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

Znaleziono wyników: 25

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
1
Content available The Use of Artificial Intelligence for Quality Assessment of Refill Friction Stir Spot Welded Thin Joints
Kubit Andrzej, Kłosowski Grzegorz, Berezowski Wojciech
Advances in Science and Technology. Research Journal
|
2024
|
Vol. 18, no 3
45--57
EN
This paper presents a machine learning and image segmentation based advanced quality assessment technique for thin Refill Friction Stir Spot Welded (RFSSW) joints. In particular, the research focuses on developing a predictive support vector machines (SVM) model. The purpose of this model is to facilitate the selection of RFSSW process parameters in order to increase the shear load capacity of joints. In addition, an improved weld quality assessment algorithm based on optical analysis was developed. The research methodology includes specimen preparation stages, mechanical tests, and algorithmic analysis, culminating in a machine learning model trained on experimental data. The results demonstrate the effectiveness of the model in selecting welding process parameters and assessing weld quality, offering significant improvements compared to standard techniques. This research not only proposes a novel approach to optimizing welding parameters but also facilitates automatic quality assessment, potentially revolutionizing and spreading the application of the RFSSW technique in various industries
2
Content available remote Comparison of CNN and LSTM algorithms for solving the EIT inverse problem
Kłosowski Grzegorz, Maj Michał, Oleszek Michał
Przegląd Elektrotechniczny
|
2023
|
R. 99, nr 1
230--233
EN
This article presents comparative research to verify the suitability of selected machine learning methods for the problem of solving the inverse problem in electrical impedance tomography. The research involved the use of a tomograph to image areas of moisture inside the walls. The measurement data collected by the tomograph was transformed into 3D spatial images using two types of artificial neural networks - convolutional neural network (CNN) and recurrent long short-term memory network (LSTM).
PL
W tym artykule przedstawiono badania porównawcze w celu weryfikacji przydatności wybranych metod uczenia maszynowego do zagadnienia polegającego na rozwiązaniu problemu odwrotnego w elektrycznej tomografii impedancyjnej. Badania polegały na wykorzystaniu tomografu do obrazowania obszarów zawilgocenia wewnątrz murów. Zgromadzone za pomocą tomografu dane pomiarowe zostały przekształcone na obrazy przestrzenne 3D za pomocą dwóch rodzajów sztucznych sieci neuronowych – konwolucyjne sieci neuronowej (CNN) oraz sieci rekurencyjnej typu long short-term memory (LSTM).
3
Content available remote Advantages of convolutional neural network compared to multilayer perceptron in electrical tomography
Rymarczyk Tomasz, Kłosowski Grzegorz, Niderla Konrad
Przegląd Elektrotechniczny
|
2023
|
R. 99, nr 6
142--145
EN
This article deals with the optimization of the artificial neural network (ANN) architecture in order to improve the quality of tomographic imaging. During the research, many variants of predictive models were tested, differing in the number of neurons, the number and type of layers, learning algorithm, transfer functions, overfitting prevention methods, etc. As a result of comparing the results in the form of reconstruction images obtained with reference images, the optimal architecture of the neural network was selected. Noteworthy is the original approach of training separate ANNs for each image voxel separately. As a result, the model consists of many independently trained, single-output ANNs that form a structure referred to as a multiple neural network (MNN).
PL
Niniejszy artykuł dotyczy problematyki optymalizacji architektury sztucznej sieci neuronowej (SSN) w celu podniesienia jakości obrazowania tomograficznego. W trakcie badań testowano wiele wariantów modeli predykcyjnych, różniących się liczbą neuronów, liczbą i rodzajem warstw, algorytmem uczenia, funkcjami transferowymi, metodami zapobiegania przeuczeniu itp. W wyniku porównania rezultatów w postaci uzyskanych obrazów rekonstrukcyjnych z obrazami referencyjnymi wybrano optymalną architekturę sieci neuronowej. Na uwagę zasługuje oryginalne podejście polegające na trenowaniu osobnych ANN dla każdego woksela obrazu z osobna. W rezultacie model składa się z wielu niezależnie trenowanych, jednowyjściowych SSN, które tworzą strukturę określoną jako wielokrotna sieć neuronowa (WSN).
4
Content available Using an LSTM network to monitor industrial reactors using electrical capacitance and impedance tomography - a hybrid approach
Kłosowski Grzegorz, Rymarczyk Tomasz, Niderla Konrad, Kulisz Monika, Skowron Łukasz, Soleimani Manuchehr
Eksploatacja i Niezawodność
|
2023
|
Vol. 25, no. 1
art. no. 11
EN
The article presents a new concept for monitoring industrial tank reactors. The presented concept allows for faster and more reliable monitoring of industrial processes, which increases their reliability and reduces operating costs. The innovative method is based on electrical tomography. At the same time, it is non-invasive and enables the imaging of phase changes inside tanks filled with liquid. In particular, the hybrid tomograph can detect gas bubbles and crystals formed during industrial processes. The main novelty of the described solution is the simultaneous use of two types of electrical tomography: impedance and capacitance. Another novelty is the use of the LSTM network to solve the tomographic inverse problem. It was made possible by taking the measurement vector as a data sequence. Research has shown that the proposed hybrid solution and the LSTM algorithm work better than separate systems based on impedance or capacitance tomography.
5
Content available remote Tuning machine learning hyperparameters in electrical tomography of masonry walls
Rymarczyk Tomasz, Kłosowski Grzegorz, Rymarczyk Paweł, Sikora Jan, Adamkiewicz Przemysław, Oleszek Michał
Przegląd Elektrotechniczny
|
2022
|
R. 98, nr 3
102--105
EN
The article presents a proposal for the final optimisation of the parameters of machine learning models in tomographic applications. In the case under consideration, electrical impedance tomography (EIT) was used to illustrate the distribution of moisture inside the walls of buildings. The mentioned topic focuses on optimising hyperparameters of machine learning models to optimise the efficiency of capturing accurate tomographic pictures. In the EIT, machine learning models are used to transform input measurements into output images. It is called an inverse or ill-posed problem that is difficult to solve due to insufficient arguments. In machine learning, the correct selection of model hyperparameters plays a key role. Therefore, the optimisation of these hyperparameters has a direct impact on the quality of the reconstruction. This article presents examples of hyperparameter optimisation for regression models and classification models based on the example of the k-nearest neighbours. The above methods were used in the electrical tomography system, intended to monitor and visualise the distribution of moisture inside the walls of buildings and structures. The results acquired during the research confirmed the high quality of the proposed methods.
PL
W artykule przedstawiono propozycję optymalizacji (dostrajania) parametrów modeli uczenia maszynowego w aplikacjach tomograficznych. W omawianym przypadku do zobrazowania rozkładu wilgoci wewnątrz ścian budynków wykorzystano elektryczną tomografię impedancyjną (EIT). Wspomniany temat koncentruje się na optymalizacji hiperparametrów modeli uczenia maszynowego w celu optymalizacji generowania obrazów tomograficznych o wysokiej jakości. W EIT modele uczenia maszynowego są wykorzystywane do przekształcania pomiarów wejściowych w obrazy wyjściowe. Ma to związek z tzw. problemem odwrotnym lub źle postawionym, który jest trudny do rozwiązania z powodu niewystarczającej liczby argumentów. W uczeniu maszynowym kluczową rolę odgrywa prawidłowy dobór hiperparametrów modelu. Dlatego optymalizacja tych hiperparametrów ma bezpośredni wpływ na jakość rekonstrukcji. W artykule przedstawiono przykłady optymalizacji hiperparametrów dla modeli regresyjnych, a także dla modeli klasyfikacyjnych na przykładzie metody k-najbliższych sąsiadów. Powyższe metody zostały zastosowane w systemie tomografii elektrycznej, przeznaczonym do monitorowania i wizualizacji rozkładu wilgoci wewnątrz ścian budynków i budowli. Uzyskane w trakcie badań wyniki potwierdziły wysoką jakość proponowanych metod.
6
Content available remote Algorithmic methods of improving the imaging of flood embankments interior with the use of electrical tomography
Rymarczyk Tomasz, Kłosowski Grzegorz, Kozłowski Edward, Sikora Jan, Adamkiewicz Przemysław
Przegląd Elektrotechniczny
|
2022
|
R. 98, nr 5
169--172
EN
The article presents an algorithmic method of improving the efficiency of imaging the interior of flood embankments using electrical impedance tomography (EIT). The concept of optimizing hyperparameters of several selected machine learning models was presented, thanks to which the efficiency of generating accurate/faithful tomographic images was increased. In electrical impedance tomography, machine learning models are used to transform measured voltages into output images. This transformation consists in resolving the so-called inverse problem. In all machine learning models, the selection of hyperparameters plays a significant role. This selection is the goal of the model learning process. Therefore, the effectiveness of the algorithms that optimize this choice directly impacts the quality of the reconstruction. This article presents examples of algorithmic ways to optimize machine learning models based on linear regression, artificial neural networks, and classification models using the k-nearest neighbour's method. The above models were implemented in an electrical tomography system to monitor the internal integrity of flood embankments, dams, dykes and/or dams. The results of the conducted experiments confirm the effectiveness of the proposed solutions.
XX
W artykule przedstawiono algorytmiczny sposób poprawy skuteczności obrazowania wnętrza wałów przeciwpowodziowych przy użyciu elektrycznej tomografii impedancyjnej (EIT). Zaprezentowano koncepcję optymalizacji hiperparametrów kilku wybranych modeli uczenia maszynowego, dzięki której zwiększono efektywność generowania dokładnych/wiernych obrazów tomograficznych. W impedancyjnej tomografii elektrycznej modele uczenia maszynowego są wykorzystywane do przekształcania zmierzonych wartości napięć na obrazy wyjściowe. Ta transformacja polega na rozwiązaniu tzw. inverse problem. We wszystkich modelach uczenia maszynowego niezwykle ważną rolę odgrywa dobór hiperparametrów. Dobór ten jest celem procesu uczenia modeli. Dlatego skuteczność algorytmów optymalizujących ten wybór ma bezpośredni wpływ na jakość rekonstrukcji. W niniejszym artykule przedstawiamy przykłady algorytmicznych sposobów optymalizacji modeli uczenia maszynowego w oparciu o regresję liniową, sztuczne sieci neuronowe, a także modele klasyfikacyjne z wykorzystaniem metody k-najbliższych sąsiadów. Powyższe modele zaimplementowano w systemie tomografii elektrycznej, do monitorowania integralności wewnętrznej wałów przeciwpowodziowych, zapór, grobli i/lub tam. Wyniki przeprowadzonych eksperymentów potwierdzają skuteczność proponowanych rozwiązań.
7
Content available Application of convolutional neural networks in wall moisture identificationby EIT method
Kłosowski Grzegorz, Rymarczyk Tomasz
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
|
2022
|
T. 12, nr 1
20--23
EN
The article presents the results of research in the area of using deep neural networks to identify moisture inside the walls of buildings using electrical impedance tomography. Two deep neural networks were used to transform the input measurements into images of damp places - convolutional neural networks (CNN) and recurrent long short-term memory networks LSTM. After training both models, a comparative assessment of the results obtained thanks to them was made. The conclusions show that both models are highly utilitarian in the analyzed problem. However, slightly better results were obtained with the LSTM method.
PL
W artykule przedstawiono rezultaty badań w obszarze wykorzystania głębokich sieci neuronowych do identyfikacji zawilgoceń wewnątrz ścian budynków przy użyciu elektrycznej tomografii impedancyjnej. Do przekształcenia pomiarów wejściowych na obrazy przedstawiające zawilgocone miejsca użyto dwóch rodzajów głębokich sieci neuronowych – konwolucyjne sieci neuronowe (CNN) i rekurencyjne sieci typu LSTM. Po wytrenowaniu obu modeli dokonano oceny porównawczej uzyskanych dzięki nim rezultatów. Wnioski wskazują na dużą utylitarność obu modeli w badanej problematyce, jednak nieco lepsze rezultaty uzyskano dzięki metodzie LSTM.
8
Content available remote Tomographic ultrasonic sensors in industrial applications
Rymarczyk Tomasz, Kłosowski Grzegorz, Kania Konrad, Rymarczyk Paweł, Mazurek Mariusz
Przegląd Elektrotechniczny
|
2021
|
R. 97, nr 1
166--169
EN
The work presents the results of research on the use of tomographic ultrasonic sensors to analyse industrial processes using dedicated measuring devices, image reconstruction algorithms and cyber-physical system.
PL
W pracy przedstawiono wyniki badań nad wykorzystaniem tomograficznych czujników ultradźwiękowych do analizy procesów przemysłowych z zastosowaniem dedykowanych urządzeń pomiarowych, algorytmów rekonstrukcji obrazu oraz systemu cyber-fizycznego.
9
Content available remote Methods of process mining and prediction using deep learning
Cieplak Tomasz, Rymarczyk Tomasz, Kłosowski Grzegorz, Maj Michał, Pliszczuk Damian, Rymarczyk Paweł
Przegląd Elektrotechniczny
|
2021
|
R. 97, nr 3
146--149
EN
The first part of the article presents analytical methods to understand how processes (security or business) occur and function over time. The second part presents the concept of a predictive system using deep learning methods that would enable the prediction of subsequent operations or steps that are part of the process under consideration. The article was supplemented with a review of scientific publications related to the content and theoretical foundations were provided. The research was of an applied nature, therefore the considerations are based on the example of analysis and forecasts based on historical data contained in process logs.
PL
Pierwsza część artykułu przedstawia metody analityczne pozwalające zrozumieć, w jaki sposób procesy (dotyczące bezpieczeństwa lub biznesu) zachodzą i funkcjonują w czasie. W drugiej części przedstawiono koncepcję systemu predykcyjnego wykorzystującego metody głębokiego uczenia, które umożliwiałyby przewidywanie kolejnych operacji lub kroków wchodzących w skład rozważanego procesu. Uzupełnieniem artykułu był przegląd publikacji naukowych pod kątem merytorycznym oraz podano podstawy teoretyczne. Badania miały charakter aplikacyjny, dlatego rozważania opierają się na przykładzie analiz i prognoz opartych na danych historycznych zawartych w logach procesów.
10
Content available remote Hybrid machine learning in electrical impedance tomography
Rymarczyk Tomasz, Kłosowski Grzegorz, Guzik Mirosław, Niderla Konrad, Lipski Jerzy
Przegląd Elektrotechniczny
|
2021
|
R. 97, nr 12
169--172
EN
Artificial intelligence plays an increasingly important role in industrial tomography. In industry, various types of tomography can be used, where one of the criteria for classification may be a physical phenomenon. Thus, it is possible to distinguish computed tomography, impedance tomography, ultrasound tomography, capacitance tomography, radio-tomographic imaging, and others. The research described in this paper focuses on the EIT method used to imaging reactors' interior and industrial vessels. Inside the tested reactor, there may be a liquid of various densities containing solid inclusions or gas bubbles. The presented research presents the concept of transforming measurements into tomographic images using many known, homogeneous methods simultaneously. It is assumed that there is no single method of solving the inverse problem for all possible measurement cases. Depending on the specifics of the studied case, various methods generate reconstructions that differ in terms of accuracy and resolution. The presented research proves that the proposed approach justifies the increase in computational complexity, ensuring higher quality of tomographic images.
PL
W tomografii przemysłowej coraz większą rolę odgrywa sztuczna inteligencja. W przemyśle można stosować różne rodzaje tomografii, gdzie jednym z kryteriów podziału może być wykorzystywane zjawisko fizyczne. W ten sposób można wyróżnić tomografię komputerową, tomografię impedancyjną, tomografię ultradźwiękową, tomografię pojemnościową, obrazowanie radio-tomograficzne i inne. Opisywane w niniejszym opracowaniu badania skupiają się na metodzie EIT Wykorzystywanej do obrazowania wnętrza reaktorów i zbiorników przemysłowych. Wewnątrz badanego reaktora może znajdować się ciecz o różnej gęstości, zawierająca wtrącenia stałe lub pęcherze gazu. W prezentowanych badaniach przedstawiono koncepcję przekształcania pomiarów na obrazy tomograficzne wykorzystującą wiele znanych, homogenicznych metod jednocześnie. Przyjęto założenie, że nie istnieje jedna metoda rozwiązania problemu odwrotnego dla wszystkich możliwych przypadków pomiarowych. W zależności od specyfiki badanego przypadku różne metody generują rekonstrukcje zróżnicowane pod względem dokładności i rozdzielczości. Zaprezentowane badania udowadniają, że proponowane podejście uzasadnia wzrost złożoności obliczeniowej zapewniając wyższą jakość obrazów tomograficznych.
11
Content available remote An intelligent sensor platform with an open architecture for monitoring and controlling cyber-physical
Rymarczyk Tomasz, Król Krzysztof, Zawadzki Andrzej, Oleszek Michał, Kłosowski Grzegorz
Przegląd Elektrotechniczny
|
2021
|
R. 97, nr 3
141--145
EN
The work includes the process of developing intelligent sensors, intelligent mechanisms for monitoring and controlling industrial processes using modern measurement techniques, process tomography, vision systems, motion and temperature sensors, as well as advanced data processing methods.
PL
Praca obejmuje proces opracowania inteligentnych czujników, inteligentnych mechanizmów monitorowania i sterowania procesami przemysłowymi z wykorzystaniem nowoczesnych technik pomiarowych, tomografii procesowej, systemów wizyjnych, czujników ruchu i temperatury, a także zaawansowanych metod przetwarzania danych.
12
Content available remote A complete system for an automated ECG diagnosis
Wójcik Dariusz, Woś Michał, Kłosowski Grzegorz, Rymarczyk Tomasz
Przegląd Elektrotechniczny
|
2021
|
R. 97, nr 1
162--165
EN
We present a very simple LSTM neural network capable of categorizing heart diseases from the ECG signal. With the use of the ECG simulator we ware able to obtain a large data-set of ECG signal for different diseases that was used for neural network training and validation.
PL
W artykule prezentujemy bardzo prostą sieć LSTM zdolną do rozpoznawania jednostek chorobowych przy chorobach serca. Dodatkowo pokazujemy w jaki sposób stworzyliśmy bazę danych sygnałów pomiarowych użytych do nauki i walidacji sieci neuronowej przy użyciu symulatora EKG.
13
Content available remote The use of the autoencoder to improve images in ultrasound tomography
Rymarczyk Tomasz, Kłosowski Grzegorz, Cieplak Tomasz, Kozłowski Edward, Kania Konrad
Przegląd Elektrotechniczny
|
2020
|
R. 96, nr 8
160--163
EN
The article presents the idea of a system enabling effective control of industrial processes. The high level of automation and processes monitoring plays a key role in maintaining the competitiveness of each enterprise. The paper presents an innovative approach to industrial ultrasound tomography. A shallow neural network enriched with an autoencoder was used to visualize the 2D cross-section of the tank (reactor) filled with tap water. The novelty is the use of an autoencoder to improve the quality of the measurement vector.
PL
W artykule przedstawiono ideę systemu umożliwiającego efektywną kontrolę procesów produkcyjnych. Wysoki poziom automatyzacji i monitorowania procesów produkcyjnych odgrywa kluczową rolę w utrzymaniu konkurencyjności każdego przedsiębiorstwa. W artykule przedstawiono nowatorskie podejście do przemysłowej tomografii ultradźwiękowej. W celu zobrazowania dwuwymiarowego przekroju zbiornika (reaktora) wypełnionego wodą z kranu wykorzystano płytką sieć neuronową wzbogaconą o autoenkoder. Nowością jest zastosowanie autoenkodera w celu poprawy jakości wektora pomiarowego.
14
Content available remote The use of LSTM networks in the detection of outliers in IoTbased air quality monitoring systems
Rymarczyk Tomasz, Cieplak Tomasz, Kłosowski Grzegorz, Kozłowski Edward
Przegląd Elektrotechniczny
|
2020
|
R. 96, nr 5
91--94
EN
Recently, several attempts have been made to build social air quality monitoring systems. Systems of this kind are solutions in the creation of which it is necessary to solve many problems concerned with the collection and analysis of data. After all, such systems are complex, extensive and multidisciplinary IT solutions. Our work focuses on creating such a system which, in addition to being a distributed social system, additionally uses low-budget and available measuring devices. The system consists of the data acquisition subsystem, then the data collection and analysis subsystem, and the communication system with the end user. In this article, we focus on describing data acquisition subsystems and on one aspect related to data analysis, namely outliers prediction using recurrent neural networks in the form of their implementation as LSTM.
PL
W okresie kilku ostatnich kilku miesięcy podjęto działania budowy społecznościowych systemów monitorowania jakości powietrza. Systemy tego rodzaju są rozwiązaniami, przy tworzeniu których konieczne jest rozwiązanie różnorodnych problemów związanych z gromadzeniem i analizą danych. Systemy tego rodzaju to złożone, rozbudowane i multidyscyplinarne rozwiązania informatyczne. Opisywana praca koncentruje się na działaniach związanych z stworzeniem takiego systemu, który oprócz tego, że jest rozproszonym systemem społecznościowym, dodatkowo wykorzystuje niskobudżetowe i ogólnie dostępne urządzenia pomiarowe. System składa się z podsystemu gromadzenia danych, następnie podsystemu gromadzenia i analizy danych oraz systemu komunikacji z użytkownikiem końcowym. W tym artykule skupiamy się na opisie podsystemów akwizycji danych oraz na wybranym zagadnieniu związanym z analizą danych, a mianowicie przewidywaniu wartości odstających z wykorzystaniem rekurencyjnych sieci neuronowych w postaci ich implementacji jako sieci LSTM.
15
Content available remote Logistic regression in image reconstruction in electrical impedance tomography
Kozłowski Edward, Rymarczyk Tomasz, Kłosowski Grzegorz, Cieplak Tomasz
Przegląd Elektrotechniczny
|
2020
|
R. 96, nr 5
95--98
EN
The problem of image reconstruction in electrical impedance tomography (EIT) consists in both performing measurements using a set of sensors and creating of reconstruction based on these measurements. The image reconstruction requires accurate modeling of area, which presents field of view. To determine the inclusion in analyzed area the logistic regression has been applied. Additionally to select the predictors in logistic regression the elasticnet method has been used.
PL
Problem rekonstrukcji obrazu w elektrycznej tomografii impedancyjnej (EIT) polega zarówno na wykonywaniu pomiarów przy użyciu zestawu czujników, jak i na tworzeniu rekonstrukcji na podstawie tych pomiarów. Rekonstrukcja obrazu wymaga dokładnego modelowania obszaru, który przedstawia pole widzenia. Do określenia wtrąceń w analizowanym obszarze zastosowano regresję logistyczną. Dodatkowo do wyboru predyktorów w regresji logistycznej zastosowano metodę elasticnet.
16
Content available remote Effect of features extraction on improving LSTM network quality in ECG signal classification
Kłosowski Grzegorz
Przegląd Elektrotechniczny
|
2020
|
R. 96, nr 12
194--197
EN
This article focuses on the extraction of features extracted from ECG measurement signals to improve the quality of LSTM network operation. Two features were distinguished from each individual sequence of ECG signals: instantaneous frequency (IF) and spectral entropy (SE). Both of these features are extracted from ECG signals using short-time Fourier transform. The applied approach enables the conversion of original measurement sequences into spectral images, from which IF and SE coefficients are then generated. As a result of the research, it was found that feature extraction significantly improves ECG signal classification both in terms of forecasting accuracy and in terms of network learning speed.
PL
W niniejszym artykule skupiono się na ekstrakcji cech wyodrębnionych z sygnałów pomiarowych EKG w celu poprawy jakości działania sieci LSTM. Z każdej indywidualnej sekwencji sygnałów EKG wyróżniono dwie cechy: częstotliwość chwilową (IF) i entropię widmową (SE). Obie te cechy są wyodrębniane z sygnałów EKG przy użyciu krótkotrwałej transformaty Fouriera. Zastosowane podejście umożliwia konwersję oryginalnych sekwencji pomiarowych na obrazy widmowe, z których następnie generowane są współczynniki IF i SE. W wyniku badań stwierdzono, że ekstrakcja cech znacząco poprawia klasyfikację sygnału EKG zarówno pod względem dokładności prognozowania, jak i szybkości uczenia się.
17
Content available Maintenance of industrial reactors supported by deep learning driven ultrasound tomography
Kłosowski Grzegorz, Rymarczyk Tomasz, Kania Konrad, Świć Antoni, Cieplak Tomasz
Eksploatacja i Niezawodność
|
2020
|
Vol. 22, no. 1
138--147
EN
Monitoring of industrial processes is an important element ensuring the proper maintenance of equipment and high level of processes reliability. The presented research concerns the application of the deep learning method in the field of ultrasound tomography (UST). A novel algorithm that uses simultaneously multiple classification convolutional neural networks (CNNs) to generate monochrome 2D images was developed. In order to meet a compromise between the number of the networks and the number of all possible outcomes of a single network, it was proposed to divide the output image into 4-pixel clusters. Therefore, the number of required CNNs has been reduced fourfold and there are 16 distinct outcomes from single network. The new algorithm was first verified using simulation data and then tested on real data. The accuracy of image reconstruction exceeded 95%. The results obtained by using the new CNN clustered algorithm were compared with five popular machine learning algorithms: shallow Artificial Neural Network, Linear Support Vector Machine, Classification Tree, Medium k-Nearest Neighbor classification and Naive Bayes. Based on this comparison, it was found that the newly developed method of multiple convolutional neural networks (MCNN) generates the highest quality images.
PL
Monitorowanie procesów przemysłowych jest ważnym elementem zapewniającym właściwą eksploatację urządzeń i wysoki poziom niezawodności procesów. Prezentowane badania dotyczą zastosowania metod głębokiego uczenia w obszarze eksploatacji zbiornikowych reaktorów przemysłowych. W procesach przemysłowych opartych na reakcjach chemicznych zachodzących wewnątrz procesowej tomografii ultradźwiękowej (UST). Opracowano nowatorski algorytm wykorzystujący jednocześnie wiele klasyfikacyjnych splotowych sieci neuronowych (CNN) do generowania monochromatycznych obrazów 2D. Aby osiągnąć kompromis między liczbą sieci a liczbą wszystkich możliwych wyników pojedynczej sieci, zaproponowano podział obrazu wyjściowego na klastry 4-pikselowe. W związku z tym liczba wymaganych CNN została czterokrotnie zmniejszona i istnieje 16 różnych wyników z jednej sieci. Nowy algorytm został najpierw zweryfikowany przy użyciu danych symulacyjnych, a następnie przetestowany na danych rzeczywistych. Dokładność rekonstrukcji obrazu przekroczyła 95%. Wyniki uzyskane przy użyciu nowego algorytmu klastrowego CNN zostały porównane z pięcioma popularnymi algorytmami uczenia maszynowego: płytką sztuczną siecią neuronową, maszyną liniowego wektora wsparcia, drzewem klasyfikacji, klasyfikacją średniego k-najbliższego sąsiada i naiwnym Bayesem. Na podstawie tego porównania stwierdzono, że nowo opracowana metoda wielu splotowych sieci neuronowych (MCNN) generuje obrazy o najwyższej jakości.
18
Content available remote The use of elastic net and neural networks in industrial process tomography
Rymarczyk Tomasz, Kłosowski Grzegorz
Przegląd Elektrotechniczny
|
2019
|
R. 95, nr 5
59--62
EN
The article presents an innovative approach based on electrical capacitance tomography (ECT) improving industrial tomography processes. Thanks to the application of elastic net and artificial neural networks, algorithms have been developed that enable obtaining high quality images and resolutions. During the experiments, two methods of reconstructing "pixel by pixel" images were compared. Both methods showed high efficiency, and the use of elastic net accelerated the operation of the ECT system.
PL
W artykule przedstawiono nowatorskie podejście oparte na ECT usprawniające procesy tomografii przemysłowej. Dzięki zastosowaniu elastic net i sztucznych sieci neuronowych opracowano algorytmy umożliwiające uzyskanie obrazów o wysokiej jakości i rozdzielczości. W trakcie przeprowadzonych eksperymentów porównano dwie metody rekonstrukcji obrazów "pixel by pixel". Obie metody wykazały się wysoką skutecznością, a wykorzystanie elastic net przyspieszyło działanie systemu ECT.
19
Content available remote Industrial processes control with the use of a neural tomographic algorithm
Rymarczyk Tomasz, Kłosowski Grzegorz, Cieplak Tomasz, Kozłowski Edward
Przegląd Elektrotechniczny
|
2019
|
R. 95, nr 2
96--99
EN
This paper presents the original Electrical Impedance Tomography (EIT) imaging algorithm in relation to physic-chemical processes of crystallization. Thanks to the developed method based on artificial neural networks (ANN), it was possible to develop an algorithm that could allow effective detection of crystals and other inclusions inside the reactor filled with non-Newtonian fluid. The neural controller contains a structure of independent neural networks. The number of ANNs corresponds to the resolution of the output image mesh.
PL
W artykule przedstawiono oryginalny algorytm obrazowania z wykorzystaniem elektrycznej impedancji tomograficznej (EIT) w odniesieniu do fizykochemicznych procesów krystalizacji. Dzięki opracowanej metodzie opartej na sztucznych sieciach neuronowych (SSN) możliwe było opracowanie algorytmu, który umożliwiłby skuteczne wykrywanie kryształów i innych wtrąceń wewnątrz reaktora wypełnionego płynem nienewtonowskim. Sterownik neuronowy składa się z systemu niezależnych sieci neuronowych. Liczba SSN odpowiada rozdzielczości siatki obrazu wyjściowego.
20
Content available remote EIT detection methods of damage in landfills and flood embankments
Rymarczyk Tomasz, Kłosowski Grzegorz
Przegląd Elektrotechniczny
|
2019
|
R. 95, nr 5
51--54
EN
This paper presents a method examining landfills and flood embankments using electrical impedance tomography (EIT). Numerical and optimization methods were based on hybrid algorithms included neural networks connected with one of 3 statistical methods: generalized linear regression (GLR), generalized linear regression with stepwise regression (GLR-SR) and ElasticNET. The discussed techniques can be applied to the solution of inverse problems in EIT. The algorithms to identify unknown internal conductivities of the tested objects were implemented.
PL
W artykule przedstawiono metodę badania uszkodzeń składowisk odpadów płynnych i wałów przeciwpowodziowych za pomocą elektrycznej tomografii impedancyjnej (EIT). Metody numeryczne i optymalizacyjne oparto na algorytmach hybrydowych obejmujących sieci neuronowe połączone z jedną z 3 metod statystycznych: uogólnioną regresją liniową (GLR), uogólnioną regresją liniową z regresją krokową (GLRSR) oraz ElasticNET. Omówione techniki można zastosować do rozwiązania problemów odwrotnych w EIT. Zastosowane algorytmy umożliwiają identyfikację nieznanych wartości konduktancji wnętrza badanych obiektów.
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.