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 "sieć falkowa" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Podbaza

Wyrównaj
Wyświetlanie 1-15 z 17
Tytuł:
Zastosowanie adaptacyjnej sieci falkowej do regulacji prędkości silnika prądu stałego
Application of the wavelet network to speed control of dc motor
Autorzy:
Derugo, P.
Szabat, K.
Powiązania:
https://bibliotekanauki.pl/articles/1813762.pdf
Data publikacji:
2013
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
sieć falkowa
falki
sieci neuronowe
układy adaptacyjne
sterowanie napędem elektrycznym
Opis:
This paper presents the possibility of using Wavelet network as DC motor speed controller in a cascade control structure. For this purpose cascade control structure has been modeled in MATLAB Simulink package. Possible to achieve dynamic has been tested during simulations. Methods allowing structure to remain stable under high trajectory has been proposed.
Źródło:
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały; 2013, 69, 33; 111--119
1733-0718
Pojawia się w:
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Linear-wavelet networks
Autorzy:
Galvao, R. K. H.
Becerra, V. M.
Calado, J. M. F.
Silva, P. M.
Powiązania:
https://bibliotekanauki.pl/articles/907399.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć falkowa
model nieliniowy
analiza regresji
identyfikacja systemu
wavelet networks
nonlinear models
regression analysis
system identification
Opis:
This paper proposes a nonlinear regression structure comprising a wavelet network and a linear term. The introduction of the linear term is aimed at providing a more parsimonious interpolation in high-dimensional spaces when the modelling samples are sparse. A constructive procedure for building such structures, termed linear-wavelet networks, is described. For illustration, the proposed procedure is employed in the framework of dynamic system identification. In an example involving a simulated fermentation process, it is shown that a linear-wavelet network yields a smaller approximation error when compared with a wavelet network with the same number of regressors. The proposed technique is also applied to the identification of a pressure plant from experimental data. In this case, the results show that the introduction of wavelets considerably improves the prediction ability of a linear model. Standard errors on the estimated model coefficients are also calculated to assess the numerical conditioning of the identification process.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2004, 14, 2; 221-232
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Research on electric vehicle charging load prediction and charging mode optimization
Autorzy:
Zhang, Zhiyan
Shi, Hang
Zhu, Ruihong
Zhao, Hongfei
Zhu, Yingjie
Powiązania:
https://bibliotekanauki.pl/articles/1841299.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
electric vehicles
Monte Carlo
wavelet neural network
charging load
pojazdy elektryczne
sieć neuronowa falkowa
Opis:
To reduce the influence of the disorderly charging of electric vehicles (EVs) on the grid load, the EV charging load and charging mode are studied in this paper. First, the distribution of EV charging capacity and state of charge (SOC) feature quantity are analyzed, and their probability density function is solved. It is verified that both EV charging capacity and SOC obey the skew-normal distribution. Second, considering the space-time distribution characteristics of the EV charging load, a method for charging load prediction based on a wavelet neural network is proposed, and compared with the traditional BP neural network, the prediction results show that the error of the wavelet neural network is smaller, and the effectiveness of the wavelet neural network prediction is verified. The optimization objective function with the lowest user costs is established, and the constraint conditions are determined, so the orderly charging behavior is simulated by the Monte Carlo method. Finally, the influence of charging mode optimization on power grid operation is analyzed, and the result shows that the effectiveness of the charging optimization model is verified.
Źródło:
Archives of Electrical Engineering; 2021, 70, 2; 399-414
1427-4221
2300-2506
Pojawia się w:
Archives of Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adaptive predictions of the euro/złoty currency exchange rate using state space wavelet networks and forecast combinations
Autorzy:
Brdyś, M. A.
Brdyś, M. T.
Maciejewski, S. M.
Powiązania:
https://bibliotekanauki.pl/articles/330138.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
currency exchange rate
artificial intelligence
state space wavelet network
Metropolis Monte Carlo
forecast combinations
data generating process
kurs wymiany walut
sztuczna inteligencja
sieć falkowa
Opis:
The paper considers the forecasting of the euro/Polish złoty (EUR/PLN) spot exchange rate by applying state space wavelet network and econometric forecast combination models. Both prediction methods are applied to produce one-trading-day-ahead forecasts of the EUR/PLN exchange rate. The paper presents the general state space wavelet network and forecast combination models as well as their underlying principles. The state space wavelet network model is, in contrast to econometric forecast combinations, a non-parametric prediction technique which does not make any distributional assumptions regarding the underlying input variables. Both methods can be used as forecasting tools in portfolio investment management, asset valuation, IT security and integrated business risk intelligence in volatile market conditions.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2016, 26, 1; 161-173
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie wskaźników makroekonomicznychz uwzględnieniem transformaty falkowejna przykładzie wskaźnika inflacji
Forecasting macroeconomic indicators including wavelet transform. The example of inflation rate
Autorzy:
Hadaś-Dyduch, Monika
Powiązania:
https://bibliotekanauki.pl/articles/541181.pdf
Data publikacji:
2013
Wydawca:
Wyższa Szkoła Bankowa we Wrocławiu
Tematy:
inflacja
analiza falkowa
sztuczna sieć neuronowa
inflation
wavelet analysis
artificial neural network
Opis:
Celem artykułu jest przedstawienie niekonwencjonalnego sposobu predykcji wskaźników makroekonomicznych, tzn. predykcji na podstawie prostego autorskiego modelu integrującego analizę falkową oraz sztuczne sieci neuronowe. Przykładową predykcję proponowanego modelu przedstawiono dla wskaźnika inflacji. Zasadniczo proponowaną metodę predykcji wskaźników makroekonomicznych oparto w przeważającym stopniu na transformacie falkowej, ponieważ funkcje falkowe charakteryzują dobre własności lokalizacyjne zarówno względem czasu, jak i częstotliwości.
The purpose of this article is present an unconventional method of prediction of macroeconomic indicators, which is based on a simple model that integrates proprietary wavelet analysis and artificial neural networks. An example of prediction of the proposed model shows the rate of inflation. Basically, the proposed method of predicting macroeconomic indicators are to a large degree based levels of wavelet transform, since wavelet functions are characterized by good localization properties both in time and frequency.
Źródło:
Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu; 2013, 2(34); 175-186
1643-7772
Pojawia się w:
Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of the wavelet and neural technologies for processing of signals obtained during railway tracks diagnostics by the magnetic flux leakage method
Zastosowanie fali elementarnej i neuronowych technologii do przetwarzania sygnałów, otrzymanych w czasie diagnostyki torów kolejowych, za pomocą metody strumienia rozproszenia magnetycznego
Autorzy:
Nichoga, V.
Vashchyshyn, L.
Powiązania:
https://bibliotekanauki.pl/articles/209973.pdf
Data publikacji:
2017
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
defect
transverse crack
CWT
ANN
defekt
wada
poprzeczna szczelina
ciągła transformacia falkowa
CTF
sztuczna sieć neuronowa
SSN
Opis:
In this article, the approach for detecting a transverse crack in the rail head via ANN with CWT and application created on its basis are presented. The ways of further development of the ANN for improving its work accuracy and the possibility of identification of other types of defects are also presented.
W artykule rozpatrzono sposób ujawnienia poprzecznego pęknięcia w głowicy szyny kolejowej metodą ciągłej transformacji falkowej (CTF) oraz metodą sztucznej sieci neuronowej (SSN). Przedstawiono program stosowany do analizy sygnałów defektoskopijnych. Zaproponowano sposoby dalszego rozwoju SSN w celu poprawy dokładności jego pracy i możliwości zidentyfikowania innych rodzajów wad.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2017, 66, 4; 195-201
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of the mining torque signal with Continuous Wavelet Transform
Analiza sygnału momentu urabiania za pomocą ciągłej transformaty falkowej
Autorzy:
Jonak, J.
Jedliński, Ł.
Gajewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/369043.pdf
Data publikacji:
2010
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
ciągła transformata falkowa
głowica wielonożowa
sztuczna sieć neuronowa
continuous wavelet transform (CWT)
multi-tool head
artificial neural network
Opis:
This paper presents an analysis of the excavation torgue signal with the use of a Continuous Wavelet Transform. The article also presents results of preliminary research on utilising neural networks to identify excavating cutting tools type used in multi-tool excavating heads of mechanical coal miners. Selected wavelet coefficients were used as data to teach artificial neural network. The research is necessary to identify rock excavating process with a given head, and design adaptation system for control of mining process with such a head. The results of numerical analyses conducted with the use of Neural Networks are presented.
Artykuł przedstawia analizę sygnału momentu urabiania z wykorzystaniem ciągłej transformaty falkowej. Praca przedstawia ponadto rezultaty wstępnych badań nad wykorzystaniem sztucznej sieci neuronowej do oceny rodzaju narzędzi urabiających głowic wielonarzędziowych kombajnu górniczego. Do nauki sieci neuronowej wykorzystano wybrane współczynniki falkowe. Badania te niezbędne są do identyfikacji procesu urabiania w celu opracowania adaptacyjnego systemu sterowania pracą głowicy kombajnu. W artykule przedstawiono wyniki analiz numerycznych, wykorzystując sztuczne sieci neuronowe.
Źródło:
Mechanics and Control; 2010, 29, 4; 169-173
2083-6759
2300-7079
Pojawia się w:
Mechanics and Control
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP - koncepcja wykorzystania danych z modelu i rzeczywistej przekładni
Classification of kinds and degee of tooth gear fail by using continuous wavelet transform and MLP neural network - conception of using dates from the model and real gearbox
Autorzy:
Czech, P.
Łazarz, B.
Powiązania:
https://bibliotekanauki.pl/articles/328338.pdf
Data publikacji:
2007
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
przekładnia zębata
sztuczna sieć neuronowa
ciągła transformata falkowa
diagnostics
gear fault
neural network
continuous wavelet transform (CWT)
Opis:
W opracowaniu przedstawiono wyniki próby zastosowania sztucznej sieci neuronowej jako klasyfikatora rodzaju i stopnia uszkodzenia zębów kół w przekładni. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu MLP. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych otrzymanych z ciągłej analizy falkowej. Zidentyfikowany model przekładni zębatej pracującej w układzie napędowym oraz stanowisko mocy krążącej FZG posłużyły do generacji zbiorów uczących i testujących zastosowanych w eksperymencie.
The work presents results of an experiment that employs the artificial neuronal network in the task of identification of kinds and degree of tooth failure. Neural Networks were based on the Multi Layer Perceptrons. Statistical measures that describe the emergence and degree of tooth gear diagnostic served as input data for the artificial neural networks. The measures employed in the experiment were obtained from signals through the continuous wavelet transform. In the experiment the dynamic model of gearbox and power circulating gear testing machine was used as generator of data.
Źródło:
Diagnostyka; 2007, 2(42); 75-82
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie analizy WPT i sieci neuronowych PNN w diagnozowaniu zakłóceń w dopływie paliwa do cylindrów
The application of a wavelet packet transform and PNN neural network for disturbances in the fuel inflow SI engine detection
Autorzy:
Czech, P.
Madej, H.
Powiązania:
https://bibliotekanauki.pl/articles/256599.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
diagnostyka
silnik spalinowy
analiza falkowa (WPT)
sieć neuronowa PNN
diagnostics
SI engine
wavelet packet transform
WPT
PNN neural network
Opis:
W artykule przedstawiono wyniki badań diagnostycznych silnika spalinowego przy zastosowaniu pakietu analizy falkowej (WPT) i probabilistycznej sieci neuronowej. Obiektem badań był czterocylindrowy silnik spalinowy z zapłonem iskrowym. Głównym celem badań było określenie wpływu symulowanego braku dopływu paliwa do poszczególnych cylindrów na sygnał przyspieszeń drgań kadłuba silnika. Zarejestrowane sygnały przyspieszeń drgań zostały poddane analizie za pomocą WPT w celu określenia entropii sygnału na poszczególnych poziomach dekompozycji. Określona wartość entropii stanowiła podstawę do budowy wzorców stanów pracy silnika przeznaczonych do uczenia sieci neuronowych. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania analizy WPT i probabilistycznych sztucznych sieci neuronowych do diagnozowania uszkodzeń silników spalinowych.
An investigation of a fault diagnostic technique for internal combustion engine using wavelet packet transform (WPT) and probabilistic neural network is presented in this paper. The object of research was a four-cylinder spark ignition engine. The main purpose of the research was to determine the effect of the lack of fuel inflow to an individual cylinder of the engine block vibration signal. The vibration signals are decomposed by WPT to obtain the approximated and detailed coefficient and to calculate wavelet packet node entropy. The value of entropy was used as a basis in the construction of the states of engine operation intended for teaching probabilistic neural network. The experimental results indicated that the proposed system using the engine block vibration signal is effective and can be used for fault detection of an IC engine.
Źródło:
Problemy Eksploatacji; 2009, 1; 17-26
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Badania eksploatacyjne czterosensorowego detektora upadków
Inspection of four-sensor falls detector
Autorzy:
Wójtowicz, B.
Dobrowolski, A. P.
Powiązania:
https://bibliotekanauki.pl/articles/208393.pdf
Data publikacji:
2015
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
detekcja upadków
fuzja sensoryczna
dyskretna transformacja falkowa
sieć wektorów nośnych
falls detection
data fusion
discrete wavelet transform
support vector machine (SVM)
Opis:
Zaprezentowane w niniejszym artykule badania stanowią kontynuację dotychczasowych prac mających na celu opracowanie mobilnego detektora upadków. Przedstawiony algorytm opiera się na dyskretnej transformacji falkowej sygnałów z dostępnych w detektorze sensorów oraz pojedynczym klasyfikatorze w postaci sieci wektorów nośnych - SVM (ang. Support Vector Machine). Do procesu redukcji cech zastosowano miarę istotności Fishera. W wyniku zmniejszenia liczby cech zmniejszeniu uległa również liczba wektorów nośnych sieci SVM, mająca bezpośredni wpływ na górne oszacowanie błędu klasyfikacji. Na podstawie otrzymanych wyników wyznaczono parametry klasyfikatora pozwalające na zaprezentowanie opracowanej koncepcji w polu krzywych ROC (ang. Receiver Operating Characteristics) oraz porównanie ich z wynikami otrzymanymi dla pojedynczych sensorów detektora. Opracowana koncepcja daje zdecydowanie lepsze rezultaty niż każdy z sensorów działający niezależnie. Rezultaty przeprowadzonych badań dały bardzo dobre wyniki w porównaniu z dotychczasowymi wynikami, przy znacznej redukcji liczby wymaganych deskryptorów. Z uwagi na ścisłą zależność pomiędzy liczbą danych uczących oraz liczbą wektorów nośnych, które bezpośrednio wpływają na górne oszacowanie błędu klasyfikacji, dokonano redukcji deskryptorów. W rezultacie uzyskano zadowalające efekty przy redukcji liczby deskryptorów z 38 do zaledwie 6, zapewniając, że górne oszacowanie błędu klasyfikacji, w zbiorze nowych danych testowych nie przekracza 5,3%.
The studies presented in this article are the continuation of previous work to develop a mobile fall detector. The algorithm is based on a discrete wavelet transform of the signals from the sensors available at the detector and a linear support vector machine as a classifier. Fisher score method is used for feature selection in the proposed algorithm. As a result of reducing the number of features, the number of support vectors has been also reduced - it has a direct impact on the upper estimate of the classification error. On the basis of the obtained results, the classifier parameters have been calculated. This allows presenting the developed concept in the field of ROC curves (Receiver Operating Characteristics) and their comparison with the results obtained for individual sensors. The developed concept gives much better results than each of the sensors acting independently. The findings of this study have given very good results in comparison with the previous findings, with a significant reduction in the number of required features. Due to the close relationship between the number of training data and the number of support vectors which directly affect the upper estimate of the classification error, the number of features has been reduced. Finally, satisfactory results have been obtained with the reduction of the number of features from 38 to just six, ensuring that the upper estimation of the classification error in the set of the new test data does not exceed 5.3%.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2015, 64, 2; 45-58
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Entropia dyskretnej transformaty falkowej i radialne sieci neuronowe jako narzędzia diagnostyki nieszczelności zaworu wylotowego w silniku ZS
Entropy of discrete wavelet transform and radial neural networks as a diagnosis tool of diesel engine exhaust valve fault
Autorzy:
Czech, P.
Powiązania:
https://bibliotekanauki.pl/articles/198343.pdf
Data publikacji:
2011
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
transformata falkowa
sieć neuronowa
diagnostyka
zawór wydechowy
silnik z zapłonem samoczynnym
wavelet transform
neural network
diagnostics
exhaust valve
compression-ignition engine
Opis:
W przypadku diagnozowania silnika spalinowego metodami drganiowymi nie można zapominać o występowaniu wielu źródeł drgań, co jest przyczyna wzajemnego zakłócania symptomów uszkodzeń. Ze względu na konieczność analizy sygnałów niestacjonarnych i impulsowych w niniejszym artykule wykorzystano dyskretna transformatę falkową (DWT). Na podstawie sygnałów zdekomponowanych za jej pomocą wyznaczono wartość entropii, która stanowiła podstawę do budowy wzorców stanów pracy silnika, przeznaczonych do uczenia sieci neuronowych. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania radialnych sztucznych sieci neuronowych do oceny nieszczelności zaworu wylotowego w silniku ZS.
In case of diagnosing combustion engines by vibration methods, the presence of numerous sources of vibration cannot be neglected, which are the reason for reciprocal interference of symptoms of fault. Owing to the necessity of analyzing non-stationary and impulse signals, a discrete wavelet transform (DWT) has been applied in this study. Based on the signals' decomposition performed by means of the transform, the value of entropy was determined, which served as a basis in the construction of the states of engine operation intended for teaching neural networks. As results from the research, there is a possibility of using radial neural networks to assess the diesel engine exhaust valve fault.
Źródło:
Zeszyty Naukowe. Transport / Politechnika Śląska; 2011, 73; 15-20
0209-3324
2450-1549
Pojawia się w:
Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja słuchowych potencjałów wywołanych w oparciu o dekompozycję falkową i sieć SVM
Classification of Auditory Evoked Potentials based on the wavelet decomposition and SVM network
Autorzy:
Suchocki, M.
Dobrowolski, A.
Majda-Zdancewicz, E.
Tomczykiewicz, K.
Powiązania:
https://bibliotekanauki.pl/articles/210448.pdf
Data publikacji:
2015
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
inżynieria biomedyczna
słuchowe potencjały wywołane pnia mózgu
dekompozycja falkowa
sieć wektorów nośnych
biomedical engineering
brainstem auditory evoked potentials
wavelet decomposition
support vector machine (SVM)
Opis:
W elektrofizjologicznej ocenie słuchu oraz diagnozowaniu uszkodzeń pnia mózgu najczęściej wykorzystuje się słuchowe potencjały wywołane pnia mózgu o krótkiej latencji. Charakteryzują się one kolejno ułożonymi w funkcji czasu maksimami, zwanymi załamkami lub falami. Morfologia przebiegu, a w szczególności zależności czasowe i amplitudowe poszczególnych załamków, umożliwiają neurologowi postawienie diagnozy, co nie jest zadaniem prostym. Wymaga od neurologa doświadczenia, skupienia uwagi i bardzo dobrej percepcji. W celu wsparcia procesu diagnostycznego autorzy opracowali algorytm realizujący zautomatyzowaną klasyfikację słuchowych potencjałów wywołanych do grupy przypadków patologicznych i fizjologicznych, z czułością i specyficznością określoną na niezależnej grupie testowej liczącej 50 przypadków, wynoszącą odpowiednio 84% i 88%.
For electrophysiological hearing assessment and diagnosis of brain stem lesions, the most often used are auditory brainstem evoked potentials of short latency. They are characterized by successively arranged maxima as a function of time, called waves. Morphology of the course, in particular, the timing and amplitude of each wave, allow a neurologist to make diagnose, what is not an easy task. A neurologist should be experienced, concentrated, and should have very good perception. In order to support his diagnostic process, the authors have developed an algorithm implementing the automated classification of auditory evoked potentials to the group of pathological and physiological cases, the sensitivity and specificity determined for an independent test group (of 50 cases) of respectively 84% and 88%.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2015, 64, 4; 117-129
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid deep learning method for detection of liver cancer
Autorzy:
Deshmukh, Sunita P.
Choudhari, Dharmaveer
Amalraj, Shankar
Matte, Pravin N.
Powiązania:
https://bibliotekanauki.pl/articles/38701864.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
liver cancer detection
deep learning
fully convolutional neural network
hybrid approach
discrete wavelet transform
wykrywanie raka wątroby
uczenie głębokie
neuronowa sieć konwulcyjna
podejście hybrydowe
dyskretna transformata falkowa
Opis:
Liver disease refers to any liver irregularity causing its damage. There are several kinds of liver ailments. Benign growths are rarely life threatening and can be removed by specialists. Liver malignant tumor is leading causes of cancer death. Identifying malignant growth tissue is a troublesome and tedious task. There is significantly less information and statistical analysis presented related to cholangiocarcinoma and hepatoblastoma. This research focuses on the image analysis of these two types of cancer. The framework’s performance is evaluated using 2871 images, and a dual hybrid model is used to accomplish superb exactness. The aftereffects of both neural networks are sent into the result prioritizer that decides the most ideal choice for image arrangement. The relevance of elements appears to address the appropriate imaging rules for each class, and feature maps matching the original picture voxel features. The significance of features represents the most important imaging criteria for each class. This deep learning system demonstrates the concept of illuminating elements of a pre-trained deep neural network’s decision-making process by an examination of inner layers and the description of attributes that contribute to predictions.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 151-165
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatic prolongation recognition in disordered speech using CWT and Kohonen network
Autorzy:
Codello, I.
Kuniszyk-Jóźkowiak, W.
Smołka, E.
Kobus, A.
Powiązania:
https://bibliotekanauki.pl/articles/332965.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
sieć Kohonena
zaburzenia automatycznego rozpoznawania mowy
ciągła transformata falkowa
skala Barka
wydłużenie mowy
Kohonen network
automatic disorders speech recognition
waveblaster
CWT
continuous wavelet transform (CWT)
Bark scale
speech prolongations
Opis:
Automatic disorder recognition in speech can be very helpful for the therapist while monitoring therapy progress of the patients with disordered speech. In this article we focus on prolongations. We analyze the signal using Continuous Wavelet Transform with 18 bark scales, we divide the result into vectors (using windowing) and then we pass such vectors into Kohonen network. Quite large search analysis was performed (5 variables were checked) during which, recognition above 90% was achieved. All the analysis was performed and the results were obtained using the authors' program - "WaveBlaster". It is very important that the recognition ratio above 90% was obtained by a fully automatic algorithm (without a teacher) from the continuous speech. The presented problem is part of our research aimed at creating an automatic prolongation recognition system.
Źródło:
Journal of Medical Informatics & Technologies; 2012, 20; 137-144
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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