Wyniki wyszukiwania - BazTech

1

Misclassification-Driven Sample Relabeling for Supervised Kernel Principal Component Analysis

Adamiak K., Ślot K.

Schedae Informaticae

|

2016

|

Vol. 25

25--35

EN

Supervised kernel-Principal Component Analysis (S-kPCA) is a me thod for producing discriminative feature spaces that provide nonlinear decision regions, well-suited for handling real-world problems. The presented paper proposes a modification to the original S-kPCA concept, which is aimed at improving class-separation in resulting feature spaces. This is accomplished by identifying outliers (understood here as misclassified samples) and by an appropriate reformulation of the original S-kPCA problem. The proposed idea is to replace binary class labels that are used in the original method, by real-valued ones, derived using sample-relabeling scheme aimed at preventing potential data classification problems. The postulated concept has been tested on three standard pattern recognition datasets. It has been shown that classification performance in feature spaces derived using the introduced methodology improves by 4–16% with respect to the original S-kPCA method, depending on a dataset.

2

Object Classification Using Support Vector Machines with Kernel-based Data Preprocessing

Adamiak K., Duch P., Ślot K.

Image Processing & Communications

|

2016

|

Vol. 21, no. 3

45--54

EN

The paper explores possibility of improving Support Vector Machine-based classification performance by introducing an input data dimensionality reduction step. Feature extraction by means of two different kernel methods are considered: kernel Principal Component Analysis (kPCA) and Supervised kernel Principal Component Analysis. It is hypothesized that input domain transformation, aimed at emphasizing between-class differences, would facilitate classification problem. Experiments, performed on three different datasets show that one can benefit from the proposed approach, as it provides lower variability in classification performance at similar, high recognition rates.

3

Supervised Kernel Principal Component Analysis by Most Expressive Feature Reordering

Ślot K., Adamiak K., Duch P., Żurek D.

Journal of Telecommunications and Information Technology

|

2015

|

nr 2

3--10

EN

The presented paper is concerned with feature space derivation through feature selection. The selection is performed on results of kernel Principal Component Analysis (kPCA) of input data samples. Several criteria that drive feature selection process are introduced and their performance is assessed and compared against the reference approach, which is a combination of kPCA and most expressive feature reordering based on the Fisher linear discriminant criterion. It has been shown that some of the proposed modifications result in generating feature spaces with noticeably better (at the level of approximately 4%) class discrimination properties.

4

Image Analysis-Based Estimation of Metallic and Pearl Add-Ons Concentrations in Automotive Paints

Ślot K., Strzecha K., Nowak G.

Image Processing & Communications

|

2014

|

Vol. 19, no. 2-3

119--126

EN

The paper reports results of preliminary research on automotive paint dopant concentration assessment based on microscopic image segmentation. The considered task is illconditioned due to the richness and diversity in contents of images to be analyzed. The proposed procedure involves two main phases: image segmentation, where focal-plane paint addons are extracted from the background, and object analysis and classification. The results of experimental verification of the proposed method on a set of eighteen paint pigmented images (black and yellow) show that the estimation can be done with approximately 5% accuracy for paints doped with only single addon type. For add-on mixtures, the results were strongly dependent on pigment color and mutual add-on proportions.

5

Obstacle Avoidance Procedure and Lee Algorithm Based Path Replanner for Autonomous Mobile Platforms

Polańczyk M., Strzelecki M., Ślot K.

International Journal of Electronics and Telecommunications

|

2013

|

Vol. 59, No. 1

85-91

EN

The paper proposes solution for two important issues connected to navigation of independent mobile platforms in an unknown environment. First issue relates to obstacle map, estimated based on stereovision images. It provides a basis for further platform path-planning. The main problem that has to be solved in obstacle map derivation is elimination of artifacts resulting from depth estimation. Thus a two-step artifact filtering procedure is proposed, which exploits both within-frame spatial correlations as well as temporal, between-frame correlations to do this task. Second procedure, based on well-known Lees algorithm is designed for obtaining vehicle collisionless path. Such routes need to be updated on-the-fly to take into account moving obstacles or newly detected objects. The main idea of the proposed approach is to identify regions where environment has changed and to execute a procedure of selective path updates. As a result, an optimal path can be derived at a computational expense comparable to the heuristic Lifelong A* search. Experiment results demonstrate efficiency of the two discussed approaches for platform operation control in real environments, where both static and moving obstacles are present.

6

Kodowanie i synteza tekstur z użyciem sieci neuronowych komórkowych przy wykorzystaniu dekompozycji Wolda

Dębiec P., Kornatowski Ł., Ślot K.

Kwartalnik Elektroniki i Telekomunikacji

|

2005

|

Vol. 51, z. 1

9--35

PL

W artykule przedstawiono propozycję wykorzystania sieci neuronowych komórkowych (SNK) do celów kodowania i rekonstrukcji obszarów tekstur jednorodnych, występujących w obrazach rzeczywistych. W proponowanym rozwiązaniu obraz tekstury podlega dekompozycji na trzy składowe - harmoniczną, kierunkową i stochastyczną - z użyciem zoptymalizowanego pod względem czasowym algorytmu, wykorzystującego znane twierdzenie Wolda, a następnie każda ze składowych podlega odrębnemu procesowi kodowania. Model SNK, o analogowym sposobie przetwarzania, został użyty do wydajnej kompresji i szybkiej rekonstrukcji części stochastycznej obrazu. W pracy przedstawiono architekturę SNK, twierdzenie Wolda, proponowany algorytm dekompozycji i kodowania tekstury oraz wyniki przeprowadzonych symulacji komputerowych. Dla szerokiej klasy tekstur osiągnięto lepszą jakość obrazów niż przy użyciu algorytmu JPEG. Poza tym, możliwość fizycznej realizacji SNK w postaci układu scalonego VLSI, pozwala na zastosowanie proponowanego algorytmu do rekonstrukcji obrazu w czasie rzeczywistym

EN

A method for texture coding using cellular neural networks (CNNs) has been proposed in the paper. The main idea of the method is to decompose homogenous texture image into three components: harmonic, evanescent and stochastic, based on the well-known Wold's theorem. The former two components are then coded in DFT domain, while the last one is modeled using appropriately derived CNN. Texture decomposition is carried out in DFT domain. The first part of the algorithm is extraction of harmonic component, which is represented by dominant magnitude spectrum fringes (either isolated or grouped in clusters). Next, the evanescent component, which is represented by continuous ridges of fringes, is extracted from the result of the first step of the algorithm, using the Hough transform. The residual DFT fringes are considered to constitute stochastic component of texture spectrum. In order to obtain high compression rates, each of the three components is being modeled separately. Coding of extracted harmonic and evanescent components is performed in DFT domain. The stochastic component of a texture is being coded through CNN parameters. The proposed idea of stochastic part coding is to derive appropriate CNN template that transforms 2-D white noise signal into desired stochastic component. This operation is being done in spatial domain. Cloning template elements for several textures have been determined. For the purpose of modeling of CNN physical implementation inaccuracies, all template elements are quantized using 256 levels. In order to evaluate the proposed texture coding idea, several computer simulations have been performed using a representative set of natural textures. It has been found that for images of size exceeding 32 by 32 pixels, the quality of resulting images was better than the quality of images encoded with JPEG algorithm for the comparable compression ratios (JPEG-2OOO algorithm has not been considered). The potential application of the presented idea is perceived in computer graphics applications for high-speed generation of stochastic component of the image, in such fields as multimedia libraries, DVD or Video on Demand technologies.

7

New VLSI CMOS analogue median filter for real-time video applications

Kowalski J., Kacprzak T., Ślot K.

Kwartalnik Elektroniki i Telekomunikacji

|

2004

|

Vol. 50, z. 2

209-230

EN

Noise corruption is a problem common to many imaging applications, degrading picture quality and reducing the effectiveness of its utilisation. A new CMOS VLSI chip, which is designed to realise real-time median filtering of video images, is presented. The concept is based on Cellular Neural Network paradigm, which enables parallel analogue operation. Images, which are subject to processing, are loaded and produced after filtering in a serial manner through video signal. The circuit has been manufactured using MIETEC 2.4 um CMOS technology and allows for processing of images with 64 pixels horizontal resolution. The resolution can be increased by cascading of several integrated circuits. Experimental verification using computer generated grey-level images has proved the validity of the concept.

PL

W artykule przedstawiono układ scalony CMOS VLSI analogowego filtru medianowego o architekturze sieci neuronowej komórkowej (SNK) do zadań przetwarzania obrazu w czasie rzeczywistym. Układ ten został zrealizowany w technologii CMOS MIETEC 2.4 um i jest zdolny przetwarzać obraz z rozdzielczością 64 pikseli na linię obrazu. Aby zwielokrotnić rozdzielczość przetwarzanego obrazu można wykorzystać jednocześnie kilka układów scalonych, łącząc je z wykorzystaniem specjalnych wyprowadzeń. Dodaktową funkcją układu scalonego jest możliwość pracy jako filtru uśredniającego obrazu. W pracy przedstawiono podstawy teoretyczne filtrów medianowych o architekturze SNK, opis implementacji CMOS wszystkich bloków funkcjonalnych układu scalonego filtru medianowego oraz jego architekturę. Zamieszczono wyniki symulacji i pomiarów podstawowych bloków CMOS filtru. Posługując się specjalnie wykonaną do tego celu kartą do komputera PC wykonano badania funkcjonalne filtru medianowego dla przykładowych obrazów zakłóconych szumem impulsowym typu "sól i pieprz". Przedstawiono oscylogramy filtrowanych sygnałów oraz obrazy będące wynikiem pracy układu scalonego filtru medianowego. Zamieszczono tabele, które przedstawiają podstawowe parametry układu oraz porównanie do istniejących już implementacji cyfrowych układów medianowych.

8

Sieci neuronowe komórkowe: efektywne narzędzia przetwarzania informacji obrazowej

Ślot K.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

|

1999

|

Z. 257

3-199

PL

Niniejsza rozprawa stanowi podsumowanie prac prowadzonych przez autora w ramach koncepcji sieci neuronowych komórkowych. Sieci neuronowe komórkowe stanowią, sformułowaną w roku 1987, propozycję systemu rozproszonego przetwarzania informacji przy użyciu analogowych elementów procesorowych o prostej strukturze i regularnej organizacji. Praca zawiera obszerną prezentację aktualnego stanu badań dotyczących wszystkich aspektów dziedziny -teorii sieci, jej zastosowań i implementacji fizycznych. Zasadnicza większość przedstawionych w rozprawie zagadnień dotyczy wyników prac własnych autora, prowadzonych we wszystkich wymienionych kierunkach. Dokonana w pierwszej części rozprawy prezentacja rezultatów badań w zakresie teorii sieci neuronowych komórkowych zawiera omówienie podstawowych cech koncepcji podstawowej oraz obszerne omówienie zasadniczych kierunków ewolucji, jakim koncepcja ta podlegała od momentu jej sformułowania. Szczególna uwaga poświęcona została charakterystyce modelu tzw. uniwersalnej sieci neuronowej komórkowej, stanowiącej teoretyczną podstawę realizacji analogowych, równoległych procesorów obrazu. Wątek implementacji fizycznych sieci, mający kluczowe znaczenie dla praktycznego znaczenia koncepcji, stanowi temat drugiej części rozprawy. W rozprawie scharakteryzowane zostały dwa rozważane obecnie kierunki fizycznej implementacji sieci, bazujące na technologii optycznej i technologii półprzewodnikowej, z obszerną prezentacją wykonanych przy współudziale autora, półprzewodnikowych układów przetwarzania obrazów. Przedstawione w ostatniej części rozprawy zagadnienia zastosowań sieci neuronowych komórkowych dotyczą realizacji zadań stawiających najwyższe wymagania szybkościowe przed realizującymi je systemami. Pierwszą omówioną aplikacją sieci jest kompresja sygnałów wizyjnych przeznaczonych do transmisji kanałami o bardzo małej przepustowości, zaś drugą- modelowanie zjawisk opisanych przy użyciu równań różniczkowych cząstkowych.

EN

The presented dissertation summarizes the Author's research in the field of Cellular Neural Networks and provides the reader with an up-to-date review of the main aspects of this paradigm, which has been formulated by L.O. Chua in 1987. The dissertation contains an extensive discussion of the key aspects of the concept, including theoretical considerations, potential applications and physical implementation issues. The dissertation begins with a presentation of the basic Cellular Neural Network model and a review of its selected descendants, with a special emphasis on the Cellular Neural Network Universal Machine model. In part two, network's abstract model physical implementation issues are presented. Of two existing approaches: optics and VLSI technology, the former one is discussed only briefly. The main focus of considerations is a presentation of Cellular Neural Network-based integrated circuits realized in VLSI under the Author's supervision. The described chips are designed to perform specific image-processing tasks and they feature both a simple structure and a high processing speed. The last part of the dissertation is concerned with Cellular Neural Network applications. Two different, computationally demanding, areas of problems are considered as a network's potential application domain. Proposed use of Cellular Neural Network Universal Machine as a means for realizing very low bit-rate video coding is discussed first. Next, an application of Cellular Neural Networks to modeling of partial differential equations and, consequently, physical phenomena described using such equations, is considered.

9

Modelowanie równań różniczkowych cząstkowych przy użyciu uniwersalnych sieci neuronowych komórkowych

Ślot K.

Kwartalnik Elektroniki i Telekomunikacji

|

1999

|

Vol. 45, nr 2

125-147

PL

Zasadniczym tematem artykułu jest analiza możliwości modelowania równań różniczkowych cząstkowych typu parabolicznego za pomocą Uniwersalnych Sieci Neuronowych Komórkowych (USNK). Podstawową zaletą przyjęcia tego sposobu modelowania jest możliwość uzyskania szybkości przetwarzania zdecydowanie przewyższających inne możliwe metody. W artykule zostaną omówione kolejno zagadnienia modelowania rownań różniczkowych cząstkowych liniowych, modelowania układów równań różniczkowych cząstkowych oraz modelowania równań różniczkowych cząstkowych nieliniowych. W części dotyczącej pierwszego z wymienionych zagadnień zaprezentowano odpowiedni sposób wykorzystania sygnałów sieci dla realizacji podstawowego zadania. W części poświęconej drugiemu zagadnieniu, zaproponowano metodę modelowania układu równań w strukturze USNK, polegającą na nadaniu przetwarzanej informacji odpowiedniej struktury. Dla celów modelowania równań nieliniowych przedstawiono propozycje odpowiednich modyfikacji archtektury komórek sieci, dogodne z punktu widzenia fizycznej realizacji układu.

EN

The main objective of the following paper is to show that physical implementations of the Cellular Neural Network Universal Machine (CNN UM) paradigm can appear a useful tool for modelling Reaction--Diffusion Partial Differential Equations (PDEs). The main advantage offered by the proposed way of modelling is a processing speed (network's inherent parallelism), which outperforms capabilities of coputer--based approaches while its main drawback are inaccurate computations (typical for analog implementations). Three main issues were presented in the paper. The former one concerns modeling of linear Reaction--Diffusion Partial differential Equations using Cellular Neural Network Universal Machine. An appropriate procedure which is required for implementing equations of this type has been discussed along with its application for Laplace equation solving. The second problem which has been discussed concerns implementation of systems of equations in the considered structure. A method which allows for solving systems of Reaction--Diffusion PDEs within a framework of CNN UM was proposed. The method is based on appropriate organization of data which are to be handled in a network and does not require any modifications, neither of CNN UM architecture, nor of its processing element's structure. The proposed method can be considered also as a means for implementing two--layer Cellular Neural Networks into a CNN UM paradigm framework. The last issue described in the paper concerns modelling nonlinear Reaction--Diffusion PDEs using CNN UM. Appropriate, minor modifications of CNN UM processing element structure, which allow for modelling equations with low--order polynomial functions were proposed and processing results, which had been obtained for such a structure, were shown. Parameters of an actual network VLSI realization were used in all simulations presented in the paper. For all examples an estimated, total processing time did not exceed few milliseconds. On the other hand, processing was not accurate, however processing errors were found to be of only limited, quantitative nature. As a conclusion, it seems that physical implementations of CNN UM could be used as a tool for an ultra--fast, preliminary analysis of systems described by Reaction--Diffusion PDEs.

10

Uniwersalne sieci neuronowe komórkowe

Ślot K.

Elektronika : prace naukowe

|

1999

|

nr 4

101-114

PL

W niniejszym artykule przedstawiono podstawowe zagadnienia związane z koncepcją uniwersalnych sieci neuronowych komórkowych. Uniwersalne sieci neuronowe komórkowe stanowią teoretyczną podstawą realizacji fizycznej równoległych, uniwersalnych procesorów analogowych o bardzo dużych szybkościach działania. Zagadnienia przedstawione w artykule dotyczą praktycznych aspektów koncepcji - problemów implementacji fizycznej modelu, podstawowych wyników badań teoretycznych związanych z ograniczeniami wnoszonymi przez półprzewodnikową technologie wykonania układu oraz wybranych zastosowań sieci.

11

Kompresja sygnałów wizyjnych dla potrzeb transmisji w kanałach o niskiej przepustowości za pomocą uniwersalnych sieci neuronowych komórkowych

Ślot K.

Elektronika : prace naukowe

|

1998

|

nr 3

65-81

PL

W artykule została przedstawiona metoda kompresji sygnału wizyjnego, której przewidywanym sposobem implementacji fizycznej jest półprzewodnikowa realizacja Uniwersalnej Sieci Neuronowej Komórkowej (USNK). Przewidywaną dziedziną aplikacji metody jest kompresja sygnałów wizyjnych przeznaczonych do transmisji w kanałach o bardzo niskiej przepustowości (do 20 kbit/s). Podstawowymi cechami zaproponowanego algorytmu są standardowy sposób realizacji fazy kompresji międzyramkowej oraz wieloetapowa procedura kwantyzacji wektorowej, użyta dla realizacji fazy kompresji wewnątrzramkowej. Symulacje działania przedstawionego algorytmu, wykonane w oparciu o oprogramowanie systemu uruchomieniowego układów scalonych USNK wskazują na możliwość przeprowadzenia kompresji w czasie rzeczywistym.

EN

The paper presents video coding algorithm developed for Cellular Neural Network Universal Machine (CNNUM). Very low bit-rate channels (below 20 kBits/s) constitute the area of the potential application for the proposed method. Actual CNNUM VLSI implementations are considered to be a physical framework for the algorithm operations-Computer simulation results show the capability of performing the compression task in realtime with a moderate quality of reconstructed test sequences. The proposed algorithm consists of two main parts. The former one, inter-frame coding, implements standard block-based approach. Blocks of size 8x8 pixels of consecutive sequence frames are matched against each other for their relative displacements of range +/- 8 pixels The latter part of the algorithm, intra-frame coding, features a multi-stage vector quantization procedure, augmented with elements of object oriented video coding techniques There are three steps of vector quantization procedure, performed sequentially. The goal of each step is different and different code-book are used to perform quantization. The first part of the procedure is to compensate for large, relatively smooth regions of coded images. Codewords used in this step contains 2-D, discrete Gabor functions of size 9x9. The objective of the second part of the quantization procedure is to compensate for sharp transitions in image intensities (edges) and is performed using 5x5 smoothed Walsh functions. Finally, the last step of the procedure approximates noise-like elements of coded images and reduces errors of the two previous steps of quantization Two video sequences were used to test an algorithm operation: "Claire" and "Miss America". Reconstruction quality of both sequences is satisfactory if 200 bytes are allowed for representing a single frame. The main advantage of the proposed method of video coding realization is real-time processing. Computer simulations based on actual values of VLSI circuits which implement CNNUM show that an overall processing time does not exceed 100 milliseconds, which is the frame rate assumed for transmission.