Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: error tolerance

Sortuj według:

Ogranicz wyniki do:

A robust watermarking technique for Image content authentication

Ur-Rehman Obaid, Zivic Natasa

Annals of Computer Science and Information Systems

2017

Vol. 13

223--226

A robust watermarking technique for image content authentication is proposed. The scheme is robust to minor modifications resulting from legitimate image processing operations. At the same time, the modifications affecting image content are classified as forgery attacks by the proposed scheme. Simulation results are given for intentional modifications (i.e., forgery attacks) as well as unintentional modifications in the presence of different noise environments, including the coded orthogonal frequency division multiplexing which is used in 5G networks, to prove the effectiveness of the proposed scheme. A security analysis of the proposed watermarking scheme is given in the end.

Neural network model for the analysis of infilled framed structures

Mini K. M., Subramanian K.

Archives of Civil Engineering

2007

Vol. 53, nr 4

639-662

The analysis of infilled frames is complex due to the non-linearity involved as well as the large number of variables. Artificial Neural Network (ANN) has been found to be a tool that can accommodate the large number of variables and the nonlinear behaviour of the system. The ANN model was trained using the data available on failure load for the infilled frame under various conditions, generated analytically using equivalent strut method. The so trained model was tested for different set of input and output data obtained analytically as well as experimentally [10]. The agreement between the predicted and the actual results are found to be good. The results show that if the data for training is sufficient, the performance of the network will be satisfactory. The neural network approach is versatile since the size and scope of the input and output vectors can be increased to a large extent to meet the complexities.

Analiza wypełnianych ścianami konstrukcji ramownicowych jest skomplikowana z powodu ich nieliniowości, jak również dużej liczby zmiennych. Sztuczna sieć neuronowa (ANN) stworzona została jako narzędzie, które może objąć wielką liczbę zmiennych oraz nieliniowe zachowanie się układu. Model ANN został nauczony przy użyciu dostępnych danych o obciążeniu niszczącym wypełnionej ramownicy w różnych warunkach opisanych analitycznie za pomocą równoważnych prętów. Zastosowany w ten sposób model zbadany został w różnych zestawach danych wejściowych i wyjściowych otrzymanych analitycznie oraz doświadczalnie [10]. Stwierdzono dobra zgodność pomiędzy wynikami przewidywanymi i uzyskanymi. Wyniki wskazują, że jeśli dane dotyczące badania są wystarczające, to funkcjonowanie sieci będzie zadawalające. Metoda sieci neuronowych jest uniwersalna, bowiem można znacznie zwiększać wielkość i zakres wektora wejściowego i wyjściowego w zależności od stopnia skomplikowania.