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 "data streaming" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    The system of MEMS sensors data streaming and signal quality analysis
    Autorzy:
    Fabiański, B.
    Nowopolski, K.
    Wicher, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/97285.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    MEMS technology
    accelerometers
    data streaming
    digital signal processing
    data acquisition
    STM32L microcontrollers
    Opis:
    In the article, a dedicated testing environment for MEMS sensors is presented. The system serve real–time measurements from several, different interfaced sensors, what gives opportunity to collect the data and – furthermore – its off–line analysis. To complete the main challenge what is MEMS ICs integration in one platform, a special hardware layer is applied together with operational algorithms. Two low–level boards are connected to the embedded server by RS–485 lines. This data server translates RS–485 signals and communicates with dedicated PC program by an Ethernet interface. Such a solution made possible to parallel streaming, archive, and analyze of data in a convenient way. The architecture and operational algorithms of individual components, such as complex synchronization methods in the data streaming process is described. Proper system design is verified by presenting selected signal waveforms grabbed in an experimental tests. In the end introduced two signal quality indicators resulting in comparison of different MEMS ICs. Summary table of computed indicators is shown with its analysis.
    Źródło:
    Computer Applications in Electrical Engineering; 2016, 14; 328-339
    1508-4248
    Pojawia się w:
    Computer Applications in Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The system of streaming and analysis of signals from MEMS accelerometers
    Autorzy:
    Fabiański, B.
    Nowopolski, K.
    Wicher, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/377908.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    MEMS technology
    gravity sensors
    data streaming
    digital signal processing
    data acquisition
    STM32L microcontrollers
    Opis:
    In the article, a dedicated testing environment for MEMS acceleration sensors is shown. The system is able to collect data from multiple devices with different physical interfaces, send them through parallel streaming, archive, and analyze it. The architecture and operational algorithms of individual components, such as complex synchronization methods in the data streaming process is described. This data streaming is finally realized by Ethernet interface which becomes a bridge between the PC system running the dedicated application and the sensor board. In the last section of the article, quality indicators of acceleration sensors signals are presented. These indicators indicate primarily a useful signal to noise ratio with respect to the measurement resolution.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 87; 301-312
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selected algorithms of MEMS accelerometers signal processing in burglary detector application
    Autorzy:
    Fabiański, B.
    Nowopolski, K.
    Wicher, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/376276.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    MEMS
    accelerometer sensor
    data streaming
    DSP
    low-power MCU
    alarm system
    artificial neural network
    Opis:
    In the paper, implementations and results of operation of artificial neural network applied as a burglary classifier are presented in comparison to solution with a direct digital signal processing (DSP) approach. The neural network operates in a mobile access control device, that may be easily attached to a door. The device is an integrated system, equipped with several sensors based on microelectromechanical systems (MEMS) technology. Due to limited effectiveness of simple, conditional logic algorithms on acquired signal samples, a more sophisticated approaches are investigated. Data acquisition during imitation of various burglary scenarios and further processing of the recorded signals are described in the paper. Selection of the neural network structure and pre-processing methods of sensor signals are presented as well. The direct DSP algorithm based on the application of the properties of application phenomena is shown in the same way. Finally, results of selected algorithms implementation in a low-power 32-bit microcontroller system are presented. Limitation of the platform responsiveness in the real-time conditions and comparison of used classification methods are discussed in the paper conclusions.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 87; 267-278
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Burglary detection based on accelometric data using selected signal processing algorithms
    Autorzy:
    Fabiański, B.
    Nowopolski, K.
    Wicher, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/97596.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    MEMS
    accelerometer sensor
    data streaming
    DSP
    low–power MCU
    alarm system
    artificial neural network
    Opis:
    The paper presents two approaches to the problem of burglary detection. The first one utilizes direct signal processing, while the other – artificial neural network (ANN). Both algorithms are compared in real operating conditions. The implementation of the algorithms was performed in a portable, battery operating devices that can be easily attached to the door. For direct comparison, two identical devices including several MEMS accelerometers and 32 bit microcontroller have been used – each with one algorithm implemented. The goal of using artificial neural network algorithm was to improve the performance of the burglary detection system in comparison to classical direct signal processing. The structure of ANN and required pre – processing of the input data, is presented and discussed as well. The article also describes the research system required to collecting the data for ANN training and to directly compare both algorithms. Finally, the results of behavior of the classification methods in real actual conditions is discussed.
    Źródło:
    Computer Applications in Electrical Engineering; 2016, 14; 313-327
    1508-4248
    Pojawia się w:
    Computer Applications in Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An algorithm for arbitrary-order cumulant tensor calculation in a sliding window of data streams
    Autorzy:
    Domino, Krzysztof
    Gawron, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/330468.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    high order cumulant
    time series statistics
    nonnormally distributed data
    data streaming
    kumulant wysokiego rzędu
    szereg czasowy
    baza danych rozproszona
    strumień danych
    Opis:
    High-order cumulant tensors carry information about statistics of non-normally distributed multivariate data. In this work we present a new efficient algorithm for calculation of cumulants of arbitrary orders in a sliding window for data streams. We show that this algorithm offers substantial speedups of cumulant updates compared with the current solutions. The proposed algorithm can be used for processing on-line high-frequency multivariate data and can find applications, e.g., in on-line signal filtering and classification of data streams. To present an application of this algorithm, we propose an estimator of non-Gaussianity of a data stream based on the norms of high order cumulant tensors. We show how to detect the transition from Gaussian distributed data to non-Gaussian ones in a data stream. In order to achieve high implementation efficiency of operations on super-symmetric tensors, such as cumulant tensors, we employ a block structure to store and calculate only one hyper-pyramid part of such tensors.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 1; 195-206
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Parallel MCNN (PMCNN) with application to prototype selection on large and streaming data
    Autorzy:
    Devi, V. S.
    Meena, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/91686.pdf
    Data publikacji:
    2017
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    prototype selection
    one-pass algorithm
    streaming data
    distributed algorithm
    Opis:
    The Modified Condensed Nearest Neighbour (MCNN) algorithm for prototype selection is order-independent, unlike the Condensed Nearest Neighbour (CNN) algorithm. Though MCNN gives better performance, the time requirement is much higher than for CNN. To mitigate this, we propose a distributed approach called Parallel MCNN (pMCNN) which cuts down the time drastically while maintaining good performance. We have proposed two incremental algorithms using MCNN to carry out prototype selection on large and streaming data. The results of these algorithms using MCNN and pMCNN have been compared with an existing algorithm for streaming data.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2017, 7, 3; 155-169
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Performance measurement with high-performance computer using HW-GA anomaly-detection algorithms for streaming data
    Autorzy:
    Fondaj, Jakup
    Hasani, Zirije
    Krrabaj, Samedin
    Powiązania:
    https://bibliotekanauki.pl/articles/27312908.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    time-series data
    HW-GA
    anomaly detection
    big streaming data
    Numenta
    COVID-19 data set
    high-performance computer
    Libelium sensor data
    e-dnevnik
    Opis:
    Anomaly detection for streaming real-time data is very important; more significant is the performance of an algorithm in order to meet real-time requirements. Anomaly detection is very crucial in every sector because, by knowing what is going wrong with data/digital systems, we can make decisions to help in every sector. Dealing with real-time data requires speed; for this reason, the aim of this paper is to measure the performance of our proposed Holt–Winters genetic algorithm (HW-GA) as compared to other anomaly-detection algorithms with a large amount of data as well as to measure how other factors such as visualization and the performance of the testing environment affect the algorithm’s performance. The experiments will be done in R with different data sets such as the as real COVID-19 and IoT sensor data that we collected from Smart Agriculture Libelium sensors and e-dnevnik as well as three benchmarks from the Numenta data sets. The real data has no known anomalies, but the anomalies are known in the benchmark data; this was done in order to evaluate how the algorithm works in both situations. The novelty of this paper is that the performance will be tested on three different computers (in which one is a high-performance computer); also, a large amount of data will be used for our testing, as will how the visualization phase affects the algorithm’s performance.
    Źródło:
    Computer Science; 2022, 23 (3); 395--410
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Netflix: „The Future Is Now?"
    Netflix: The Future Is Now?
    Autorzy:
    Włodek, Patrycja
    Powiązania:
    https://bibliotekanauki.pl/articles/24956254.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Instytut Sztuki PAN
    Tematy:
    Netflix
    streaming
    konwergencja
    platformy streamingowe
    algorytmizacja
    big data
    convergence
    streaming platforms
    algorithmization
    Opis:
    Celem tekstu jest prześledzenie historii oraz znaczenia Netfliksa w kontekście przemian rynku audiowizualnego, jakie zaszły w XXI w., a także ewolucji praktyk odbiorczych. Autorka skupia się na takich aspektach, jak dominujący udział serwisu w zwrocie streamingowym, autonarracja platformy kreująca jej wizerunek jako firmy technologicznej, a nie medialnej, rola algorytmizacji służącej targetowaniu oferty przy stosowaniu kontrowersyjnych praktyk (data mining). W artykule zostaje podkreślony wpływ Netfliksa na sposób funkcjonowania produkcji oraz dystrybucji treści audiowizualnych w całym przemyśle rozrywkowym, a także strategie budowania marki, związane zarówno z aspektem technologicznym, jak i charakterem promowanych treści. Autorka stawia pytania o rolę Netfliksa jako katalizatora przemian i o ich charakter, zwłaszcza w szerszej perspektywie, ujmującej zachodnią produkcję rozrywkową nie jako zbiór tekstów kultury, ale efekt procesów biznesowo-technologicznych w określonym kontekście społeczno-kulturowym.
    The aim of the article is to analyze the history and relevance of Netflix in the context of the changes in the audiovisual market that have taken place in the 21st century, as well as the evolution of audience participation. The author focuses on such aspects as the platform’s dominant role in the streaming boom, it’s self-narration as a technology company rather than a media company, the role of algorithmisation in targeting by using controversial practices (data mining). The article highlights the impact of Netflix on the way audiovisual content is produced and distributed throughout the entertainment industry, as well as its branding strategies in terms of both the technological aspect and the type of content promoted. The author raises questions about Netflix’s role as a catalyst for change and the nature of that change, especially in a broader perspective that sees Western entertainment production not as a set of cultural texts, but as the effect of business and technological processes in a specific socio-cultural context.
    Źródło:
    Kwartalnik Filmowy; 2023, 124; 27-49
    0452-9502
    2719-2725
    Pojawia się w:
    Kwartalnik Filmowy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Netflix: The Future Is Now?
    Autorzy:
    Włodek, Patrycja
    Powiązania:
    https://bibliotekanauki.pl/articles/31339783.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Instytut Sztuki PAN
    Tematy:
    Netflix
    streaming
    konwergencja
    platformy streamingowe
    algorytmizacja
    big data
    convergence
    streaming platforms
    algorithmization
    Opis:
    Celem tekstu jest prześledzenie historii oraz znaczenia Netfliksa w kontekście przemian rynku audiowizualnego, jakie zaszły w XXI w., a także ewolucji praktyk odbiorczych. Autorka skupia się na takich aspektach, jak dominujący udział serwisu w zwrocie streamingowym, autonarracja platformy kreująca jej wizerunek jako firmy technologicznej, a nie medialnej, rola algorytmizacji służącej targetowaniu oferty przy stosowaniu kontrowersyjnych praktyk (data mining). W artykule zostaje podkreślony wpływ Netfliksa na sposób funkcjonowania produkcji oraz dystrybucji treści audiowizualnych w całym przemyśle rozrywkowym, a także strategie budowania marki, związane zarówno z aspektem technologicznym, jak i charakterem promowanych treści. Autorka stawia pytania o rolę Netfliksa jako katalizatora przemian i o ich charakter, zwłaszcza w szerszej perspektywie, ujmującej zachodnią produkcję rozrywkową nie jako zbiór tekstów kultury, ale efekt procesów biznesowo-technologicznych w określonym kontekście społeczno-kulturowym.
    The aim of the article is to analyze the history and relevance of Netflix in the context of the changes in the audiovisual market that have taken place in the 21st century, as well as the evolution of audience participation. The author focuses on such aspects as the platform’s dominant role in the streaming boom, it’s self-narration as a technology company rather than a media company, the role of algorithmisation in targeting by using controversial practices (data mining). The article highlights the impact of Netflix on the way audiovisual content is produced and distributed throughout the entertainment industry, as well as its branding strategies in terms of both the technological aspect and the type of content promoted. The author raises questions about Netflix’s role as a catalyst for change and the nature of that change, especially in a broader perspective that sees Western entertainment production not as a set of cultural texts, but as the effect of business and technological processes in a specific socio-cultural context.
    Źródło:
    Kwartalnik Filmowy; 2023, 124; 27-49
    0452-9502
    2719-2725
    Pojawia się w:
    Kwartalnik Filmowy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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