Wyniki wyszukiwania - BazTech

1

Intelligent classifier based on radial basis function network for the task of identification the recurrent laryngeal nerve in a surgical wound

Savka N., Dyvak M., Pukas A., Nemish V.

Journal of Applied Computer Science

|

2014

|

Vol. 22, nr 2

55--64

EN

The application of radial basis function networks (RBFN) for identification the recurrent laryngeal nerve (RLN) in a surgical wound was proved in this paper. The intelligent classifier based on artificial neural network with radial basis functions (RBF) was created. The task of identification the recurrent laryngeal nerve during thyroid surgery in the process of classification the information signals from different patients is considered.

2

Aproksymacja pętli histerezy za pomocą metod inteligencji obliczeniowej

Dudek G.

Przegląd Elektrotechniczny

|

2012

|

R. 88, nr 12b

8-11

PL

Opisano metody inteligencji obliczeniowej – wielowarstwowy perceptron, sieć o radialnych funkcjach bazowych oraz sieć neuronoworozmytą w zastosowaniu do aproksymacji pętli histerezy. W części eksperymentalnej pracy analizuje się sposoby konstrukcji aproksymant poprzez składanie funkcji bazowych, które w badanych sieciach mają różne postacie.

EN

Computational intelligence methods: multilayer perceptron, radial basis function network and neuro-fuzzy system for approximation of the hysteresis loops are described. In experimental part of the work the ways of building of the approximating function by combination of the basis functions which are different in the examined networks are analyzed.

3

Lokalizacja punktów pomiarowych w systemie do trójwymiarowego pozycjonowania ciała wybranymi metodami sztucznej inteligencji

Czechowicz A., Tokarczyk R.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2009

|

Vol. 20

67--79

PL

Fotogrametryczny system cyfrowy do pomiaru ciała ludzkiego dla celów badania wad postawy służy do wyznaczania przestrzennego położenia wybranych jego punktów. Wymaga on pomierzenia na zdjęciach cyfrowych trzech grup punktów, zwanych w tytule referatu punktami pomiarowymi: fotopunktów, markerów sygnalizowanych na pacjencie oraz źrenic oczu. Fotopunkty to czarno-białe sygnały pozwalające na orientację w przestrzeni modelu utworzonego ze zdjęć. Markery to styropianowe kulki o średnicy 4÷5 mm sygnalizujące wybrane elementy kośćca umieszczone na powierzchni ciała. Artykuł dotyczy wykorzystania sieci neuronowych do lokalizacji fotopunktów i styropianowych markerów. Zadaniem sieci jest klasyfikacja kolejnych fragmentów obrazu na zawierające obraz fotopunktu, markera lub niezawierające obrazu żadnego z nich. W ramach badań sprawdzono możliwość przeprowadzenia zdefiniowanej powyżej klasyfikacji sieciami o architekturze wielowarstwowego perceptronu (ang. Multi Layer Perceptron –MLP) ze wsteczną propagacją błędu oraz sieciami z radialnymi funkcjami bazowymi RBF (ang. Radial Basis Function Networks). Zweryfikowano przydatność reprezentacji opartej na informacji o rozkładzie wartości gradientu oraz jego kierunku dla celów wykrycia punktów pomiarowych. Wspomniana reprezentacja wywodzi się z badań nad selekcją podobrazów dla potrzeb dopasowania zdjęć lotniczych.

EN

A digital photogrammetric system for making measurements of the human body for the purpose of studying faulty posture is designed to determine the three-dimensional location of selected points in the human body. It requires the measurement of three groups of points on digital images, points referred to in this paper’s title as measurement points, i.e. control points, markers indicated on the patient’s body and pupils of the eyes. Control points are black and white signals permitting the correct orientation in space of a model created from the images. The markers are balls of polystyrene foam of 4-5 mm diameter, placed on the body, which indicate selected elements of the human skeleton. This paper describes the utilisation of neural networks to locate control points and markers. The aim of the networks is to classify consecutive fragments of an image as containing control points, containing markers or not containing any of these features. The research covered evaluation of the possibility of conducting this classification using Multi Layer Perceptron Networks with back propagation of errors as well as with Radial Basis Function Networks. The usefulness of a representation based on information about the distribution of gradient value and direction for the purpose of the detection of measurement points has been verified. This representation comes from earlier research on the selection of subimages for the purpose of matching the aerial pictures.