Wyniki wyszukiwania - BazTech

1

A statistical approach for off-line signature verification (SV)

Das M.T., Dulger L.C., Dulger H.E.

Journal of Medical Informatics & Technologies

|

2009

|

Vol. 13

33--39

EN

This paper includes off line Signature Verification (SV) process with test results using the proposed algorithm Particle Swarm Optimization-Neural Network (PSO-NN) together with statistical analysis, Chi-square test. The verification process is performed in four steps. Signature images are scanned (data acquisition) and image processing is applied to make images suitable for extracting features (pre-processing). Each pre-processed image is then used to extract relevant geometric parameters (feature extraction) that can distinguish signatures of different volunteers. Finally, the proposed verification algorithm is tested on the database that includes 1350 skilled and genuine signatures taken from 25 volunteers. The Chi-square test is applied to see how the signature data fits with probability test function.

2

Biologicznie inspirowane modele empiryczne w eksploatacji instalacji energetycznych

Świrski K.

Prace Naukowe Politechniki Warszawskiej. Mechanika

|

2008

|

z. 221

1-141

PL

Praca prezentuje ocenę możliwości modelowania empirycznego i eksploracji danych w problemach badawczych energetyki. Rozprawa obejmuje: analizę, porównanie, uogólnienie i ocenę różnorodnych technik modelowania, zarówno klas modeli, jak również metod eksploracji danych, wraz z identyfikacją możliwości wykorzystania właściwego typu modeli do konkretnego problemu badawczego. W części aplikacyjnej zaprezentowano rezultaty rozwiązań problemów technicznych, osiągniętych za pomocą badań naukowych, aplikacje stworzone do projektu przez testowanie systemów pilotowych, aż po nowe rozwiązania wdrożeniowe na dużych instalacjach energetycznych. Praca koncentruje się wokół problemów modelowania empirycznego: wykorzystania modeli liniowych, hybrydowych, inspirowanych biologicznie sieci neuronowych i systemów immunologicznych w energetyce. Zagadnienia aplikacyjne obejmują wiele projektów z obszaru regulacji i optymalizacji pracy bloku energetycznego, prognozowania i eksploracji danych w energetyce. Prace badawcze nad zagadnieniem modelowania empirycznego są kontynuacją i rozszerzeniem prac Zakładu Muie Instytutu Techniki Cieplnej PW, które obejmują kwestie modelowania matematycznego instalacji energetycznych i ich wykorzystania w problemach: projektowania, symulacji i optymalizacji pracy bloków energetycznych i ich elementów. Poza obszarem badań fizykalnych, prace podjęte w ITC PW - jako pierwsze w kraju i jedne z pierwszych w Europie - dotyczyły możliwości wykorzystania sieci neuronowych w optymalizacji pracy kotłów energetycznych. W rozprawie szerzej przedstawiono zagadnienie inspirowanej biologicznie optymalizacji procesu spalania, a szczególnie zastosowania metod immunologicznych - między innymi dlatego, że jest to pierwsze udokumentowane, światowe zastosowanie tych algorytmów w energetyce, także w budowie rozwiązania nie tylko badawczo-pilotażowego, ale i sprawdzonego komercyjnie. Wyniki prezentowane w rozprawie stanowią podsumowanie prac realizowanych przez autora kierującego kilkoma zespołami badawczymi w latach 2000-2007. Badania zaowocowały wdrożeniami w kilkunastu elektrowniach polskich oraz ponad kilkudziesięciu obiektach w USA, Europie, a także Tajwanie, Chinach, Indiach i Korei.

EN

The dissertation presents applications of biologically inspired (bio-inspired) models in research topics of power plant operation. A wide description, analysis and comparison of different model classes and data mining methods are complemented with examples of industrial application of research results. The paper is focused on empirical modeling: linear models, neural networks, immunological system, hybrid models. Industrial problems of power plant operation cover a wide spectrum from control and optimization of large coal fired boilers, desulphurization systems, forecasting (electricity and heat demand) up to data exploration in plant performance evaluation and electricity trading contract analysis. Bio-inspired immunological optimization system of combustion in pulverized coal power boiler is the first application of immunological systems in process control and power plant operation. Boiler operation and its main performance parameters (efficiency, pollutant emission) are treated as status of biological system with health indicator (optimized). All disturbances deteriorating performance may be represented as pathogens and optimal reaction of control systems as lymphocytes. Such bio-inspiration gives a chance to introduce new mathematical description of the whole process and then apply an optimization control strategy based on immunological approach. Positive results from operation on a large industrial installation proved the advantages of such optimization system. Theoretical analysis and comparison, together with results from application of industrial solutions, enable to identify the best approach for each research case - the appropriate model type, possible range of improvement and also constrains and limitation of methodology.

3

Influence of gestational age on neural networks interpretation of fetal monitoring signals

Jeżewski M., Czabański R., Horoba K., Wróbel J., Łęski J., Jeżewski J.

Journal of Medical Informatics & Technologies

|

2008

|

Vol. 12

137--142

EN

Cardiotocographic monitoring (CTG) is a primary biophysical monitoring method for assessment of the fetal state and is based on analysis of fetal heart rate, uterine contraction activity and fetal movement signals. Visual analysis of CTG traces is very difficult so computer-aided fetal monitoring systems have become a standard in clinical centres. We proposed the application of neural networks for the prediction of fetal outcome using the parameters of quantitative description of acquired signals as inputs. We focused on the influence of the gestational age (during trace recording) on the fetal outcome classification quality. We designed MLP and RBF neural networks with changing the number of neurons in the hidden layer to find the best structure. Networks were trained and tested fifty times, with random cases assignment to training, validating and testing subset. We obtained the value of sensitivity index above 0.7, what may be regarded as good result. However additional trace grouping within similar gestational age, increased classification quality in the case of MLP networks.