Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Rekonstrukcja i rozpoznawanie obrazów jest typowym problemem występującym w wielu systemach przetwarzania obrazów. Zagadnienie to można sformułować jako rozwiązanie problemu odwrotnego. W artykule zaprezentowano autorski model systemu uczenia maszynowego, który może być wykorzystany do rekonstrukcji i rozpoznawania obrazów na podstawie ich liniowych projekcji.
EN
Image reconstruction and recognition is a common problem found in many image processing systems. This problem can be formulated as a solution to the inverse problem. The article presents the author's model of a machine learning system that can be used for the reconstruction and recognition of images based on their linear projections.
2
Content available remote Rekonstrukcja zdjęć twarzy z wykorzystaniem systemu uczenia maszynowego
PL
W pracy przedstawiono możliwości zastosowania autorskiego modelu systemu uczenia maszynowego do rekonstrukcji i rozpoznawania zniekształconych, względnie uszkodzonych wzorców, a w szczególności obrazów twarzy zakrytych częściowo maskami. Prezentowane rozważania nie stanowią końcowych rozwiązań na poziomie aplikacyjnym dla systemu przetwarzania obrazów. Należy je raczej traktować jako potwierdzenie zasady (proof-of-concept) i uzasadnienie dalszych badań nad wykorzystaniem systemów opartych na superpozycji wzorców.
EN
The paper presents the possibilities for using a proprietary model of a machine learning system for the reconstruction and recognition of distorted or damaged patterns, in particular the images of faces partially covered with masks. The presented considerations do not constitute final solutions at the application level for an image processing system. Rather, they should be treated as a proof-of-concept and a justification for developing solutions using systems based on pattern superposition.
3
Content available remote Inspirowane kwantowo sieci neuronowe typu Hopfielda
PL
W pracy przedstawiono koncepcję sieci neuronowej o zespolonych parametrach (Q-inspired). Realizacja takiej sieci wykorzystuje hermitowską macierz połączeń pomiędzy neuronami. Zaproponowano również model uczenia maszynowego zrealizowany na bazie zespolonego aproksymatora. Wykazano przydatność takiego aproksymatora w analizie sygnałów w szczególności do realizacji dyskretnej transfomacji Fouriera (DFT) oraz odwrotnej dyskretnej transformacji Fouriera (IDFT).
EN
The paper presents the concept of a neural network with complex-valued parameters (Q-inspired). Implementation of such a network uses the Hermitian matrix of connections between neurons. A machine learning model based on a complex approximator has also been proposed. The usefulness of such an approximator in signal analysis has been demonstrated especially for the implementation of discrete Fourier transform (DFT) and inverse discrete Fourier transform (IDFT).
PL
W pracy zaproponowano zastosowanie modelu uczenia maszynowego do realizacji zadania faktoryzacji liczb całkowitych na iloczyn liczb pierwszych. Podano dwa algorytmy faktoryzacji oraz zaprezentowano model procesora analogowego realizującego powyższe zadanie. Efektywne metody faktoryzacji mają istotne znaczenie w łamaniu szyfrów opartych na systemie kryptograficznym RSA.
EN
In this paper a model for factorization of integer numbers on the product of prime numbers is presented. Two algorithms of factorization and a model of analog processor accomplishing the task of factorization are provided. Effective factoring methods are important in breaking codes on the RSA cryptographic system.
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.