Wyniki wyszukiwania - BazTech

1

Strategie treningu neuronowego estymatora częstotliwości tonu krtaniowego z użyciem generatora syntetycznych samogłosek

Blok Marek, Banaś Jan, Pietrołaj Mariusz

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2022

|

nr 4

604--607

PL

W wielu zastosowaniach telekomunikacyjnych pojawia się problem przetwarzania lub analizy sygnału mowy, w ramach którego, często w obszarze podstawowych algorytmów, stosuje się estymator częstotliwości tonu krtaniowego. Estymator rozpatrywany w tej pracy bazuje na neuronowym klasyfikatorze podejmującym decyzje na podstawie częstotliwości oraz mocy chwilowej wyznaczanych w podpasmach analizowanego sygnału mowy. W pracy rozważamy problematykę treningu tego estymatora, gdy trening odbywa się z użyciem sygnałów generowanych syntetycznie.

EN

In many telecommunication applications there is a need for a speech signal processing or analysis, within which the pitch tone frequency estimator is one of the common basic algorithms. The estimator considered in this paper is based on a neural classifier, whose decisions are driven by the instantaneous frequency and power determined in the sub-bands of the analyzed speech signal. In the paper, we consider the problems of selecting a training strategy for this estimator, when training is carried out with synthetically generated vowels.

2

Diagnostyka analogowych filtrów wielosekcyjnych oparta na klasyfikatorach neuronowych z dwucentrowymi funkcjami bazowymi

Kowalewski M., Czaja Z.

Pomiary Automatyka Kontrola

|

2014

|

R. 60, nr 9

733--736

PL

Przedmiotem artykułu jest zastosowanie klasyfikatora z dwucentrowymi funkcjami bazowymi do lokalizacji uszkodzeń w wielosekcyjnych torach analogowych elektronicznych systemów wbudowanych sterowanych mikrokontrolerem. Przedstawiono szczegóły procedury pomiarowej oraz metody detekcji i lokalizacji uszkodzeń toru analogowego z wykorzystaniem klasyfikatora DB zaimplementowanego w postaci algorytmicznej w kodzie programu mikrokontrolera. Omówiono konstrukcję klasyfikatora DB oraz metodę wyznaczania jego parametrów na przykładzie wielosekcyjnego toru analogowego złożonego z trzech filtrów dolnoprzepustowych 2-go rzędu o strukturze Sallena-Keya.

EN

The aim of the paper is usage of a classifier with Two-Center Basis Functions for localization of faults in multi-stage filters implemented in electronic embedded systems controlled with microcontrollers. The main idea of self-testing approach is development of a BIST with a set of analog switches located between individual stages of a tested filter. Thanks to multiplexers used in general purpose input/output lines in microcontrollers, a single line can be the output of an excitation signal (eg. a square impulse) or the input of a measured signal applied to an analog-to-digital converter through the analog multiplexer. Details of the measurement procedure as well methods of detection and localization of faults in analog circuits with use of the TCBF classifier implemented in the microcontroller program code are discussed. The construction and a method of obtaining parameters of the TCBF classifier on an exemplary filter consisting of three 2nd order low-pass filters based on the Sallen-Key topology are presented.

3

EEG Feature Selection for BCI Based on Motor Imaginary Task

Rejer I.

Foundations of Computing and Decision Sciences

|

2012

|

Vol. 37, No. 4

285--305

EN

The greatest problem met when a Brain Computer Interface (BCI) based on electroencephalographic (EEG) signals is to be created is a huge dimensionality of EEG feature space and at the same time very limited number of possible observations. The first is a result of a huge amount of data which can be recorded during the single trial, the latter - the result of individuality of EEG signals, which can significantly differ in different frequency bands determined for different subjects. These two reasons force the brain researches to reduce the huge EEG feature space to only some features, those which allow to build a BCI of a satisfactory accuracy. The paper presents the comparison of two methods of feature selection – blind source separation (BSS) method and method using interpretable features. The comparison was carried out with the data set recorded during EEG session with a subject whose task was to imagine movements of right and left hand.

4

A functional testing of analogue electronic circuits with the use of specification approximation in the time-domain response features space

Jantos P., Golonek T., Rutkowski J.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 10

110-113

EN

This paper presents a method for specification driven testing of analogue electronic circuits. The method is based on utilisation of tested circuit response features to a test stimulus. Delaunay’s triangulation is employed for the purpose of finding tested circuit specifications values in spaces defined with response features. Specification maps are used for the purpose of estimating the tested circuits performance quality. A neural network classifier has been utilised to make a decision whether the circuit is fully functional.

PL

W artykule przedstawiono metodę sterowanego specyfikacją testowania analogowych układów elektronicznych. Opracowana metoda bazuje na wykorzystaniu cech odpowiedzi układu na wymuszenie testujące. W przestrzeniach zdefiniowanych przez wartości poszczególnych cech odpowiedzi testowanego układu oraz kolejne specyfikacje, znajdowana jest aproksymacja dystrybucji wartości specyfikacji z wykorzystaniem triangulacji Delaunay’a. Tak przygotowane „mapy” działania układu stosowane są do estymacji wartości specyfikacji, a następnie, za pomocą klasyfikatora neuronowego, do stwierdzenia, czy układ testowany jest sprawny.

5

Rozpoznawanie obrazów z wykorzystaniem neuronowego klasyfikatora NBV

Dybała J.

Diagnostyka

|

2009

|

nr 3(51)

105-112

PL

W artykule przedstawiono neuronowy klasyfikator NBV o konstrukcji inspirowanej strukturą sieci neuronowej CP (ang. Counter Propagation), który wykorzystuje koncepcję stosowaną w klasyfikacji minimalnoodległościowej, a w swym działaniu nawiązuje do idei funkcjonowania klasyfikatorów SVM (ang. Support Vector Machine).

EN

The article presents the NBV neural classifier whose structure has been inspired by the structure of CP (Counter Propagation) neural network, which uses the methods applied in the minimum-distance classification, while in its operation it draws on the idea of functioning of SVM (Support Vector Machines) classifiers.

6

MLP and SVM classifiers for fault detection

Osowski S.

Problemy Eksploatacji

|

2006

|

nr 2

149-167

EN

The paper presents a comparative analysis of two of the most important neural network classifiers: the multilayer perceptron (MLP) and Support Vector Machine (SVM) in application to diagnostic problems. The structure as well as learning algorithms of both networks have been presented and compared. The results of numerical experiments comparing the performance of both classifiers on the artificial and real life problems are presented and discussed.

PL

Praca przedstawia dwa rozwiązania klasyfikatorów neuronowych na potrzeby diagnostyki. Jednym z nich jest perceptron wielowarstwowy (ang. MultiLayer Perceptron - MLP), drugim sieć wektorów podtrzymujących (ang. Support Vector Machine (SVM). Przedstawiono struktury oraz podstawowe metody uczenia takich sieci. Działania obu klasyfikatorów sprawdzono i porównano na problemach testowych, zarówno typu syntetycznego, jak i problemie rzeczywistym rozpoznawania uszkodzeń elementów w rzeczywistym układzie filtru elektrycznego.

7

Fault detection in electrical drive by means of artificial neural networks

Głowacki G., Patan K.

Diagnostyka

|

2006

|

nr 2(38)

7-10

EN

The paper deals with problem model-based of fault detection electrical drive by using neural networks. The multilayer perceptron with tapped delay lines has been applied to model the diagnosed process at the nominal operation conditions. In turn, decision about faults has been performed using simple MultiLayer Feedforward Network (MFN). The electrical drive under consideration (AMIRA DR300) works in the closed loop and is controlled by PID controller. This laboratory electrical drive renders it positive to simulate a several faulty scenarios. In this way the proposed fault detection scheme can be tested on a number of faulty conditions.

PL

Artykuł przedstawia problem detekcji uszkodzeń w silniku elektrycznym przy pomocy sieci neuronowych. Do zamodelowania diagnozowanego obiektu pracującego w warunkach normalnych użyto sieci jednokierunkowych z liniami opóźniającymi. Następnie, jako blok decyzyjny o wystąpieniu uszkodzeń zastosowano zwykłe jednokierunkowe sieci wielowarstwowe. Do przeprowadzenia badań wykorzystano silnik prądu stałego firmy AMIRA (DR300). Silnik pracuje w układzie zamkniętym z regulatorem PID i umożliwia symulację pewnych scenariuszy uszkodzeń. Dzięki temu możliwe jest przetestowanie zaproponowanego schematu detekcji uszkodzeń na przykładzie wadliwych warunków pracy obiektu.

8

Neuronowe klasyfikatory cech sygnałów w diagnostyce uszkodzeń wirnika silnika indukcyjnego

Sobolewski A.

Diagnostyka

|

2005

|

Vol. 35

27--30

PL

W artykule zostaną poruszone zagadnienia związane z diagnostyką uszkodzeń silnika indukcyjnego dokonywanej za pomocą metody MCSA (Motor Current Signature Analysis. Wiele publikacji na ten temat wskazuje na pojawianie się tzw. częstotliwości poślizgowych wokół pierwszej, piątej i siódmej harmonicznej prądu stojana dla obciążeń powyżej połowy znamionowego. W niniejszym artykule zostanie przedstawiona sieć neuronowa LVQ wykorzystywana do rozwiązania problemu klasyfikacyjnego, przetwarzająca zbiór danych otrzymanych na drodze analizy statystycznej wybranych fragmentów spektrum prądu fazowego stojana. Rozwiązanie takie pozwala zautomatyzować proces klasyfikacyjny i uniknąć konieczności wyznaczania prędkości obrotowej.

EN

In this paper problems of fault detection of induction motor by the MCSA (Motor Current Signature Analysis) method are considered. Many of published papers point to lip frequencies that appear around the fist, fifth and seventh harmonic in stator current spectrum for more then half of nominal load. This paper presents the application of the LVQ neural network, employed to solve the classification problem based on a set of input data collected as chosen parts of current spectrum being statistically analyzed. The application helps to make the classification procedure automated and avoids necessity of rotor speed measurement.

9

Możliwości neuronowej klasyfikacji stanu w zmiennych warunkach pracy obiektu.

Adamczyk J., Cioch W., Krzyworzeka P.

Zagadnienia Eksploatacji Maszyn

|

1999

|

Vol. 34, nr 2

373-387

PL

Celem było sprawdzenie możliwości wykorzystania metody LVQ - Learning Vector Quantization - algorytmu samoorganizacji adaptacyjnego kwantowania wektorowego Kohonena sieci neuronowych do syntezy symptomów pozwalających diagnozować stan wybranej klasy obiektów przy zmiennych warunkach pracy: prędkości obrotowej i obciążeniu. Dla uczenia sieci wykorzystano wybrane składowe widma synchronicznego prędkości drgań składające się z prążków odpowiadających wybranym częstościom harmonicznym prędkości obrotowej oraz zazębienia przekładni, a także punktowych estymat bezwymiarowych. Wybór typu sieci neuronowych umożliwił klasyfikowanie wektorów stanu w sposób nadzorowany. Dzięki wykorzystanej w metodzie LVQ warstwie rywalizującej można było w obecności zadanych załóceń dokonać adekwatnej klasyfikacji stanu urządzenia w zakresie zakładanych zmian warunków pracy. Maksymalna sprawność, jaką uzyskano dla sygnałów testujących wyniosła 95%. Większość błędnych rozpoznań związana była ze stanem niesprawnym. Stwierdzono zdolność badanej sieci do uogólniania - prawidłowego rozpoznania stanu przy odmiennych niż w trakcie treningu warunkach pracy urządzenia.

EN

In this paper the ability of Learning Vector Quantization NN training algorithm to identifying the disjoint states of rotating machinery in the case of variable operating conditions (VOC) has been examined. Measured signal was the vibration velocity of model gear. A set training data was based on the selected components of amplitude synchronous spectrum. In active identification experiment the setting states has been influenced by loading and rotation speed changes. Max. 95% classification efficiency of state recognition seemed to be possible and the NN ability to generalise the knowledge has been influenced by VOC, especially in the absence of failures.