PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote A compact smart sensor based on a neural classifier for objects modeled by Beaunier's model
Czaja Z., Kowalewski M.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 10
60--63
EN
A new solution of a smart microcontroller sensor based on a simple direct sensor-microcontroller interface for technical objects modeled by two-terminal networks and by the Beaunier’s model of anticorrosion coating is proposed. The tested object is stimulated by a square pulse and its time voltage response is sampled four times by the internal ADC of microcontroller. A neural classifier based on measurement data classifies the tested object to a given degradation stage.
PL
Przedstawiono nowe rozwiązanie inteligentnego czujnika opartego na bezpośrednim interfejsie mikrokontroler-czujnik dla obiektów technicznych modelowanych dwójnikami i modelem Beauniera dla powłok antykorozyjnych. Testowany obiekt jest pobudzany impulsem prostokątnym, a jego odpowiedź próbkowana cztery razy przez wewnętrzny przetwornik A/C mikrokontrolera. Klasyfikator neuronowy bazując na wynikach pomiarowych dokonuje klasyfikacji testowanego obiektu do danego etapu degradacji.
2
Content available Multiple neural network integration using a binary decision tree to improve the ECG signal recognition accuracy
Tran H. L., Pham V. N., Vuong H. N.
International Journal of Applied Mathematics and Computer Science
|
2014
|
Vol. 24, no. 3
647--655
EN
The paper presents a new system for ECG (ElectroCardioGraphy) signal recognition using different neural classifiers and a binary decision tree to provide one more processing stage to give the final recognition result. As the base classifiers, the three classical neural models, i.e., the MLP (Multi Layer Perceptron), modified TSK (Takagi–Sugeno–Kang) and the SVM (Support Vector Machine), will be applied. The coefficients in ECG signal decomposition using Hermite basis functions and the peak-to-peak periods of the ECG signals will be used as features for the classifiers. Numerical experiments will be performed for the recognition of different types of arrhythmia in the ECG signals taken from the MIT-BIH (Massachusetts Institute of Technology and Boston’s Beth Israel Hospital) Arrhythmia Database. The results will be compared with individual base classifiers’ performances and with other integration methods to show the high quality of the proposed solution.
3
Content available remote Wykorzystanie klasyfikatora z dwucentrowymi funkcjami bazowymi do diagnostyki uszkodzeń części analogowych elektronicznych systemów wbudowanych
Czaja Z., Kowalewski M., Zielonko R.
Przegląd Elektrotechniczny
|
2011
|
R. 87, nr 10
184-187
PL
Przedmiotem artykułu jest zastosowanie klasyfikatora z dwucentrowymi funkcjami bazowymi do detekcji i lokalizacji uszkodzeń w elektronicznych systemach wbudowanych sterowanych mikrokontrolerami. Przedstawiono szczegóły procedury pomiarowej oraz diagnostycznej z wykorzystaniem klasyfikatora DB zaimplementowanego w postaci algorytmicznej w kodzie programu mikrokontrolera. Omówiono konstrukcję klasyfikatora DB oraz metodę wyznaczania jego parametrów na przykładzie filtru dolnoprzepustowego 3-go rzędu.
EN
The aim of the paper is usage of the classifier with Two-Center Basis Functions for detection and localization of faults in electronic embedded systems controlled with microcontrollers. Details of measurement and diagnosis procedures with use of the TCB classifier implemented in the microcontroller’s program code were presented. Construction and a method of obtaining of parameters the TCB classifier on the exemplary 3th order filter were presented.
4
Content available remote Zastosowanie hybrydowej sieci neuronowej do klasyfikacji uszkodzeń drewnianych podkładów kolejowych
Bojarczak P., Lesiak P.
Prace Naukowe Politechniki Warszawskiej. Transport
|
2011
|
z. 78
23-36
PL
W artykule przedstawiono system pozwalający na automatyczne diagnozowanie drewnianych podkładów kolejowych na podstawie ich obrazów wizyjnych. System ten składa się z algorytmów cyfrowego przetwarzania obrazów oraz z hybrydowej sieci neuronowej. Celem algorytmów przetwarzania obrazów jest wyodrębnienie najistotniejszych cech podkładów drewnianych, czyli długości i szerokości pęknięć, które zastosowano w klasyfikatorze neuronowym. Wykorzystano tu hybrydową sieć składającą się z kaskadowo połączonych sieci Kohonena oraz sieci MLP ang. Multi-layer Perceptron. W procesie uczenia systemu użyto 100 zdjęć podkładów dobrych oraz 100 zdjęć podkładów uszkodzonych. Błąd klasyfikacji systemu wynosił 16% dla zbioru obrazów podkładów nie biorących udziału w procesie uczenia i 5% dla zbioru obrazów uczestniczących w uczeniu.
EN
The paper presents the system allowing for automatic diagnostic of railway wooden sleepers on the basis of their images. This system consists of digital image processing algorithms and hybrid network. Digital image processing algorithms extract from wooden sleeper’s images, the most salient features – the length and the width of the largest crack as well as the number of cracks. These features are given to the classifier - hybrid network. Presented hybrid network consists of two serially connected networks: Kohonen and MLP (Multi-layer Perceptron). During teaching process 100 images of sleepers with good state and 100 images of sleepers with poor state took part. Classification error was equal to 16% and 5% for images not taking part and taking part in teaching process respectively.
5
Content available remote Electrical Transients Monitoring via Higher-Order Cumulants and Competitive Layers
González de la Rosa J., Moreno Munoz A.
Przegląd Elektrotechniczny
|
2009
|
R. 85, nr 10
284-289
EN
This work deals with Power Quality (PQ) transients detection and characterization using higher-order sliding cumulants, whose maxima and minima are the coordinates of two-dimensional feature vectors. We recall the former research results which discriminate between two types of transients (impulsive and oscillatory) using third and fourth-order cumulants. Then, we use fourth-order cumulants to differentiate transients from ”healthy” signals and other anomalous features in the power-line sine. The classification strategy is based in competitive layers. The results show that the measured vectors are classified into clearly differentiated clusters in the feature space. The experience sets the foundations of an automatic procedure for PQ event detection.
PL
W artykule poruszono zagadnienia jakości energii, zwłaszcza wykrywania stanów przejściowych i ich charakterystykę z wykorzystaniem kumulant wyższych rzędów. Przywołano wyniki poprzednich badań rozróżniających dwa typy stanów przejściowych (impulsywne i oscylacyjne), do których użyto kumulant trzeciego- i czwartego rzędu. Kumulanty czwartego rzędu wykorzystywano do różniczkowania stanów przejściowych występujących w sinusoidzie linii. Mierzone wektory są klasyfikowane w wyraźnie różniące się grupy w przestrzeni właściwości.
6
Content available Nowa, metrologicznie zorientowana sieć neuronowa i metoda diagnostyki obiektów technicznych
Zielonko R., Kowalewski M.
Pomiary Automatyka Kontrola
|
2008
|
R. 54, nr 3
174-177
PL
W artykule przedstawiono nową, metrologicznie ukierunkowaną sieć neuronową oraz bazującą na niej metodę diagnostyki uszkodzeń parametrycznych układów analogowych, z klasyfikcją neuronową, o zwiększonej odporności na tolerancje elementów układu i niepewności pomiaru. Zaproponowano sieć neuronową z Dwu-centrowymi Radialnymi Funkcjami Bazowymi (DRFB), której walorem jest lepsze odwzorowanie słownika uszkodzeń, poprawa dokładności klasyfikacji i większa odporność na tolerancje, w porównaniu z siecią zawierającą jedno-centrowe radialne funkcje bazowe (RFB). Opisano 2 metody konstrukcji słownika uszkodzeń, w postaci rozproszonych krzywych identyfika-cyjnych, wykorzystujące transformację biliniową oraz analizę składowych głównych. Metodę zilustrowano na przykładzie diagnostyki 2 prostych układów analogowych. Może ona być stosowana do diagnozowania innych obiektów technicznych.
EN
In this paper a new metrologically oriented neural network and method for parametric fault localization and rough identification are presented. The characteristic feature of the network is application of new two-center radial basis functions in the hidden layer. In result, the better classification accuracy, as well as robustness against non-faulty component tolerances and measurement errors has been obtained, in comparison with known Radial Basis Function neural network. Two construction methods of fault dictionary in the form of dispersed identification curves are described: bilinear transformation and principal component analysis methods. The diagnosis method was illustrated on the exemplary 2 analog circuits. It can be used for diagnosis of other technical objects.
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.