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 "intelligent recognition system" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    Developing an Intelligent Model for the Construction a Hip Shape Recognition System Based on 3D Body Measurement
    Opracowanie inteligentnego modelu dla rozpoznania konstrukcji kształtu bioder
    Autorzy:
    Jin, J.-F.
    Yang, Y.-C.
    Zou, F.-Y.
    Powiązania:
    https://bibliotekanauki.pl/articles/234324.pdf
    Data publikacji:
    2016
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    intelligent recognition system
    probabilistic neural network
    classification accuracy
    feature reduction
    typical index
    cluster analysis
    inteligentny system rozpoznawania
    sieć neuronowa
    dokładność klasyfikacji
    funkcja redukcji
    typy kształtu bioder
    Opis:
    The purpose of this paper was to develop an intelligent recognition system consisting of a feature reduction method combining cluster and correlation analyses, and a probabilistic neural network (PNN) classifier to identify different types of hip shape from 3D measurement for each person. Firstly 28 items reflecting lower body part information of 300 female university students aging from 20 to 24 years were selected. The feature reduction method was employed to extract typical indices. Secondly hip shapes were subdivided into five types by a K-means cluster and analysis of variance (ANOVA). Finally the PNN was then trained to serve as a classifier for identifying five different hip shape types. The average classification accuracy of the scheme proposed was 97.37%, and its effectiveness was successfully validated by comparing with the BP and Support Vector Machine (SVM) scheme. Thus an intelligent recognition system was developed to make hip shape type classification of high-precision and time saving.
    Model łączy analizę skupień i korelacji oraz probabilistyczną sztuczną sieć neuronową dla identyfikacji różnych typów kształtów bioder opartą o pomiary 3D poszczególnych osób. Wyselekcjonowano 28 przypadków odzwierciedlających dolną część sylwetki 300 studentek w wieku od 20 do 24 lat. Zastosowano metodę redukcji poszczególnych właściwości dla wybrania typowych wskaźników. Następnie kształt bioder podzielono na 5 typów za pomocą algorytmu klastrowego i systemu ANOVA (analiza wariancji). Następnie przeprowadzono trening sieci neuronowej aby mogła posłużyć jako klasyfikator identyfikacji 5 różnych kształtów bioder. Przeciętna dokładność klasyfikacji proponowanego systemu wynosiła 97,37%, a efektywność była sukcesywnie sprawdzana przez porównanie schematów BP i SVM. W ten sposób stworzono inteligentny system rozpoznania typu kształtu bioder o dużej precyzji, pozwalający na oszczędność czasu.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2016, 5 (119); 110-118
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Deep learning based road recognition for intelligent suspension systems
    Autorzy:
    Sun, Jinwei
    Cong, Jingyu
    Powiązania:
    https://bibliotekanauki.pl/articles/2055054.pdf
    Data publikacji:
    2021
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    intelligent suspension system
    deep learning
    road recognition
    Opis:
    This paper presents a deep learning-based road recognition strategy for advanced suspension systems. A four-quarter suspension model with a magnetorheological (MR) damper is developed, and four typical road images with corresponding roughness data are collected. A back-propagation neural network based autoencoder and Convolutional Neural Networks (CNN) are utilized to form the deep learning structure. By utilizing the multi-object genetic algorithm, the optimal parameters can be obtained, and the control current can be adaptively adjusted. Simulation results indicate that the designed structure can identify the road type accurately, and the recognition-based control strategy can improve the suspension performance effectively.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2021, 59, 3; 493--508
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Randomized algorithms supporting management of an intelligent internal transport system
    Autorzy:
    Topolski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/393183.pdf
    Data publikacji:
    2017
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    intelligent transport systems
    recognition Bayes
    inteligentny system transportowy
    Opis:
    This paper presents a probabilistic model in managing intelligent internal transport based on decision making risk. The term reliability of an internal transport denotes failure-free operating time of internal transport as compared to the entire time particular transport is supposed to operate correctly. This paper illustrates a model of risk evaluation in internal transport operation based on probability that the system will reliably function within particular time, in a particular environment for specific purposes. Building probabilistic models used to calculate the risk of production planning is based on a reliable analysis of all possible aspects of producing a particular economic good. Modelling evaluates strengths and weaknesses of an enterprise which would like to complete a transport task, plans a transport processes based on the most important goals originating from the transport process.
    Źródło:
    Archives of Transport System Telematics; 2017, 10, 3; 46-50
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ship recognition and tracking system for intelligent ship based on deep learning framework
    Autorzy:
    Liu, B.
    Wang, S. Z.
    Xie, Z. X.
    Zhao, J. S.
    Li, M. F.
    Powiązania:
    https://bibliotekanauki.pl/articles/117419.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
    Tematy:
    intelligent ship
    deep learning framework
    ship recognition system
    ship tracking system
    ship recognition and tracking system
    intelligent navigation
    autonomous ship
    maritime safety
    Opis:
    Automatically recognizing and tracking dynamic targets on the sea is an important task for intelligent navigation, which is the prerequisite and foundation of the realization of autonomous ships. Nowadays, the radar is a typical perception system which is used to detect targets, but the radar echo cannot depict the target’s shape and appearance, which affects the decision-making ability of the ship collision avoidance. Therefore, visual perception system based on camera video is very useful for further supporting the autonomous ship navigational system. However, ship’s recognition and tracking has been a challenge task in the navigational application field due to the long distance detection and the ship itself motion. An effective and stable approach is required to resolve this problem. In this paper, a novel ship recognition and tracking system is proposed by using the deep learning framework. In this framework, the deep residual network and cross-layer jump connection policy are employed to extract the advanced ship features which help enhance the classification accuracy, thus improves the performance of the object recognition. Experimentally, the superiority of the proposed ship recognition and tracking system was confirmed by comparing it with state of-the-art algorithms on a large number of ship video datasets.
    Źródło:
    TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2019, 13, 4; 699-705
    2083-6473
    2083-6481
    Pojawia się w:
    TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Computer algorithms probabilistic supporting intelligent transportation management of internal
    Komputerowe algorytmy probabilistyczne wspomagające zarządzanie inteligentnym transportem wewnętrznym
    Autorzy:
    Topolski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/115275.pdf
    Data publikacji:
    2017
    Wydawca:
    Wyższa Szkoła Techniczna w Katowicach
    Tematy:
    intelligent transport system
    recognition Bayes
    inteligentny system transportowy
    rozpoznawanie Bayesa
    Opis:
    This paper presents a probabilistic model in managing intelligent internal transport based on decision making risk. The term reliability of an internal transport denotes failure-free operating time of internal transport as compared to the entire time particular transport is supposed to operate correctly. This paper illustrates a model of risk evaluation in internal transport operation based on probability that the system will reliably function within particular time, in a particular environment for specific purposes. Building probabilistic models used to calculate the risk of production planning is based on a reliable analysis of all possible aspects of producing a particular economic good. Modelling evaluates strengths and weaknesses of an enterprise which would like to complete a transport task, plans a transport processes based on the most important goals originating from the transport process.
    Artykuł przedstawia model probabilistyczny w zadaniu zarządzania inteligentnym transportem wewnętrznym bazującym na ryzyku związanym z podejmowaniem decyzji. Poprzez termin niezawodności systemu transportu wewnętrznego rozumie się czas bezawaryjnego działania transportu wewnętrznego w stosunku do całości czasu, w którym dany transport powinien działać poprawnie. Artykuł przedstawia model oceny ryzyka działania transportu wewnętrznego na bazie prawdopodobieństwa z jakim system będzie bezawaryjnie funkcjonował w zadanym okresie czasu, przy pracy w określonym środowisku i dla określonego celu. Budowanie modeli probabilistycznych służących do wyznaczania ryzyka planowania produkcji opiera się na rzetelnej analizie wszystkich możliwych aspektów produkcji danego dobra gospodarczego. W modelowaniu poddaje się ocenie mocne i słabe strony przedsiębiorstwa, które chce podjąć się zadania transportowego, dokonuje się planowania samego procesu transportowego w oparciu o najważniejsze cele wynikające z procesu transportowego.
    Źródło:
    Zeszyty Naukowe Wyższej Szkoły Technicznej w Katowicach; 2017, 9; 93-100
    2082-7016
    2450-5552
    Pojawia się w:
    Zeszyty Naukowe Wyższej Szkoły Technicznej w Katowicach
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Potrzeba sięgania do techniki automatycznego rozumienia jako bazy systemów zabezpieczania inteligentnych budynków
    Autorzy:
    Tadeusiewicz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/303213.pdf
    Data publikacji:
    2016
    Wydawca:
    Wydawnictwo Druk-Art
    Tematy:
    inteligentny budynek
    system rozpoznawania obrazu
    rezonans kognitywny
    intelligent building
    image recognition system
    cognitive resonance
    Opis:
    W artykule przedstawiono ogólną koncepcję systemu automatycznego rozumienia obrazu, który może polepszyć stan bezpieczeństwa inteligentnych budynków. Uzasadniono potrzebę stworzenia takiego systemu i pokazano, na czym polega różnica pomiędzy jego działaniem a funkcjonowaniem bardziej znanych systemów automatycznego rozpoznawania obrazów. Wprowadzono pojęcie zasobu wiedzy ekspertów jako klucza do automatycznego rozumienia (semantycznej analizy) obrazu oraz pojęcie rezonansu kognitywnego. Zwłaszcza to ostatnie pojęcie, będące podstawą kojarzenia strumienia danych sensorycznych z oczekiwaniami wynikającymi z wiedzy ekspertów, ma w tej pracy fundamentalne znaczenie. Artykuł nawiązuje do wcześniejszych prac autora, w których automatyczne rozumienie obrazów było wykorzystywane w odniesieniu do zadań wspomagania diagnostyki medycznej, ale uwzględnia specyfikę wynikającą z konieczności powiązania rozważanych treści z potrzebami twórców inteligentnych budynków.
    The article presents the general concept of an automatic image understanding, which can improve the security services in intelligent buildings. It was justified by expressing the need to create such a system, and shows the difference between the operation and functioning of automatic image understanding system and better known of automatic image recognition. The article introduced the concept of resource expert knowledge as the key to the automatic understanding (semantic analysis) of the image and the concept of cognitive resonance. Especially this last concept underlying the association sensory data stream with the expectations arising from the expert knowledge, forms the job of fundamental importance. The article refers to the author’s earlier works, in which the automatic image understanding idea was used in relation to the tasks aided medical diagnosis. But idea presented here takes into account the specificity resulting from the necessity of linking content considered in article with the needs of the creators of intelligent buildings.
    Źródło:
    Napędy i Sterowanie; 2016, 18, 6; 90-99
    1507-7764
    Pojawia się w:
    Napędy i Sterowanie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sztuczna inteligencja (SI) w badaniach lingwistycznych
    Artificial Intelligence (AI) in Linguistic Research
    Autorzy:
    Sztuk, Alicja
    Powiązania:
    https://bibliotekanauki.pl/articles/555501.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Warszawski. Wydział Lingwistyki Stosowanej
    Tematy:
    artificial intelligence
    machine learning
    linguistic intelligence
    linguistic research
    intelligent tutoring system
    linguistic smart software system for glottodidactics and translation intelligent
    voice recognition
    chatbot
    terminotics
    Opis:
    The main purpose of the paper is both to present and to highlight the wide range of artificial intelligence appliance in linguistic research. I intend to define the so called ‘linguistic intelligence’ in the sense of machine learning, based mainly on artificial neural networks. Linguistic intelligent solutions seem to be not only up-to-date but also very promising in the area of developing and improving any intelligent linguistic tools, such as intelligent tutoring systems that are able to interact with human being, or the voice (speech) recognition systems that are able to receive, interpret (understand) and sometimes even carry out spoken commands. Finally, I intend to present the area of so called ‘terminotics’. The term refers to the meeting point of three interrelated disciplines: terminology, computational linguistics and linguistic engineering. This branch is also assisted by computer tools and new technologies based on artificial intelligence and machine learning. These (tools) are mainly designed for term extraction and corpora development but lately there are also some new possibilities to use these tools to increase the quality of terminology infrastructure as well.
    Źródło:
    Applied Linguistics Papers; 2018, 25/4; 159-174
    2544-9354
    Pojawia się w:
    Applied Linguistics Papers
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Intelligent Transportation Systems in Analyses of Human Spatial Mobility in Cities
    Zastosowanie inteligentnych systemów transportowych w analizach mobilności przestrzennej ludzi w miastach
    Autorzy:
    Borowska-Stefańska, Marta
    Kowalski, Michał
    Kurzyk, Paulina
    Mikušová, Miroslava
    Wiśniewski, Szymon
    Powiązania:
    https://bibliotekanauki.pl/articles/2089596.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Gdański. Komisja Geografii Komunikacji Polskiego Towarzystwa Geograficznego
    Tematy:
    ITS
    intelligent transportation system
    spatial mobility
    transport geography
    induction loop
    ANPR
    automatic number plate recognition
    Inteligentny system transportowy
    mobilność przestrzenna
    geografia transportu
    Opis:
    This article contains results of studies on the applicability of data from Intelligent Transportation Systems (ITS) for the purposes of geographical studies regarding the spatial mobility of inhabitants within a big city. The article focuses on the option of applying two types of sub-systems – induction loops and automatic number-plate recognition (ANPR) – and includes examples of analyses based on the resulting data, which can serve as a basis for mobility studies. The area on the example of which the capabilities of application of ITS data have been presented is Lodz – a large city in central Poland. The conducted research shows that ITS systems offer an enormous potential in providing data for spatial mobility studies. In order to fully exploit its worth, however, it is imperative to expand the research procedure by including, for instance, the results of qualitative research. Also, the interpretation of results obtained on the basis of ITS data ought to be performed with an awareness of numerous significant preliminary and simplifying assumptions.
    Źródło:
    Prace Komisji Geografii Komunikacji PTG; 2021, 24(1); 7-30
    1426-5915
    2543-859X
    Pojawia się w:
    Prace Komisji Geografii Komunikacji PTG
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A cloud-based urban monitoring system by using a quadcopter and intelligent learning techniques
    Autorzy:
    Khanmohammadi, Sohrab
    Samadi, Mohammad
    Powiązania:
    https://bibliotekanauki.pl/articles/27314186.pdf
    Data publikacji:
    2022
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    urban monitoring
    cloud computing
    quadcopter
    deep learning
    fuzzy system
    image processing
    pattern recognition
    bayesian network
    intelligent techniques
    learning systems
    Opis:
    The application of quadcopter and intelligent learning techniques in urban monitoring systems can improve flexibility and efficiency features. This paper proposes a cloud-based urban monitoring system that uses deep learning, fuzzy system, image processing, pattern recognition, and Bayesian network. The main objectives of this system are to monitor climate status, temperature, humidity, and smoke, as well as to detect fire occurrences based on the above intelligent techniques. The quadcopter transmits sensing data of the temperature, humidity, and smoke sensors, geographical coordinates, image frames, and videos to a control station via RF communications. In the control station side, the monitoring capabilities are designed by graphical tools to show urban areas with RGB colors according to the predetermined data ranges. The evaluation process illustrates simulation results of the deep neural network applied to climate status and effects of the sensors’ data changes on climate status. An illustrative example is used to draw the simulated area using RGB colors. Furthermore, circuit of the quadcopter side is designed using electric devices.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 2; 11--19
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    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