Wykorzystanie metod sztucznej inteligencji w analizie sygnałów ruchu

• Autorzy: Wójcik K.

Warianty tytułu

EN

Artificial intelligence methods in motion signals analysis

• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest opis metody tworzenia wiedzy, którą można wykorzystać w systemie analizy przebiegów czasowych opisujących ruch. W pracy skoncentrowano się na analizie stosunkowo wolnozmiennych sygnałów o czasie trwania rzędu sekund. Analiza powyższych sygnałów może być wykorzystania w zadaniach kontroli i nadzoru ruchu maszyn (manipulatory, roboty przemysłowe, urządzenia transportu bliskiego) lub w rehabilitacji osób z dysfunkcjami aparatu ruchu. Opisywany schemat budowy wiedzy bada relacje pomiędzy parametrami przebiegów czasowych tworząc pewnego rodzaju uogólnienia - klasy. Użycie ich umożliwia identyfikację (klasyfikację) nieznanych przebiegów. Wynik klasyfikacji można traktować jako "wyjście" systemu które może być wprost użyte we wspomnianych zadaniach. Artykuł opisuje podstawowe problemy tworzenia nowych klas. Dotyczą one głównie poszukiwania efektywnych numerycznych metod znajdywania optymalnej hierarchicznej struktury wiedzy.

EN

The main goal of the presented article is a description of an iterative scheme of knowledge building, which may be used in the task of analysis of time-varying signals. These signals describe a motion of machine parts, as well as movements of human limbs. The proposed method of signal analysis may be successfully applied in a task of motion classification. The proper classification makes it possible to perform a task of supervising the industrial robots, manipulators, dollies and other means of transport. It may be also utilized to improve the rehabilitation of disabled persons. The presented methodology tries to surmount crucial problems of the automatic knowledge creation, concerning initial assumptions about described phenomena as well as problems of the knowledge updating. The paper attempts to articulate conditions determining a successful usage of the proposed approach, i.e. developing efficient methods searching the suitable concept structure.

Słowa kluczowe

PL

analiza przebiegów czasowych; wiedza; schemat budowy wiedzy

EN

analysis of time-varying signals; knowledge; automatic knowledge creation

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 3
• Strony: 6804--6811
• Opis fizyczny: Bibliogr 14 poz., wykr.,. pełen tekst na CD

Twórcy

autor

Wójcik K.

• Politechnika Krakowska im Tadeusza Kościuszki, Wydział Mechaniczny, Instytut Technologii Maszyn i Automatyzacji Produkcji, al. Jana Pawła II 37 31-864 Kraków

Bibliografia

• 1. Adistambha K., Ritz C. H., Burnett I. S., Motion classification using Dynamic Time Warping. International Workshop on Multimedia Signal Processing, Wollongong 2008.
• 2. Augustyniak P., Transformacje Falkowe w Zastosowaniach Elektrodiagnostycznych. Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, Kraków 2003.
• 3. Bishop Ch., M.: Neural Networks for Pattern Recognition. Oxford University Press, New York 1995.
• 4. Chih-Wei H., Chih-Chung C., Chih-Jen L. A Practical Guide to Support Vector Classification. Taiwan University 2003.
• 5. Cichosz P., Systemy uczące się. Wydawnictwo Naukowo-Techniczne, Warszawa 2008.
• 6. Davies J., Studer R., Warren P. (eds.) Semantic Web Technologies Trends and Research in Ontology-based Systems. John Wiley & Sons Ltd 2006.
• 7. Flasiński M., Wstęp do sztucznej inteligencji. PWN, Warszawa 2011.
• 8. Michalski, R.S., Steep R., Learning from Observation: Conceptual Clustering. Chapter in the book: Michalski, R.S., Carbonell, J.G., Mitchell, T.M. (eds.) Machine Learning: An Artificial Intelligence Approach, Vol. 2. Morgan Kaufmann, San Mateo 1986.
• 9. Mitchell T., M., Machine Learning. McGraw-Hill Science 1997.
• 10. Russell, S., Norvig, P., Artificial Intelligence: A Modern Approach. 3rd edn, Prentice Hall, Englewood Cliffs 2010.
• 11. Tadeusiewicz, R., Flasiński M., Rozpoznawanie obrazów. PWN, Warszawa 1991.
• 12. Tadeusiewicz R., Ogiela M. R., New Proposition for Intelligent Systems Design: Artificial Understanding of the Images as the Next Step of Advanced Data Analysis After Automatic Classification and Pattern Recognition. In: Kwasnicka H., Paprzycki M. (eds.): Intelligent Systems Design and Applications, IEEE Computer Society Press, Los Alamitos, Washington, Brussels, Tokyo 2005.
• 13. Wójcik K., OTO Model of Building of Structural Knowledge - Areas of Usage and Problems. Advances in Intelligent Systems and Computing, Image Processing and Communications Challenges 4, Springer-Verlag Berlin, Heidelberg 2012.
• 14. Wójcik, K., Hierarchical Knowledge Structure Applied to Image Analyzing System - Possibilities of Practical Usage. ARES’2011 Proceedings of the IFIP WG 8.4/8.9 International Cross Domain Conference Viena, Lecture Notes in Computer Science, Springer-Verlag Berlin, Heidelberg 2011.