Wyniki wyszukiwania - BazTech

1

Rejestracja, parametryzacja i klasyfikacja alofonów z wykorzystaniem bimodalności

Zaporowski S., Cygert S., Szwoch G., Korvel G., Czyżewski A.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2018

|

Nr 60

135--138

PL

Praca dotyczy rejestracji i parametryzacji alofonów w języku angielskim z wykorzystaniem dwóch modalności. W badaniach dokonano rejestracji wypowiedzi w języku angielskim mówców, których znajomość tego języka odpowiada poziomowi rodowitego mówcy. W kolejnym etapie wyodrębnione zostały alofony z nagrań fonicznych i odpowiadające im sygnały wizyjne. W procesie tworzenia wektorów cech wykorzystano odrębne systemy parametryzacji, osobne dla każdej modalności. Do parametryzacji sygnału fonicznego użyto typowych deskryptorów stosowanych w obszarze rozpoznawania mowy i muzyki. W nagraniach z systemu przechwytywania ruchu zaproponowano własne rozwiązania. Do klasyfikacji alofonów wykorzystano sieci neuronowe oraz maszynę wektorów nośnych w podejściu jednoi dwumodalnym. Stwierdzono, że skuteczność rozpoznawania wzrasta wraz z wykorzystaniem więcej niż jednej modalności.

EN

The paper concerns the recording and parameterization of allophones in English using two modalities. In the research, the English speakers' statements were recorded. Those speakers’s language proficiency corresponds to the level of the native speaker. In the next stage, allophones from audio recordings and corresponding visual signals were isolated. In the process of creating feature vectors, separate parameterization systems were used for each modality. For the audio signal parameterization, typical descriptors used in the area of speech and music recognition were chosen. In the case of the motion capture system own solutions were proposed. For the purpose of allophones classification, neural networks and the suport vector machine were used in both approaches. It has been found that the recognition efficiency increases with the use of more than one modality.

2

Comparative evaluation of EMG signal features for myoelectric controlled human arm prosthetics

Karabulut D., Ortes F., Arslan Y. Z., Adli M. A.

Biocybernetics and Biomedical Engineering

|

2017

|

Vol. 37, no. 2

326--335

EN

Myoelectric controlled human arm prosthetics have shown a promising performance with regards to the supplementation of the basic manipulation requirements for amputated people over recent years. However these assistive devices still have important restrictions in enabling amputated people to perform rather sophisticated or functional movements. Surface electromyography (EMG) is used as the control signal to command such prosthetic devices to ensure the amputated people to compensate their fundamental movement patterns. The ability of extraction of clear and certain neural information from EMG signals is a critical issue in fine control of hand prosthesis movements. Various signal processing methods have been employed for feature extraction from EMG signals. In this study, it was aimed to comparatively evaluate the widely used time domain EMG signal features, i.e., integrated EMG (IEMG), root mean square (RMS), and waveform length (WL) in estimation of externally applied forces to human hands. Once the signal features were extracted, classification process was applied to predict the external forces using artificial neural networks (ANN). EMG signals were recorded during two types of muscle contraction: (i) isometric and isotonic, and (ii) anisotonic and anisometric contractions. Experiments were implemented by six healthy subjects from the muscles that are proximal to the upper body, i.e., biceps brachii, triceps brachii, pectorialis major and trapezius. The force prediction results obtained from the ANN were statistically evaluated and, merits and shortcomings of the features were discussed. Findings of the study are expected to provide better insight regarding control structure of the EMG-based motion assistive devices.

3

Computer-Assisted Classification of Products According to Etim Standard

Tokarski M., Nowak G., Draus C.

Image Processing & Communications

|

2012

|

Vol. 17, no. 4

373--378

EN

The article presents the classification software according to the international product description standard ETIM. The software has been designed for Polish manufacturers or wholesalers who want to implement this standard in their companies. Classification is done in Polish language, on the basis of information contained in the company’s product files. Application features several mechanisms to facilitate the creation of product description, like suggestion of the appropriate class or automatic recognition of values of the required parameters. With this application, the tedious and time consuming job of classification becomes easier and can be done much quicker.

4

Zastosowanie sieci neuronowych w wizyjnej automatycznej identyfikacji uszkodzeń podkładów kolejowych

Bojarczak P., Lesiak P.

Logistyka

|

2010

|

nr 4

CD-CD

PL

W artykule przedstawiono system składający się z sieci neuronowej oraz procedur obróbki obrazów pozwalający na diagnostykę drewnianych podkładów kolejowych na podstawie ich obrazów. Procedury obróbki obrazów wydobywają najistotniejsze cechy podkładów na podstawie których przeprowadzana jest ich klasyfikacja przez sieć neuronową. Poprawność działania systemu została przetestowana na 100 obrazach nieuszkodzonych podkładów oraz 100 obrazach podkładów uszkodzonych. System prawidłowo sklasyfikował 84% obrazów niebiorących udziału w procesie uczenia oraz 95% obrazów biorących udział w procesie uczenia.

EN

The paper presents the system composing of neural network and image processing procedures being able to classify wooden sleepers on the basis of their image. Image processing procedures extract salient features of sleeper that are further used by neural network in classification process. The system performance was checked on 100 images of good sleeper and 100 images of bad sleeper. System classification rate was equal to 84% for images not taking part in learning process, and 95% for images taking part in learning process.