej części opracowania rozważamy różnice pozyskiwania wiedzy w podejściu indukcyjno-eksploracyjnym, którego reprezentantem mogą być metody separacji, a podejściem aprioryczno-dedukcyjnym typowym dla ortodoksyjnych nurtów ekonomii. Wykazujemy, że wbrew często opozycyjnemu ich przedstawieniu są to zasadniczo podejścia komplementarne. W naszej interpretacji wybór podejścia jest związany z relacją ilości danych do wielkości wiedzy eksperckiej o zjawisku.
    In this paper, we present relations between actual trends in economic research and novel methods in data analysis. As the representation of the new data analysis approach we choose the blind signal separation methods. Blind separation methods is a rapidly developed branch of data analysis. It started from some neurophysiological problem and grew to wide range analytical approaches which currently are considered in term of data separation, representation and transformation. The main techniques in this area are: independent component analysis, nonnegative matrix factorization or AMUSE and SOBI algorithms. In the second part of paper we consider knowledge discovery differences in inductive-exploration approach what is typical for blind signal separation methods and apriori-deductive approach what is typical for orthodox economy theories. Against often opposite treatments we suggest complementary interpretation. In our meaning the natural methodological choice is associated with relation data to expert knowledge about given phenomena. In the small data case we need to compensate it by some theorethical assumptions.
    Źródło:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH; 2015, 95 :Podejście krótkookresowe i strategiczne w polityce gospodarczej; 245-270
    0866-9503
    Pojawia się w:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Usuwanie artefaktów z danych EEG przy użyciu analizy składowych niezależnych
    Removal of artifacts from EEG data by means of Independent Component Analysis
    Autorzy:
    Górecka, J.
    Kaszyński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/158376.pdf
    Data publikacji:
    2008
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    ślepa separacja sygnałów
    analiza składowych niezależnych (ICA)
    sygnały EEG
    artefakt
    blind signal separation
    independent component analysis
    EEG data
    artifacts
    Opis:
    Celem przedstawionych wyników badań jest eliminacja wybranych niepożądanych sygnałów przy użyciu analizy składowych niezależnych. W artykule przedstawiono następujące algorytmy BSS (z ang. Blind Signal Separation): HJ oraz Infomax jako narzędzia do separacji i usuwania wybranej grupy artefaktów (mruganie powiek, artefakty mięśniowe) z przebiegów EEG. Jak udowodniono w eksperymentach proponowane algorytmy adaptacyjne mogą efektywnie wykrywać i usuwać wybrane artefakty z przebiegów EEG.
    The aim of the performed investigations is to remove selected undesired signals by means of ICA approach. In the paper there are presented the following algorithms BSS (Blind Signal Separation): HJ and Infomax for separation and removal of selected group of artifacts (eye blinks, muscle activity) from EEG recordings. It has been proved in the experiments which are described in the paper that the proposed adaptive algorithms can effectively detect and remove these selected artifacts from EEG recordings.
    Źródło:
    Pomiary Automatyka Kontrola; 2008, R. 54, nr 12, 12; 827-830
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    O metodach ślepego przetwarzania sygnałów diagnostycznych
    About methods the blind processing of diagnostic signals
    Autorzy:
    Dybała, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/327948.pdf
    Data publikacji:
    2005
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    ślepe przetwarzanie sygnałów
    ślepa separacja sygnałów
    analiza składników niezależnych
    sieci neuronowe
    blind signal processing
    blind source separation
    independent component analysis
    neural networks
    Opis:
    W artykule przedstawiono metody ślepego przetwarzania sygnałów traktując je jako interesujące sposoby wyodrębniania sygnałów informacyjnych i eliminacji zakłóceń. Zaprezentowano różne modele propagacji i mieszania sygnałów oraz różne metody rekonstrukcji tych sygnałów przy pomocy odpowiednich sieci neuronowych. W końcowej części artykułu omówiono problemy związane z zastosowaniem tych metod w diagnostyce technicznej i przedstawiono pewne modyfikacje i rozszerzenia klasycznego ślepego przetwarzania sygnałów dostosowujące przedstawione podejście do specyfiki diagnozowania obiektów technicznych.
    The article presents methods of blind signal processing, which make possible the separation the informative signals and the elimination of disturbances. Different models of propagation and mixing of signals are presented and different methods of reconstruction of source signals with use of neural networks are showed. In last section of article, problems related with application of mentioned methods in technical diagnostics are discussed. Also some modifications and extensions of classical blind signal processing are showed, adapting presented approach to peculiarity of diagnosing of technical objects.
    Źródło:
    Diagnostyka; 2005, 36; 53-60
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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