Wyniki wyszukiwania - BazTech

1

Zastosowanie sztucznej sieci neuronowej Kohonena do monitorowania stanu infrastruktury drogowej

Mazurek G.

Logistyka

|

2015

|

nr 4

9466--9473, CD3

PL

W artykule został wykorzystany algorytm samoorganizującej sieci Kohonena. Do analizy wybrano losowo sześć odcinków drogowych o identycznym natężeniu pojazdów, obszaru zagospodarowania oraz organizacji ruchu. Uwzględniając liczebność zbioru zastosowano mapę skupień o rozmiarach 1x3. Analiza typologiczna ujawniła zróżnicowane wzorce powstawania uszkodzeń w nawierzchni. Ponadto jej wynik jest efektywnym narzędziem wymagającym monitorowanie odcinków dróg silnie wytężonych.

EN

In article was used an algorithm of self-organising Kohonen Network. Six road sections were choosed which characterized similar input data for example traffic volume, vehicle load range. In the experiment was considered an agglomeration map with dimension 1x3. An analysis revealed a few patterns refered to road damages. Moreover received results are good supporting tool in road monitoring.

2

A class of neuro-computational methods for assamese fricative classification

Patgiri C., Sarma M., Sarma K. K.

Journal of Artificial Intelligence and Soft Computing Research

|

2015

|

Vol. 5, No. 1

59--70

EN

In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.

3

Projektowanie analogowych układów scalonych CMOS o strukturze sieci neuronowej do przetwarzania obrazów i sygnałów

Kowalski J.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

|

2012

|

Z. 420

1-135

PL

W monografii przedstawiono wyniki prac autora dotyczące projektowania i testowania prototypowych, analogowych układów scalonych CMOS, odpowiednich do neuronowego przetwarzania obrazów i sygnałów, na przykładzie trzech zaprojektowanych i przetestowanych układów scalonych. Układy zostały wykonane przez konsorcjum Europractice w różnych technologiach CMOS, tj. 2,4 μm, 0,8 μm oraz 0,35 μm W zaprojektowanych układach oprócz właściwej sieci neuronowej implementowano specjalne struktury testowe, które umożliwiły wykonanie pomiarów podstawowych bloków funkcjonalnych sieci. Pozwoliło to na porównanie wyników symulacji z pomiarami oraz na uzyskanie informacji wykorzystanych do budowy stanowiska do testowania poprawności działania wykonanych układów scalonych. Dla każdego układu zaprojektowano specjalne stanowisko pomiarowe, które umożliwiło weryfikację doświadczalną działania danej sieci neuronowej. Pierwszym prezentowanym układem scalonym jest sieć Kohonena, dedykowana do zadań identyfikacji parametrów układów dynamicznych, przetwarzająca dane w sposób analogowy. Przedstawiono architekturę układu realizującego sieć, jego implementację w technologii MIETEC 2,4 μm oraz wyniki pomiarów podstawowych bloków funkcjonalnych sieci. Drugim zaprezentowanym układem scalonym jest filtr ważonych statystyk porządkowych obrazu o architekturze sieci neuronowej komórkowej, zaprojektowany w technologii AMS 0,8 μm CYE. Omówiono model komórki tego filtru oraz jego architekturę. Podano też szczegółowy opis bloków funkcjonalnych wchodzących w skład filtru oraz wyniki badań eksperymentalnych. Ostatnią część monografii stanowi projekt sieci neuronowej zbudowanej z synchronizowanych oscylatorów, służącej do segmentacji obrazów binarnych. W pracy zaproponowano nowy model oscylatora oraz architekturę układu scalonego realizującego sieć. Przedstawiono również projekt układu scalonego wykonanego w technologii AMIS 0,35 μm C035M-D 5M/1P i wyniki pomiarów.

EN

This monograph summarizes Author's research in the field of designing and testing CMOS prototype analog-integrated-circuit neural networks for image and signal processing. Three chips are presented which implement three various types of neural networks. The circuits have been designed using different CMOS technologies offered by Europractice, i.e. 2,4 μm, 0,8 μm and 0,35 μm ones. Apart from a main neural network, special test structures have been implemented in the circuits. The test structures enable the neural-network basic building blocks to be measured. This allows us to compare simulation with measurement results and provides some information needed for proper designing the integrated-circuit functional-test set-up. A special test set-up has been realized for each integrated circuit to perform functional verification of a given neural network. The first ASIC circuit considered in this monograph is a Kohonen network, operating with analog signals, dedicated for estimation of dynamic-system parameters. Architecture of the circuit, its implementation in the MIETEC 2,4 μm technology, as well as measurement results has been presented. The second integrated circuit presented in the monograph is a filter, based on a cellular neural network architecture, suitable for weighted-order-statistic image processing. It has been designed in the AMS 0,8 μm CYE technology. The filter cell model and structure have been described. Detailed description of its basic building blocks and the chip test results have been shown. The final part of this monograph is a description of a synchronized-oscillators-based neural network implemented in an ASIC form, which is well suited for binary-image-segmentation tasks. A new oscillator model and architecture of the designed circuit have been proposed. The AMIS 0,35 μm C035M-D 5M/1P technology has been used. Design, simulation and measurement results have been presented as well.

4

Automatic prolongation recognition in disordered speech using CWT and Kohonen network

Codello I., Kuniszyk-Jóźkowiak W., Smołka E., Kobus A.

Journal of Medical Informatics & Technologies

|

2012

|

Vol. 20

137--144

EN

Automatic disorder recognition in speech can be very helpful for the therapist while monitoring therapy progress of the patients with disordered speech. In this article we focus on prolongations. We analyze the signal using Continuous Wavelet Transform with 18 bark scales, we divide the result into vectors (using windowing) and then we pass such vectors into Kohonen network. Quite large search analysis was performed (5 variables were checked) during which, recognition above 90% was achieved. All the analysis was performed and the results were obtained using the authors' program - "WaveBlaster". It is very important that the recognition ratio above 90% was obtained by a fully automatic algorithm (without a teacher) from the continuous speech. The presented problem is part of our research aimed at creating an automatic prolongation recognition system.

5

Disordered sound repetition recognition in continuous speech using CWT and Kohonen network

Codello I., Kuniszyk-Jóźkowiak W., Smołka E., Kobus A.

Journal of Medical Informatics & Technologies

|

2011

|

Vol. 17

123--130

EN

Automatic disorders recognition in speech can be very helpful for therapist while monitoring therapy progress of patients with disordered speech. This article is focused on sound repetitions. The signal is analyzed using Continuous Wavelet Transform with 16 bark scales, the result is divided into vectors and passed into Kohonen network. Finally, the Kohonen winning neuron result is put on the 3-layer perceptron. The recognition ratio was increased by about 20% by adding a modification into the Kohonen network training process as well as into CWT computation algorithm. All the analysis was performed and the results were obtained using the authors' program ”WaveBlaster“, The problem presented in this article is a part of our research work aimed at creating an automatic disordered speech recognition system.

6

Badanie kategoryzacji zagrożenia tąpaniami z wykorzystaniem sieci neuronowych

Kabiesz J.

Prace Naukowe GIG. Górnictwo i Środowisko / Główny Instytut Górnictwa

|

2008

|

Wyd. spec. nr 7

93-104

PL

Celem przedstawionych w niniejszym artykule badań było sprawdzenie przydatności sieci neuronowych jako narzędzia umożliwiającego kategoryzację zagrożenia tąpaniami w kopalniach węgla kamiennego. Sprawdzano na rzeczywistym przykładzie eksploatacji pokładu węgla kamiennego w jednej z kopalń możliwość klasyfikacji tego zagrożenia przez sieć neuronową Kohonena. Sprawdzano wyniki uczenia tej sieci na zestawach danych (zmiennych wejściowych) niewątpliwie wpływających na stan zagrożenia oraz danych rozszerzanych o zestawy zmiennych o wartościach losowych lub/i wartościach stałych. Badano w ten sposób czułość i odporność wyników uczenia sieci na występowanie informacji niezwiązanych z klasyfikowanym zagrożeniem reprezentowanym przez stały zestaw danych.

EN

Investigations presented in the paper were targeted at the checking of neural networks' usefulness as a tool enabling the categorization of outbursts hazard in hard coal mines. A possibility of classification of this hazard by the Kohonen neuron network was checked on a real example of exploitation of hard coal seam in one of mines. The results of learning of this network were verified on sets of data (input variables) undoubtedly influencing the state of hazard, as well as data being extended with sets of variables of random values or/and the constant values. In this way, the sensitivity and resistance of network learning results was tested for the occurrence of information not associated with the classified hazard represented by a fixed data set.

7

Zastosowanie samoorganizujących się map cech w diagnostyce silników o zapłonie samoczynnym

Klimkiewicz M.

Inżynieria Rolnicza

|

2008

|

R. 12, nr 7(105)

101-108

PL

Wykorzystano właściwości samoorganizujących się map cech w wykrywaniu uszkodzeń silników z zapłonem samoczynnym. Zbudowano model, w którym zmiennymi wejściowymi są symptomy zaobserwowane przez użytkownika wskazujące na niewłaściwą pracę silnika oraz sprawdzenia i pomiary wykonane przez mechanika. Za pomocą mapy topologicznej zlokalizowano podobne skupienia przypadków. Neuronom radialnym mapy nadano etykiety zgodne z nazwami mogących się pojawić usterek.

EN

The researchers made use of self-organizing properties of maps of characteristics in detecting defects of self-ignition engines. A model was developed with the following input variables: the symptoms observed by user that indicate abnormal engine work, and checks and measurements carried out by a mechanic. Similar concentrations of clusters were located using a topological map. Radial neurons in the map were marked with labels consistent with names of defects, which may possibly occur.

8

Metoda technologii grupowej bazująca na sieciach neuronalnych

Piłot T., Knosala R.

Zarządzanie Przedsiębiorstwem

|

2001

|

Vol. 4, nr 1-2

31-28

EN

The production system that uses typical technologies is exported by large assortment of produced elements and quick changing market conditions. The idea of this system is manufacturing elements that are similar in their constructional forms and manufacturing processes using identical methods. Decreasing of production costs can be obtained as a result of application of the group technology. The method of information coding and methods of elements' clustering are basic problems in group technology. In the literature there are no references for method of machine elements description according to both design and technological features. In connection with above the following goal of the work is to develop the method of research the design and technological similarity using the Kohonen net as a clustering tool. The Kohonen net is one of the neural nets, belonging to group of nets that work without supervising and can analyse similarities in the input data. Basing on the assumptions presented above, the goal of the work is determined. The main task that have been solved in this work is the method of description the design and technological parameters and the method of clustering that uses the Kohonen net. The structure and algorithm of a two-layer net have been elaborated. This net has been used for clustering machine elements. Also the classical algorithm of the Kohonen net has been changed to apply the method of "neural gas" and new learning rate function. These changing let for more effective clustering of machine elements. The original method of description the technological and design parameters is also proposed. This method bases on application of the utility function for information coding about machine tools and manufacturing processes that arc used in chosen manufacturing plant. Experiments and results show that the elaborated method let cluster machine elements. Analysis of experiments results present that this method is a very effective for computer aiding of similarities analyse of machine elements.

9

Zastosowanie sieci Kohonena do rozpoznawania mowy patologicznej

Kapusta M., Gajer M., Shomali A.

Pomiary Automatyka Kontrola

|

2000

|

R. 46, nr 7

10-15

PL

Sygnał mowy posiada bardzo skomplikowana naturę, która sprawia że jago zobrazowanie oraz dalsza analiza bez operacji wstępnego przetworzenia sygnałów są trudne i nie zawsze przynoszą pożądane efekty. W wielu pracach sygnał mowy przedstawiony jest w postaci wideogramów, będących wykresami czsowo-częstotliwościowymi, jednakże analiza tych obrazów nie jest łatwa ze względu na ich trudną interpretację. W pracy niniejszej zaproponowano wykorzystanie sieci neuronowej Kohonena do generacji obrazów sygnałów mowy patologicznej, występujacej u dzieci z rozszczepem podniebienia. Opisano sposób przekształcenia sygnału mowy do postaci macierzy widm chwilowych, stanowiącej zbiór danych wejściowych dla układu sieci neuronowej Kohonena. Nastepnie omówiono metodę generacji obrazu przez sieć neuronową oraz zaproponowano przykladowy obraz pozyskanych sygnałów mowy. Ponadto zaproponowano metodę identyfikacji mowy patologicznej na podstawie otrzymanych obrazów, opierającą się na pomiarze długości linii.

EN

The nature of speech signal is very complicated, that causes its visualisation and further analysis, without some initial pre-processing, is very complicated and doesnát always bring the desired effects. Speech signal in most cases is represented by videograms. The analysis of these forms of signal visualisation is not easy because of difficulties is their interpretation. In this article the usage of Kohonen neural network for visualising speech signals uttered by children with a cleft palate, was proposed. Speech signal is converted to its spectrum matrices representation, which in tern constitutes the input for Kohonen neural network. Further a method for generating a simplified form of speech signal (a poly-line figure) based on the networkás output, was discused. In addition , a method for pathological speech signal recognition was proposed. Tests results based on utterances obtained form children with a cleft palate were also presented.

10

Wykorzystanie techniki obliczeń neuronowych do przetwarzania i rozpoznawania sygnałów mowy

Kapusta M., Gajer M., Shomali A.

Pomiary Automatyka Kontrola

|

2000

|

R. 46, nr 7

16-18

PL

Sygnał mowy posiada bardzo skomplikowaną naturę, która sprawia że jego zobrazowanie oraz dalsza analiza bez operacji wstępnego przetworzenia sygnałów są trudne i nie zawsze przynoszą pożądane efekty. Wcześniej sygnał mowy przedstawiany był w postaci wideogramów, będących wykresami czasowo-częstotliwościowymi, jednakże analiza tych obrazów nie była łatwa ze względu na ich trudną interpretację. W pracy niniejszej zaproponowano wykorzystanie sieci neuronowej Kohonena do generacji obrazów sygnałów mowy patologicznej, wystepującej u dzieci z rozszczepem podniebienia. Opisano sposób przekształcenia sygnału mowy do postaci macierzy widm chwilowych, stanowiącej zbiór danych wejściowych dla układu sieci neuronowej Kohonena. Następnie omówiono metodę generacji obrazu przez sieć neuronową oraz zaprezentowano przykladowe obrazy pozyskanych sygnałów mowy.

EN

The nature of speech signal is very complicated, that causes that its visualisation and further analysis, without some in intial pre-processing, is very complicated and doesnát always bring the desired effects. Speech signal in most cases in represented by videograms. The analysis of these forms of signal visualisation is not easy because of difficulties in their interpretation. In this article the usage of Kohonen neural network for visualising speech signals uttered by children with a cleft palate was proposed. Speech signal is converted to its spectrum matrices representation, which constitues the input for Kohonen neural network. Further a method for generating a simplified form of speech signal (a poly-line figure) based on the networkásoutput was presented. In addition a method for pathological speech signal recognition was presented. The results based on utterances obtained from children with a cleft palate were presented.