Wyniki wyszukiwania - BazTech

1

The impact of macroeconomic factors on the profitability of companies. Analysis using neural networks

Szutowski Dawid

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2024

|

z. 193

667--683

EN

Purpose: Despite the central role of profitability in economic analysis, previous research has yielded diverse and often unstructured conclusions regarding its determinants. To address this gap, this empirical investigation aimed to explore the major determinants of company profitability. Design/methodology/approach: It conducted a comprehensive analysis of factors, encompassing: changes in the gross domestic product, Consumer Price Index, Producer Price Index, NBP’s Reference rate, investment outlays, intramural expenditures on research and development, expenditures on innovation activities in enterprises, and patents granted, alongside company-level profitability indicators. The study's sample consisted of companies representing 19 sectors of the economy, spanning from 2004 to 2021. For data analysis, a neural network was employed, specifically a multi-layer perceptron (MLP) utilizing the sigmoid activation function. Findings: The findings suggest that alterations in macroeconomic variables can significantly impact the profitability of companies. The analysis carried out revealed that consumer price index, reference rate, gross domestic product and producer price index were the most important exogeneous factors. Originality/value: This study introduces several novelties, including the application of neural networks, which are infrequently utilized in this field, and the simultaneous analysis of a comprehensive set of independent variables.

2

Przegląd możliwości wykorzystania sztucznej inteligencji w modelowaniu BIM

Zima Krzysztof, Wieczorek Damian

Przegląd Budowlany

|

2024

|

R. 95, nr 3

59--65

PL

Dokonując przeglądu stanu wiedzy nt. modelowania informacji o budynku – BIM (ang. Building Information Modelling) można zauważyć, że technologia BIM nie poczyniła ostatnio znacznych postępów, ponieważ sztuczna inteligencja – AI (ang. Artificial Intelligence) nie jest jeszcze w pełni wykorzystana. Celem niniejszego artykułu jest zaprezentowanie możliwości wykorzystania sztucznej inteligencji – AI w modelowaniu BIM. Autorzy dokonali analizy trendów rozwoju sztucznej inteligencji, która jest obecnie wykorzystywana w modelowaniu BIM. W artykule przedstawiono również możliwości wykorzystania AI powiązanej z modelem BIM, a także omówiono wybrane przykłady wspomagania modelowania informacji o budynku z wykorzystaniem głównych czterech grup wybranych technik AI.

EN

When reviewing the state of knowledge on building information modeling (BIM), it can be noted that BIM technology has not made significant progress recently because artificial intelligence (AI) has not been fully used. The purpose of this article is to present the possibilities of using artificial intelligence – AI in BIM modeling. The authors analyzed the trends in the development of artificial intelligence, which is currently used in BIM modeling. The article also presents the possibilities of using AI related to the BIM model, and discusses selected examples of supporting building information modeling using the main four groups of selected AI techniques.

3

Analysis of the possibility of increasing the level of reliability of Fire Alarms Systems through integration with Video-Based Flame Detection System

Mazur Michał, Wiśnios Michał, Paś Jacek

Journal of KONBiN

|

2024

|

Vol. 54, iss. 2

71--91

EN

Classic Fire Alarm Systems (FAS) are characterized by a high level of false alarms in relation to the number of confirmed reports. To increase the level of reliability of operation of this type of system, it was proposed to integrate it with a Video-Based Flame Detection System (VBFDS). For this purpose, a video-based fire detection algorithm was designed. In addition, methods popular in the literature for increasing the reliability of such systems, such as color filtering, the Tracking Growth Object (TGO) factor, and the use of the Naive-Bayes (NB) classifier, were tested. The purpose of the article is to analyze these methods in comparison with the basic version of the algorithm, as well as the possibility of integrating Video-Based Flame Detection System (VBFDS) with classic FAS.

PL

Klasyczne Systemy Sygnalizacji Pożaru (SSP) charakteryzują się wysokim poziomem fałszywych alarmów w stosunku do liczby potwierdzonych zgłoszeń. Aby zwiększyć poziom niezawodności działania tego typu systemów, zaproponowano jego integrację z Systemem Wizyjnej Detekcji Płomienia (SWDP). W tym celu zaprojektowany został algorytm wizyjnej detekcji pożaru. Dodatkowo przetestowane zostały popularne w literaturze metody zwiększenia niezawodności tego typu systemów, takie jak filtracja kolorów, współczynnik TGO (ang. Tracking Growth Object) oraz zastosowanie klasyfikatora NB (ang. Naive-Bayes). Celem artykułu jest analiza tych metod w porównaniu z podstawową wersją algorytmu oraz możliwość integracji SWDP z klasycznymi SSP.

4

Dynamic adjustment neural network-based cooperative control for vehicle platoons with state constraints

Wang Ping, Gao Min, Li Junyu, Zhang Anguo

International Journal of Applied Mathematics and Computer Science

|

2024

|

Vol. 34, no. 2

211--224

EN

This paper addresses the challenge of managing state constraints in vehicle platoons, including maintaining safe distances and aligning velocities, which are key factors that contribute to performance degradation in platoon control. Traditional platoon control strategies, which rely on a constant time-headway policy, often lead to deteriorated performance and even instability, primarily during dynamic traffic conditions involving vehicle acceleration and deceleration. The underlying issue is the inadequacy of these methods to adapt to variable time-delays and to accurately modulate the spacing and speed among vehicles. To address these challenges, we propose a dynamic adjustment neural network (DANN) based cooperative control scheme. The proposed strategy employs neural networks to continuously learn and adjust to time varying conditions, thus enabling precise control of each vehicle’s state within the platoon. By integrating a DANN into the platoon control system, we ensure that both velocity and inter-vehicular spacing adapt in response to real-time traffic dynamics. The efficacy of our proposed control approach is validated using both Lyapunov stability theory and numeric simulation, which confirms substantial gains in stability and velocity tracking of the vehicle platoon.

5

Application of Resnet-152 neural networks to analyze images from UAV for fire detection

Stelmakh Nataliia, Mandrovska Svitlana, Galagan Roman

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 2

77--82

EN

Timely detection of fires in the natural environment (including fires on agricultural land) is an urgent task, as their uncontrolled development can cause significant damage. Today, the main approaches to fire detection are human visual analysis of real-time video stream from unmanned aerial vehicles or satellite image analysis. The first approach does not allow automating the fire detection process and contains a human factor, and the second approach does not allow detect the fire in real time. The article is devoted to the issue of the relevance of using neural networks to recognize and detect seat of the fire based on the analysis of images obtained in real time from the cameras of small unmanned aerial vehicles. This ensures the automation of fire detection, increases the efficiency of this process, and provides a rapid response to fires occurrence, which reduces their destructive consequences. In this paper, we propose to use the convolutional neural network ResNet-152. In order to test the performance of the trained neural network model, we specifically used a limited test dataset with characteristics that differ significantly from the training and validation dataset. Thus, the trained neural network was placed in deliberately difficult working conditions. At the same time, we achieved a Precision of 84.6%, Accuracy of 91% and Recall of 97.8%.

PL

Wczesne wykrycie pożarów w środowisku naturalnym (w tym pożarów na gruntach rolnych) jest zadaniem pilnym, gdyż ich niekontrolowany rozwój może spowodować znaczne szkody. Obecnie głównymi podejściami do wykrywania pożarów jest wizualna analiza przez człowieka strumienia wideo w czasie rzeczywistym z bezzałogowych statków powietrznych lub analiza obrazu satelitarnego. Pierwsze podejście nie pozwala na automatyzację procesu wykrywania pożaru i uwzględnia czynnik ludzki, natomiast drugie podejście nie pozwala na wykrycie pożaru w czasie rzeczywistym. Artykuł poświęcony jest zagadnieniu przydatności wykorzystania sieci neuronowych do rozpoznawania i wykrywania źródła pożaru na podstawie analizy obrazów uzyskiwanych w czasie rzeczywistym z kamer małych bezzałogowych statków powietrznych. Zapewnia to automatyzację wykrywania pożaru, zwiększa efektywność tego procesu oraz zapewnia szybką reakcję na wystąpienie pożarów, co ogranicza ich niszczycielskie skutki. W artykule proponujemy wykorzystanie splotowej sieci neuronowej ResNet-152. Aby przetestować wydajność wyszkolonego modelu sieci neuronowej wykorzystaliśmy ograniczony testowy zbiór danych, którego charakterystyka znacznie różni się od zbiorów danych treningowych i walidacyjnych. Tym samym wytrenowana sieć neuronowa została poddana celowo trudnym warunkom operacyjnym. Jednocześnie uzyskano parametry "Precision" – 84.6%, "Accuracy" – 91% i "Recall" – 97.8%.

6

Total phosphorus and total Kjeldahl nitrogen removal using an aerobic granular sludge process. Case studies ANN and RSM modeling

Sanchez-Sanchez Celina, Flores-Gomez Jean, Moeller-Chávez Gabriela, Morales-Rivera Juan

Environment Protection Engineering

|

2024

|

Vol. 50, nr 1

123--137

EN

Removing nutrients from wastewater is essential because high concentrations in aquatic systems lead to severe eutrophication problems, the most common impairment of surface waters such as lakes and oceans. Total phosphorus (TP) and total Kjeldahl nitrogen (TKN) were removed from mixed wastewater using an aerobic granular sludge process in a sequencing batch reactor (AGS-SBR). An artificial neural network (ANN) and response surface methodology (RSM) were applied to evaluate the main parameters of the process. For TKN removal, only cycle time (CT) (0.0475) was a significant variable, achieving removal efficiencies of up to 81%. In TP case removal, two parameters, VER and AR, were substantial for this process, completing elimination efficiencies of around 40%. On comparing the models with statistical indices, ANN coupled with the moth-flame optimization algorithm (ANN-MFO) demonstrated higher performance with an adjusted R2 (0.9866) for the case of TP removal and (0.9519) for TKN removal.

7

Prediction of groundwater contamination in an open landfill area using a novel hybrid clustering-based AI model

Singh Prachi, Mahor Vikas, Lakshmaiya Natrayan, Shanker Kandukuri, Kaliappan Seeniappan, Muthukannan Muthiah, Rajendran Gopinath

Environment Protection Engineering

|

2024

|

Vol. 50, nr 1

105--122

EN

Groundwater is a vital resource that provides drinking water to over half of the world's population. However, groundwater contamination has become a serious issue due to human activities such as industrialization, agriculture, and improper waste disposal. The impacts of groundwater contamination can be severe, including health risks, environmental damage, and economic losses. A list of unknown groundwater contamination sources has been developed for the Wang-Tien landfill using a groundwater modeling system (GMS). Further, AI-based models have been developed which accurately predict the contamination from the sources at this site. A serious complication with most previous studies using artificial neural networks (ANN) for contamination source identification has been the large size of the neural networks. We have designed the ANN models which use three different ways of presenting inputs that are categorized by hierarchical K-means clustering. Such an implementation reduces the overall complexity of the model along with high accuracy. The predictive capability of developed models was assessed using performance indices and compared with the ANN models. The results show that the hybrid model of hierarchical K-means clustering and ANN model (HCA-ANN) is a highly accurate model for identifying pollution sources in contaminated water.

8

DCSNN optimized with hybrid Border Collie optimization and Archimedes optimization algorithms for solid waste prediction in Chennai

Vidya Soundarapandian, Janani Elangeswaran Srie Vidhya, Sreedevi B.

Environment Protection Engineering

|

2024

|

Vol. 50, nr 1

5--25

EN

The rapid growth of smart cities and industry causes an increase in waste production. The amount of municipal solid waste (MSW) increases by several factors, including population growth, economic status, and consumption trends. The inadequacy of basic trash data is a major issue for managing MSW. Numerous existing models based on solid waste prediction have been presented so far, but none of them predict solid waste accurately and also it consumes more time. To address these concerns, a deep convolutional spiking neural network for solid waste prediction (DCSNN-SWP) is proposed in this paper. Here, the real-time solid waste prediction data are gathered from the quantity of municipal corporation of Chennai (MCC), landfill, garden garbage, and coconut shell reports in Tamil Nadu (Chennai), such as Zone 9 (Nungambakkam), Zone 10 (Kodambakkam) and Zone 13 (Adyar). Then the collected solid waste data are pre-processed using the kernel correlation model. Then the pre-processing data is given to DCSNN-hybrid BCMO and Archimedes optimization algorithm which accurately predicts the solid waste as wet waste, dry waste, horticulture waste, and dumping yard for 2022-2032 years. The proposed DCSNN-SWP method has been implemented in Python.

9

Fault diagnosis of electrical faults of three-phasei nduction motors using acoustic analysis

Glowacz Adam, Sulowicz Maciej, Kozik Jarosław, Piech Krzysztof, Glowacz Witold, Li Zhixiong, Brumercik Frantisek, Gutten Miroslav, Korenciak Daniel, Kumar Anil, Lucas Guilherme Beraldi, Irfan Muhammad, Caesarendra Wahyu, Lui Hui

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2024

|

Vol. 72, nr 1

art. no. e148440

EN

Fault diagnosis techniques of electrical motors can prevent unplanned downtime and loss of money, production, and health. Various parts of the induction motor can be diagnosed: rotor, stator, rolling bearings, fan, insulation damage, and shaft. Acoustic analysis is non-invasive. Acoustic sensors are low-cost. Changes in the acoustic signal are often observed for faults in induction motors. In this paper, the authors present a fault diagnosis technique for three-phase induction motors (TPIM) using acoustic analysis. The authors analyzed acoustic signals for three conditions of the TPIM: healthy TPIM, TPIM with two broken bars, and TPIM with a faulty ring of the squirrel cage. Acoustic analysis was performed using fast Fourier transform (FFT), a new feature extraction method called MoD-7 (maxima of differences between the conditions), and deep neural networks: GoogLeNet, and ResNet-50. The results of the analysis of acoustic signals were equal to 100% for the three analyzed conditions. The proposed technique is excellent for acoustic signals. The described technique can be used for electric motor fault diagnosis applications.

10

Modelling the hot metal desulfurization process using artificial intelligence methods

Podolska Angelika, Falkus Jan

Archives of Civil Engineering

|

2024

|

Vol. 70, nr 2

255--270

EN

The objective of conducted research on the hot metal desulfurization process was to determine the key process parameters that impact the ultimate outcome of desulfurization. As a result, the noticeable outcome of implementing these measures should be the improvement of quality control. In order to determine these parameters, used artificial intelligence methods like as neural networks (ANN). On the basis of the production data collected from the actual metallurgical aggregate for hot metal desulfurization, neural networks were built that used quantitative data (mass of hot metal, mass of used reagents, etc.) and qualitative data (chemical analysis of hot metal). The parameters of the desulfurization process were divided into state parameters and control parameters. From the point of view of the technology of conducting the desulfurization process and building an on-line model, only control parameters can be changed during desulfurization. To describe the problem of predicting change in the sulfur content during the hot metal desulfurization process is sufficient an MLP type neural network with a single hidden layer. Adopting a more complex network structure would probably lead to a loss of the ability to generalise the problem. The research was carried out in STATISTICA Automated Neural Networks SANN.

PL

Budowa i weryfikacja modeli procesu odsiarczania surówki żelaza opartych o sztuczną inteligencję dostarcza bardzo wiele interesujących wyników, które mogą być wykorzystane zarówno w obszarze związanym ze sterowaniem jak i do celów teoretycznej analizy procesu. Wniosek dotyczący analizy teoretycznej w odniesieniu do modeli wykorzystujących sztuczne sieci neuronowe może wydawać się zbyt optymistyczny, bowiem powszechnie uważa się, że modele typu black box nie wzbogacają naszej wiedzy o procesie. W omawianym przypadku mamy jednak do czynienia z sytuacją, w której jednym z kluczowych pytań badawczych jest odpowiedź jak duży wpływ na proces mają czynniki statyczne, a jaki dynamiczne. Przy tak sformułowanym problemie, analiza warstwy wejściowej sieci neuronowej połączona z analizą istotności poszczególnych wielkości wejściowych, umożliwia co najmniej ocenę jakościową. W przeprowadzonych badaniach, dokładność modeli dedykowanych wymienionym w tablicy 3 grupom wytopów jest bardzo zadowalająca. Przewyższa ona dokładność dotychczasowych rozwiązań i może być podstawą do modernizacji istniejącego systemu sterowania. Średni błąd prognozy wyrażony za pomocą wartości błędu bezwzględnego to wynik rzędu 15 ppm dla wytopów o zawartości siarki <100 ppm oraz 25 ppm dla wytopów o siarce końcowej >100ppm. Wyniki te należy traktować jako dokładne ze względu na metodę określania składu chemicznego (Optyczna spektroskopia emisyjna OES) oraz jej zakres błędu pomiarowego.

11

Assessment of daily concentrations of air pollutants over four stations of Andhra Pradesh, India, during 2019-2022

Gogineni Rajesh, Umakanth Nandivada, Ramakrishna Yarlagadda, Veeraswamy Parise

Acta Geophysica

|

2024

|

Vol. 72, no. 2

1227--1249

EN

In recent years, pollution levels have increased to dangerous levels in several Indian cities. These levels are posing a severe threat to human’s health. Using the data from Central Pollution Control Board (CPCB), the current work focuses on highlighting the primary air pollutants in various regions such as Visakhapatnam (VSK), Hyderabad (HYD), Amaravati (AMV), and Tirupati (TPTY). Data from the Zoo Park area were used to study the location of HYD. Sulphur dioxide (SO2), carbon monoxide (CO), nitrogen dioxide (NO2), nitrogen oxides (NOX), particulate matter with particles less than 2.5 gm in diameter (PM2.5), particulate matter with particles less than 10 gm in diameter (PM10), and ozone (O3) are the air pollutants used for analysis in this work. An attempt was made to research the meteorological factors that contribute to the rising levels of air pollution between 2019 and 2022. Wind speed (WS), temperature (TEMP), relative humidity (RHUM), rainfall (RF), and solar radiation (SR) are the meteorological variables used in the analysis. The prediction of PM2.5 and PM10 was done using artificial neural network (NN) method. The NN method's outcomes show strong correlation in the forecasting of air pollution across four locations. The VSK station exhibited a high correlation of 91.29%, whereas TPTY station had a low correlation of 82.1%, based on CPCB PM2.5 observation and NN technique. The VSK station revealed a high correlation of 90.30%, whereas TPTY station had a low correlation of 81.61%, based on CPCB PM10 observation and NN technique.

12

Zastosowanie sieci neuronowych do detekcji impulsów o znanym kształcie w obecności silnego szumu i trendu

Betka Szymon, Blok Marek

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

220--223

PL

Detekcja impulsów w odebranym sygnale radiowym, zwłaszcza w obecności silnego szumu oraz trendu, jest trudnym zadaniem. Artykuł przedstawia propozycje rozwiązań wykorzystujących sieci neuronowe do detekcji impulsów o znanym kształcie w obecności silnego szumu i trendu. Na potrzeby realizacji tego zadania zaproponowano dwie architektury. W pracy przedstawiono wyniki badań wpływu kształtu impulsu, mocy zakłóceń szumowych oraz trendu obecnego w sygnałach wejściowych sieci, na skuteczność detekcji zaproponowanych rozwiązań.

EN

Detecting pulses in a received radio signal, especially in the presence of strong noise and trend, is a difficult task. The article presents proposed solutions based on neural networks for the detection of pulses of known shape in the presence of strong noise and trend. Two architectures are proposed for the purpose. The paper presents the results of the study of the influence of the pulse shape, the noise power, and the trend present in the input signals of the network on the detection performance of the proposed solutions.

13

Wskazywanie punktu startowego dla iteracyjnych algorytmów obliczania położenia z użyciem sieci neuronowej

Sadowski Jarosław, Stefański Jacek

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

244--247

PL

W referacie przedstawiono wyniki badań nad możliwością wskazywania punktu startowego do pierwszej iteracji dla algorytmu iteracyjnego obliczania położenia w systemie lokalizacji dwuwymiarowej. Do wskazywania punktu startowego użyto jednokierunkowej sieci neuronowej a celem badań było znalezienie jak najmniejszej struktury sieci, pozwalającej na zbieżność algorytmu estymacji położenia w całym obszarze badań.

EN

The paper presents the results of a study on the possibility of starting point selection for the first iteration for an iterative position calculation algorithm in a two dimensional location system. A feedforward neural network was used to indicate the starting point and the aim of the study was to find the smallest possible network structure, allowing the position estimation algorithm to converge over the entire study area.

14

Dekodowanie kodów iterowanych z użyciem sieci neuronowej

Fiedot Oskar, Blok Marek

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

190--193

PL

Nadmiarowe kody iterowane są jedną z prostych metod pozyskiwania długich kodów korekcyjnych zapewniających dużą ochronę przed błędami. Jednocześnie, chociaż ich podstawowy iteracyjny dekoder jest prosty koncepcyjnie oraz łatwy w implementacji, to nie jest on rozwiązaniem optymalnym. Poszukując alternatywnych rozwiązań zaproponowano, przedstawioną w pracy, strukturę dekodera tego typu kodów wspomaganą przez sieci neuronowe. Zaproponowane rozwiązanie pozwala na wykrywanie oraz korekcję błędów w odbieranych ciągach.

EN

Redundant iterated codes are one of the simple methods of deriving long correction codes that provide high error protection. At the same time, although their basic iterative decoder is conceptually simple and easy to implement, it is not an optimal solution. Looking for alternative solutions, a neural network-assisted decoder structure for this type of codes was proposed. The solution presented in this paper allows the detection and correction of errors in the received sequences.

15

Zastosowanie sieci neuronowych do detekcji zwarć zwojowych silnika PMSM z wykorzystaniem modelowania matematycznego

Krzysztofiak mateusz, Tarchała Grzegorz

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 4

30--35

PL

W artykule zaprezentowano metodę diagnostyki zwarć zwojowych stojana silnika PMSM, wykorzystującą sieć neuronową. Przeanalizowano sygnały prądowe i napięciowe pochodzące ze struktury sterowania, a następnie poddano je analizie w celu ekstrakcji najlepszych symptomów uszkodzeń. Wybrane cechy podano na wejście sieci neuronowej podczas procesu treningu. Badania eksperymentalne prezentują potencjał zastosowania modelowania matematycznego jako generatora wzorców symptomów uszkodzeń.

EN

This paper presents a method for diagnosing the inter-turn short circuits of a PMSM, using a neural network. Current and voltage signals from the control structure were then analysed to extract the best fault symptoms. The selected features were given to the neural network input during the training process. The tests performed on a experimental setup demonstrate the potential of using mathematical modelling as a fault symptom pattern generator.

16

System detekcji i pozycjonowania bezzałogowych statków powietrznych

Szymański Sebastian, Górski Krzysztof, Grzesiak Jakub

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 9

201--204

PL

W pracy przedstawiono projekt systemu służącego do detekcji i pozycjonowania bezzałogowych statków powietrznych na podstawie analizy próbek dźwiękowych z wykorzystaniem sztucznej inteligencji. Zaprezentowano przykładowy prototyp systemu działającego na polu walki, obrazującego na mapie wykryte źródła dźwięku.

EN

This paper presents the design of a system for the detection and positioning of UAVs based on the analysis of sound samples using artificial intelligence. An example prototype of the system operating on the battlefield, depicting detected sound sources on a map, is presented.

17

Rozpoznawanie głosu i identyfikacja mówcy: przegląd wybranych metod rozpoznawania cech biometrycznych mowy

Śliwak-Orlicki Tomasz, Górski Krzysztof

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 9

225--229

PL

W niniejszej pracy przedstawiono ogólnie rozwój technologii rozpoznawania mowy, począwszy od pierwszych eksperymentów XIX wieku, aż po współczesne osiągnięcia w tej dziedzinie. Przeanalizowano przekształcenia technologiczne na przestrzeni ostatnich lat, omówiono kluczowe odkrycia oraz najważniejsze wydarzenia, które odegrały istotną rolę w rozwoju tej dziedziny, wskazując jednocześnie wybrane procesy wspomagające skuteczność rozpoznawania mowy pod kątem identyfikacji biometrycznej. Przedstawiono w zarysie charakterystyczne cechy wymowy dla języka polskiego.

EN

This paper presents a general overview of the development of speech recognition technology, from the first experiments of the 19th century to modern developments in this field. It analyses technological transformations over the past years, discusses key discoveries and key events that have played a significant role in the development of this field, while highlighting selected processes that support the effectiveness of speech recognition in terms of biometric identification. The characteristic features of pronunciation for the Polish language are outlined.

18

Foreign object debris detection system using GoogLeNet

Suder Jakub, Marciniak Tomasz

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 11

249--252

EN

he article presents the concept of a vision system for Foreign Object Debris (FOD) detection in the airport environment, based on the GoogLeNet network. The authors present the motivation for the research carried out and the preliminary tests carried out at the Pozna-Ławica Airport and present the developed model of a convolutional neural network with an accuracy of 95.73%. The FOD-A dataset containing more than 19,000 images taken under various weather conditions was used to train the model to ensure the diversity of the dataset.

PL

Artykuł przedstawia koncepcję systemu wizyjnego do wykrywania ciał obcych Foreign Object Debris (FOD) w środowisku lotniskowym, opartego na sieci GoogLeNet. Autorzy przedstawiają motywację do podjętych badań i wstępne testy przeprowadzane w Porcie Lotniczym Poznań - Ławica oraz prezentują opracowany model konwolucyjnej sieci neuronowej o dokładności 95,73%. Do treningu modelu wykorzystano bazę FOD-A zawierającą ponad 19 000 obrazów, wykonanych w różnych warunkach atmosferycznych, aby zapewnić różnorodność bazy danych.

19

Detection and classification of photovoltaic system faults using neural network

Moulay Aicha, Benslimane Tarak, Abdelkhalek Othmane, Koussa Khaled

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 11

157--162

EN

With the growth of solar energy plants and their importance in the world, a fault diagnosis of photovoltaic systems has become an essential task to perform in order to protect the user and PV system components, in addition to increasing energy productivity. This paper presents an efficient neural network method for detecting and classifying different faults in PV system. These faults can occur in a PV array or boost converter. A simple feed forward neural network feed with meteorological parameters (Irradiance and Temperature) together with electrical data (Voltage and Current) has proven its effectiveness to identify common faults in PV system with very high accuracy. This is done by simulation in the Matlab Simulink environment.

PL

Wraz z rozwojem elektrowni słonecznych i ich znaczeniem na świecie, diagnostyka usterek systemów fotowoltaicznych stała się podstawowym zadaniem do wykonania w celu ochrony użytkownika i komponentów systemu PV, a także zwiększenia wydajności energetycznej. W artykule przedstawiono wydajną metodę sieci neuronowych do wykrywania i klasyfikacji różnych uszkodzeń w systemie PV. Te usterki mogą wystąpić w panelu fotowoltaicznym lub przetwornicy podwyższającej napięcie. Proste zasilanie sieci neuronowej ze sprzężeniem zwrotnym z parametrami meteorologicznymi (natężenie promieniowania i temperatura) wraz z danymi elektrycznymi (napięcie i prąd) dowiodło swojej skuteczności w identyfikowaniu typowych usterek w systemie fotowoltaicznym z bardzo dużą dokładnością. Odbywa się to poprzez symulację w środowisku Matlab Simulink.

20

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).