Identification of inclusions with LDA in the EIT

• Autorzy: Kozłowski Edward , Król Krzysztof

Identyfikatory

DOI

10.15199/48.2023.01.49

Warianty tytułu

PL

Identyfikacja inkluzji za pomocą LDA w EIT

• Języki publikacji: EN

Abstrakty

EN

The article presents a method using probes placed on one side, which were used to collect measurements in electrical tomography on the presence of inclusions in the object. Linear discriminant analysis was used for this purpose. The results of the linear discriminant analysis method are presented. The presented algorithm was used in the process of converting the electrical input values into conductance, which are represented by the pixels of the output image.

PL

W artykule została zaprezentowana metoda wykorzystująca sondy umieszczone po jednej stronie, które posłużyły do zbierania pomiarów w tomografii elektrycznej na temat występowania wtrąceń w obiekcie. W tym celu została wykorzystana Liniowa analiza dyskryminacyjna. Przedstawiono wyniki badań nad metodą liniową analizą dyskryminacyjną. Przedstawiony algorytm został wykorzystany w procesie konwersji wejściowych wartości elektrycznych na konduktancję, które są reprezentowane poprzez piksele obrazu wyjściowego.

Słowa kluczowe

EN

EIT; LDA; identification of inclusions

PL

EIT; LDA; wykrywanie wtrąceń

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 1
• Strony: 241--244
• Opis fizyczny: Bibliogr. 17 poz., rys., tab.

Twórcy

autor

Kozłowski Edward

• Lublin University of Technology, Faculty of Management

• https://orcid.org/0000-0002-7147-490

autor

Król Krzysztof

• Netrix S.A., Research & Development Centre
• University of Economics and Innovation in Lublin

• https://orcid.org/0000-0002-0114-2794

Bibliografia

• [1] Wehrens R., Chemometrics with r, Springer-Verlag GmbH, 2011.
• [2] Hastie T., Tibshirani R., Friedman J., The elements of statistical learning, Springer-Verlag New York Inc., 2009.
• [3] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors supported by deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22 (2020), No 1, 138–147.
• [4] Koulountzios P., Aghajanian S., Rymarczyk T., Koiranen T., Soleimani M., An Ultrasound Tomography Method for Monitoring CO2 Capture Process Involving Stirring and CaCO3 Precipitation, Sensors, 21 (2021), No. 21, 6995.
• [5] Rymarczyk T., Kłosowski G., Hoła A., Hoła J., Sikora J., Tchórzewski P., Skowron Ł., Historical Buildings Dampness Analysis Using Electrical Tomography and Machine Learning Algorithms, Energies, 14 (2021), No. 5, 1307.
• [6] Kania K., Rymarczyk T., Mazurek M., Skrzypek-Ahmed S., Guzik M., Oleszczuk P., Optimisation of Technological Processes by Solving Inverse Problem through Block-Wise-Transform-Reduction Method Using Open Architecture Sensor Platform, Energies, 14 (2021), No. 24, 8295.
• [7] Rymarczyk T., Niderla K. Kozłowski E. Król K., Wyrwisz J. Skrzypek-Ahmed S., Gołąbek P., Logistic Regression with Wave Preprocessing to Solve Inverse Problem in Industrial Tomography for Technological Process Control, Energies, 14(2021), No. 23, 8116.
• [8] Kania, W., Wajman, R., Ckript: a new scripting language for web applications, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12(2022), No. 2, 4-9.
• [9] Styła, M., Adamkiewicz, P., Hybrid navigation system for indoor use. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No. 1, 10-14.
• [10] Korzeniewska, E., Sekulska-Nalewajko, J., Gocawski, J., Drożdż, T., Kiebasa, P., Analysis of changes in fruit tissue after the pulsed electric field treatment using optical coherence tomography, EPJ Applied Physics, 91 (2020), No. 3, 30902.
• [11] Korzeniewska, E., Krawczyk, A., Mróz, J., Wyszyńska, E., Zawiślak, R., Applications of smart textiles in post-stroke rehabilitation, Sensors (Switzerland), 20 (2020), No. 8, 2370.
• [12] James G., Witten D., Hastie T., Tibshirani R., An introduction to statistical learning, Springer-Verlag GmbH, 2013.
• [13] Friedman J., Hastie T., Tibshirani R., Regularization paths for generalized linear models via coordinate descent, Journal of Statistical Software. 33 (2010).
• [14] Pan Y., Mai Q., Zhang X., TULIP: A toolbox for linear discriminant analysis with penalties, The R Journal. 12 (2020).
• [15] Guo Y., Hastie T., Tibshirani R., Regularized linear discriminant analysis and its application in microarrays, Biostatistics. 8 (2006) 86–100. https://doi.org/10.1093/biostatistics/kxj035.
• [16] Fawcett T., An introduction to ROC analysis, Pattern Recognition Letters. 27 (2006) 861–874. https://doi.org/10.1016/j.patrec.2005.10.010.
• [17] Hand D.J., Till R.J., A simple generalisation of the area under the ROC curve for multiple class classification problems, Machine Learning. 45 (2001) 171–186. https://doi.org/10.1023/a:1010920819831.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).