Wyniki wyszukiwania - BazTech

Ograniczanie wyników

3 Przegląd Elektrotechniczny

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: machine learning systems

Sortuj według:

Ogranicz wyniki do:

Rozpoznawanie i rekonstrukcja obrazów jako problem odwrotny z zastosowaniem systemu uczenia maszynowego

Citko Wiesław, Sieńko Wiesław

Przegląd Elektrotechniczny

2022

R. 98, nr 9

154--157

Rekonstrukcja i rozpoznawanie obrazów jest typowym problemem występującym w wielu systemach przetwarzania obrazów. Zagadnienie to można sformułować jako rozwiązanie problemu odwrotnego. W artykule zaprezentowano autorski model systemu uczenia maszynowego, który może być wykorzystany do rekonstrukcji i rozpoznawania obrazów na podstawie ich liniowych projekcji.

Image reconstruction and recognition is a common problem found in many image processing systems. This problem can be formulated as a solution to the inverse problem. The article presents the author's model of a machine learning system that can be used for the reconstruction and recognition of images based on their linear projections.

Zastosowanie modelu uczenia maszynowego do realizacji procesora analogowego

Citko W., Sieńko W.

Przegląd Elektrotechniczny

2018

R. 94, nr 9

56--58

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.

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.

Realizacja pamięci skojarzeniowej z zastosowaniem modelu uczenia maszynowego

Citko W., Sieńko W.

Przegląd Elektrotechniczny

2017

R. 93, nr 8

77--80

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.

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.