PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 12

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Hurwitz-Radon matrices
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Zastosowanie modelu uczenia maszynowego do realizacji procesora analogowego
Citko W., Sieńko W.
Przegląd Elektrotechniczny
|
2018
|
R. 94, nr 9
56--58
PL
W pracy zaproponowano wykorzystanie, opartego na transformacjach ortogonalnych i biortogonalnych, modelu uczenia maszynowego do syntezy procesora realizującego funkcję dodawania i mnożenia liczb rzeczywistych. Ze względu na cechy bezstratności oraz realizację zasady superpozycji model ten można zakwalifikować jako system kwantowego przetwarzania sygnałów.
EN
The goal of this paper is to present a universal machine learning model using orthogonal and biorthogonal transformations based on Hurwitz-Radon matrices. This model was used to synthesize a processor that performs the function of adding and multiplying real numbers. Due to the lossless features and implementation of the superposition principle, the model can be qualified as a quantum signal processing system.
2
Content available remote Realizacja pamięci skojarzeniowej z zastosowaniem modelu uczenia maszynowego
Citko W., Sieńko W.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 8
77--80
PL
W pracy przedstawiono model systemu nauczania maszynowego wykorzystujący transformacje biortogonalne oparte na macierzach Hurwitza-Radona. Uniwersalne właściwości proponowanego modelu nauczania maszynowego zilustrowano przykładem analizy polegającym na rekonstrukcji obrazu na podstawie niepełnych danych.
EN
The paper presents a model of machine learning system using biorthogonal transformations based on Hurwitz-Radon matrices. The universal properties of the proposed machine learning model are illustrated by an example of an image reconstruction analysis based on incomplete data.
3
Zastosowanie macierzy Hurwitza-Radona w uczeniu maszynowym
Citko W., Sieńko W.
Elektronika : konstrukcje, technologie, zastosowania
|
2016
|
Vol. 57, nr 10
28--30
PL
W artykule przedstawiono zastosowanie macierzy Hurwitza-Radona do syntezy systemu uczenia maszynowego. Jako przykład zastosowania systemu wybrano predykcję ciągów czasowych generowanych przez chaotyczne równanie Mackey-Glass’a.
EN
The purpose of this article is to present a model of the machine learning system which is based on a Hurwitz-Radon matrices. This system is used to predict time series genereted by the Mackey-Glass equation.
4
Content available The method of probabilistic nodes combination in handwriting recognition
Jakóbczak D. J.
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
|
2014
|
Nr 6
35--50
PL
Zaproponowana autorska metoda Probabilistycznej Kombinacji WęzłówProbabilistic Nodes Combination (PNC) jest sposobem modelowania krzywej 2D oraz identyfikacji i rozpoznania pisma odręcznego na podstawie punktów kluczowych (węzłów). Węzły traktowane są jako punkty charakterystyczne podpisu odręcznego lub pisma przed modelowaniem i rozpoznaniem. Dwuwymiarowe dane są interpolowane z wykorzystaniem różnych funkcji rozkładu prawdopodobieństwa: potęgowych, wielomianowych, wykładniczych, logarytmicznych, trygonometrycznych, cyklometrycznych. W pracy pokazano propozycję algorytmu modelowania i rozpoznania pisma odręcznego.
EN
Proposed method, called Probabilistic Nodes Combination (PNC), is the method of 2D curve modeling and handwriting identification by using the set of key points. Nodes arę treated as characteristic points of signature or handwriting for modeling and writer recognition. Identification of handwritten letters or symbols need modeling and the model of each individual symbol or character is built by a choice of probability distribution function and nodes Combination. PNC modeling via nodes combination and parameter y as probability distribution function enables curve parameterization and interpolation for each specific letter or symbol. Two-dimensional curve is modeled and interpolated via nodes combination and different functions as continuous probability distribution functions: polynomial, sine, cosine, tangent, cotangent, logarithm, exponent, arc sin, arc cos, arc tan, arc cot or power function.
5
Content available Active Object Modeling and Applications via the Method of Hurwitz-Radon Matrices
Jakóbczak D.
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
|
2013
|
Nr 5
5--15
EN
Artificial intelligence and computer vision need methods for object modeling having discrete set of boundary points. A novel method of Hurwitz-Radon Matrices (MHR) is used in shape modeling. Proposed method is based on the family of Hurwitz-Radon (HR) matrices which possess columns composed of orthogonal vectors. Two-dimensional active curve is modeling via different functions: sinus, cosine, tangent, logarithm, exponent, arc sin, arc cos, arc tan and power function. It is shown how to build the orthogonal matrix OHR operator and how to use it in a process of object modeling.
PL
Matematyka i jej zastosowania wymagają odpowiednich metod modelowania oraz interpolacji danych. Autorska metoda Macierzy Hurwitza-Radona (MHR) jest sposobem modelowania krzywej 2D. Oparta jest ona na rodzinie macierzy Hurwitza-Radona, których kluczową cechą jest ortogonalność kolumn. Dwuwymiarowe dane są interpolowane z wykorzystaniem różnych funkcji rozkładu prawdopodobieństwa: potęgowych, wielomianowych, wykładniczych, logarytmicznych, trygonometrycznych, cyklometrycznych. W pracy pokazano budowę ortogonalnego operatora macierzowego i jego wykorzystanie w rekonstrukcji i modelowaniu danych.
6
Content available remote Curve parameterization and curvature via method of Hurwitz-Radon matrices
Jakóbczak D.
Image Processing & Communications
|
2011
|
Vol. 16, no 1-2
49-55
EN
Parametric representation of the curve is more appropriate in computer vision applications then explicit form y = ƒ(x) or implicit representation ƒ(x, y) = 0. Proposed method of Hurwitz-Radon Matrices (MHR) can be used in parameterization and interpolation of curves in the plane. Suitable parameterization leads to curvature calculations. Points with local maximum curvature are treated as feature points in object recognition and image analysis. This paper contains the way of curve parameterization and computing the curvature in the range of two successive interpolation nodes via MHR method. Proposed method is based on a family of Hurwitz-Radon (HR) matrices. The matrices are skew-symmetric and possess columns composed of orthogonal vectors. The operator of Hurwitz-Radon (OHR), built from these matrices, is described. It is shown how to create the orthogonal OHR and how to use it in a process of curve parameterization and curvature calculation.
7
Content available Rekonstrukcja kształtu obiektu metodą Macierzy Hurwitza-Radona z parametrem k
Jakóbczak D.
Zeszyty Naukowe Wydziału Elektroniki i Informatyki Politechniki Koszalińskiej
|
2010
|
Nr 2
109--118
PL
Zagadnienie rekonstrukcji kształtu obiektów płaskich wymaga metod, które potrafią w sposób elastyczny zrekonstruować kontur obiektu na podstawie punktów charakterystycznych i które to metody pozwolą na wybór ostatecznego kształtu obiektu spośród kilku wersji. Jedna z takich metod, opracowana i nazwana przez autora metodą Macierzy Hurwitza-Radona (MHR), może zostać użyta w modelowaniu i rekonstrukcji obrazów 2D i 3D, które opisane są za pomocą konturów i krzywych. Metoda ta jest oparta na rodzinie macierzy Hurwitza-Radona (HR). Macierze HR są skośno-symetryczne i składają się z kolumn tworzących ortogonalne wektory. W pracy pokazano jak konstruować Operator Hurwitza-Radona (OHR) oraz jak wykorzystać go w procesie interpolacji konturu i w modelowaniu obiektu. Brakujące punkty konturu obliczane są z zastosowaniem wypukłej kombinacji M2 dwóch operatorów OHR M0 i M1: M2 = αk ×M0+(1-α k)×M1. Formuła obliczeń to Y(C) = M2×C. Dobór parametru k z przedziału (0;2] pozwala modelować i rekonstruować kontur obiektu. Opisana metoda wymaga odpowiedniego wyboru węzłów, tzn. punktów charakterystycznych odtwarzanej krzywej: węzły powinny być umieszczone w każdym minimum lub maksimum jednej ze współrzędnych i węzły powinny być monotoniczne względem jednej współrzędnej (np. równoodległe). Metoda MHR modeluje kontur i kształt obiektu punkt po punkcie, bez użycia wzoru funkcji opisującej krzywą.
EN
Reconstruction of object’s shape in the plane needs suitable methods for interpolation of the object contour based on characteristic points. Such a method ought to reconstruct the contour in elastic way and must let us choose a final shape of the object among few versions. One of them, invented by the author and called the method of Hurwitz-Radon Matrices (MHR), can be used in modeling and reconstruction of 2D and 3D objects, which are described by contours and curves. The method is based on a family of Hurwitz-Radon (HR) matrices. The matrices are skew-symmetric and possess columns composed of orthogonal vectors. The Operator of Hurwitz-Radon (OHR), built from these matrices, is described. It is shown how to create the orthogonal and discrete OHR and how to use it in a process of contour interpolation and object modeling. Contour points are calculated by convex combination M2 of two OHR operators M0 and M1: M2 = α k ×M0+(1-α k )×M1. Formula of calculations: Y(C) = M2×C. Parameter k from range (0;2] is responsible for appropriate modeling i reconstruction of object contour. The method needs suitable choice of interpolation nodes, i.e. points of the curve to be reconstructed: nodes should be settled at each local extremum and nodes should be monotonic in one of coordinates. MHR method is modeling the contour and shape of the object point by point, without using any formula of function or mathematical form of curve
8
Przedstawienie obiektu 3D za pomocą konturów rekonstruowanych metodą Macierzy Hurwitza-Radona
Jakóbczak D.
Metody Informatyki Stosowanej
|
2010
|
nr 1 (22)
43-53
PL
Metoda MHR modeluje kontur punkt po punkcie bez użycia wzoru funkcji opisujacej krzywą. Podstawowe cechy metody MHR są następujace: dokładność rekonstrukcji konturu lub krzywej zależy od liczby węzłów i sposobu wyboru wezłów (na przykład węzły o stałym kroku jednej współrzędnej); stabilność – mała zmiana współrzędnych węzła powoduje małe zmiany obliczanych punktów; odtworzenie konturu o L pikselach jest związane ze złożonością obliczeniową rzędu O(L); przekształcenia geometryczne (przesunięcia, obroty, skalowanie) są łatwe: tylko węzły wymagają przekształcenia i nowy obraz dla nowych wezłów może zostać zrekonstruowany; metodą korzysta z lokalnych operatorów OHR: pojedynczy średni operator M2 lub M2 -1 zbudowany jest na podstawie kolejnych 4, 8 lub 16 węzłów (2N dla N = 2, 4 oraz 8), co powoduje znacznie mniej obliczeń niż wykorzystanie wszystkich wezłów dla zbudowania operatora; istotny jest także fakt, iż zmiana współrzędnych węzła (xi,yi) np. o indeksie i = 2 nie spowoduje zmian obliczanych wartości współrzędnych punktów między węzłami np. o indeksach i = 25 oraz 26; możliwość zastosowania metody MHR w obrazach trójwymiarowych. W dalszych pracach należy omówic przekształcenia geometryczne obiektów płaskich i przestrzennych oraz ich rekonstrukcje metodą MHR po przekształceniu wezłów, specyficzne własności MHR dla węzłów o stałym kroku jednej współrzędnej oraz inne zastosowania MHR w grafice i wizji komputerowej (rozpoznawanie obiektów [15], obliczanie współczynników kształtu).
EN
To deal with 3D image representation and reconstruction dedicated methods should be constructed. One of them, called by author method of Hurwitz-Radon Matrices (MHR), can be used in reconstruction of 3D images which are described by points belong to horizontal contours. The method is based on a family of Hurwitz-Radon (HR) matrices. The operator of Hurwitz-Radon (OHR), built from that matrices, is described. It is shown how to create the orthogonal and discrete OHR and how to use it in a process of curve interpolation and image reconstruction. The method needs suitable choice of nodes, i.e. characteristic points of the curve to be reconstructed: nodes should be settled at each minimum or maximum of one coordinate and nodes should be monotonic in one of coordinates. Created from the family of N-1 HR matrices and completed with the identical matrix, system of matrices is orthogonal only for vector spaces of dimensions N = 2, 4 and 8. Orthogonality of columns and rows is very important and significant for stability and high precision of calculations.
9
Content available Application of Hurwitz – Radon matrices in shape representation
Jakóbczak D.
Applied Computer Science
|
2010
|
Vol. 6, no 1
63--74
EN
Computer vision needs suitable methods of shape representation and contour reconstruction. One of them, invented by the author and called method of Hurwitz-Radon Matrices (MHR), can be used in representation and reconstruction of shapes of the objects in the plane. Proposed method is based on a family of Hurwitz-Radon (HR) matrices. The matrices are skew-symmetric and possess columns composed of orthogonal vectors. Shape is represented by the set of nodes. It is shown how to create the orthogonal and discrete OHR operator and how to use it in a process of shape representation and reconstruction. MHR method is interpolating the curve point by point without using any formula or function.
10
Uczenie z przykładami - ortogonalny operator Hurwitza-Radona jako liniowy model dyskretny
Jakóbczak D.
Informatyka Teoretyczna i Stosowana
|
2006
|
R. 6, nr 10
147-158
PL
Opisano problem uczenia z przykładami i szukania lokalnego, dyskretnego modelu liniowego, zbudowanego na podstawie rodziny macierzy Hurwitza-Radona. Wyprowadzono wzór na macierz operatora, dokonano przykładowych obliczeń z użyciem operatora FIR oraz wykorzystano ortogonalność macierzy HR do uzasadnienia zalet operatora HR (stabilność i duża dokładność obliczeń, łatwość znalezienia operatora odwrotnego).
EN
In this paper I have presented Hurwitz-Radon operator, which is built from a family of Hurwitz-Radon matrices. Orthogonal HR operator can be treated as linear discrete model in machine learning-supervised learning (learning from examples). There is shown how to create linear HR operator and how to use it in approximation of data. Orthogonal basis in R[to N]n can be created from a family of N-1 HR matrices and identical matrix for dimensions N = 1, 2, 4, 8. Orthogonal basis is very important for stability and precision of calculation.
11
Hurwitz-Radon matrices and their children
Jakóbczak D.
Informatyka Teoretyczna i Stosowana
|
2005
|
R. 5, nr 8
29-38
EN
In this paper, I have presented a family of Hurwitz-Radon matrices as base matrices in R2, R4, R8. There is shown how to choose the best basis and how to create "children" of Hurwitz-Radon matrices' family. There are same examples that "children" could be better basis than "parents".
12
Macierze Hurwitza-Radona jako macierze bazowe
Jakóbczak D.
Informatyka Teoretyczna i Stosowana
|
2004
|
R. 4, nr 7
113-119
PL
W pracy pokazano użycie rodziny macierzy HR jako macierzy bazowych w przestrzeni R2 (liczby zespolone), R4 (kwaterniony), R8 (oktoniony - liczby Cayley'a). Opisano także problem Hurwitza-Radona-Eckmanna (znalezienie maksymalnej liczby liniowo niezależnych pól wektorowych na sferze S[do N-1]) oraz użycie kombinacji liniowych rodziny HR. Jedna rodzina HR zostanie zapisana w bazie, którą tworzą macierze innej rodziny HR, i jaki z tego wypływa wniosek. Macierze takie mają zastosowanie m.in. w sztucznych sieciach neuronowych [2,3,4,5], które to sieci w niedalekiej przyszłości mogą pomóc w rozwiązaniu problemów dotyczących ekonomii czy finansów.
EN
In this paper, I have presented family of Hurwitz-Radon matrices as base matrices in R2 (complex numbers), R4 (quaternions), R8 (octonions - Cayley's numbers). Pve also showed the Hurwitz-RadonEckmann problem (the maximum number of continuous orthogonal tangent vector fields on sphere S[to n-1]) and using the linear combinations of HR family. One family of HR matrices will be written in base, which is another HR family, and what is the conclusion. Family of Hurwitz-Radon matrices is connected with artificial neural networks [2,3,4,5]. Neural networks can be used in many problems of modern science, including finance science and economy.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.