Wyniki wyszukiwania - BazTech

1

The application of sentence sequences in the diagnosis of Parkinson’s disease from handwriting samples using convolutional neural networks

Białek Kamila, Potulska-Chromik Anna, Jakubowski Jacek, Nojszewska Monika, Kostera-Pruszczyk Anna

Przegląd Elektrotechniczny

|

2025

|

R. 101, nr 2

10--13

EN

This paper presents the application of convolutional neural networks with the aim to recognize Parkinson's disease from handwriting samples. A method to improve binary classification results in disease diagnosis is presented using a series of images representing individual sentences derived from their sequence recording.

PL

W artykule zaprezentowano zastosowanie konwolucyjnych sieci neuronowych do rozpoznawania choroby Parkinsona na podstawie próbek pisma. Przedstawiono metodę poprawy wyników klasyfikacji binarnej w diagnostyce choroby poprzez użycie serii obrazów prezentujących pojedyncze zdania pochodzące z zapisu ich sekwencji.

2

The application of convolutional neural networks in age recognition based on handwriting samples

Białek Kamila, Jakubowski Jacek, Białek Rafał

Przegląd Elektrotechniczny

|

2025

|

R. 101, nr 3

24--27

EN

This paper presents an attempt to use a convolutional neural network to recognize the age group of people based on handwriting images recorded on a graphics tablet. A binary classification was performed between three age groups: young adults, middle-aged adults, and older adults.

PL

Artykuł przedstawia próbę wykorzystania konwolucyjnej sieci neuronowej do rozpoznawania przynależności do grupy wiekowej osób na podstawie obrazów pisma ręcznego zarejestrowanych za pomocą tabletu graficznego. Przeprowadzono klasyfikację binarną między trzema grupami wiekowymi: młodszymi dorosłymi, dorosłymi w średnim wieku i starszymi dorosłymi.

3

Porównanie dokładności odtwarzania prędkości kątowej silnika prądu stałego z wykorzystaniem obserwatora Luenbergera oraz sztucznej sieci neuronowej

Nowak Marcjan, Popenda Andrzej

Przegląd Elektrotechniczny

|

2025

|

R. 101, nr 3

103--106

PL

Artykuł przedstawia porównanie dokładności odtwarzania prędkości kątowej silnika prądu stałego z wykorzystaniem sztucznej sieci neuronowej oraz obserwatora Luenbergera. Przedstawiono wyniki symulacji komputerowych z silnikiem prądu stałego. Model symulacyjny został zaprojektowany w programie Matlab Simulink. Symulacje przeprowadzono dla modelu zawierającego silnik prądu stałego oraz sztuczną sieć neuronową. Zaprezentowano wyniki symulacji komputerowej.

EN

n the paper the comparison of the accuracy of estimating the angular velocity of a DC motor using a Luenberger observer and an artificial neural network are presented. The results of simulation of DC motor were presented. The simulation model was designed in Matlab Simulink. Simulations were performed for a model containing a DC motor and an artificial neural network. The results of computer simulation are presented.

4

Methods of classifying voltage surges using Deep Neural Networks

Krawczyk-Borysiak Zuzanna, Kluge Paweł, Łasica Andrzej, Sul Przemysław, Ciuba Maciej

Przegląd Elektrotechniczny

|

2025

|

R. 101, nr 3

211--214

EN

The paper focuses on exploring the potential application of neural networks for the classification of voltage surges compliance with the norm. Three potential neural network architectures were considered for the task - a convolutional neural network (further referred to as CNN), a model combining convolutional and LSTM layers (CNN+LSTM) and a transformer model. The best results were achieved by the simple transformer model (accuracy of 93% on the test dataset), followed by CNN+LSTM model (accuracy: 81%), and CNN (accuracy: 69%).

PL

Artykuł koncentruje się na badaniu potencjalnego zastosowania sieci neuronowych do klasyfikacji zgodności udarów napięciowych z normą. Do tego zadania rozważono trzy potencjalne architektury sieci neuronowych - konwolucyjną sieć neuronową (CNN), model łączący warstwy konwolucyjne i LSTM (CNN+LSTM) oraz model transformatora. Najlepsze wyniki uzyskał prosty model transformatora (dokładność 93% w zestawie danych testowych), następnie model CNN+LSTM (dokładność: 81%) i CNN (dokładność: 69%).

5

Cancer classification through the selection of genes extracted from microarray data

Maiza Mohamed, Chouraqui Samira, Cherif Chahira, Taleb-Ahmed Abdelmalik

Przegląd Elektrotechniczny

|

2025

|

R. 101, nr 4

71--78

EN

In this work we propose to compare tree methods for feature selection in the binary classification context. We focus on the case where the number of variables is very large and much more important than the sample size, as is the case in most microarray data. Four classification algorithms were selected: Decision Tree (DT), k-Nearest Neighbors (K-NN), Neural Networks (NN), and Support Vector Machines (SVM), along with three filter-based feature selection criteria using mutual information: MIM (Mutual Information Maximization), JMI (Joint Mutual Information), and MRMR (Max-Relevance Min-Redundancy).First, we applied these classification algorithms to the microarray datasets without any preprocessing or feature selection, allowing us to establish a baseline for assessing the impact of preprocessing and feature selection on improving classification performance. The second method involved classification after data preprocessing but without feature selection, which enabled us to evaluate the impact of preprocessing on classification performance. Finally, the last method applied classification after both preprocessing and feature selection, allowing us to measure the combined impact of preprocessing and feature selection on improving classification performance.

PL

W niniejszym badaniu proponujemy porównanie trzech metod selekcji cech w kontekście klasyfikacji binarnej. Skupiamy się na przypadkach, w których liczba zmiennych jest wyjątkowo duża i znacznie przewyższa rozmiar próbki, co często występuje w danych z mikromacierzy. Wybraliśmy cztery algorytmy klasyfikacji: drzewo decyzyjne (DT), k-najbliższych sąsiadów (K-NN), sieci neuronowe (NN) oraz maszyny wektorów nośnych (SVM), a także trzy kryteria selekcji oparte na filtrach wykorzystujące informacje˛ wzajemną: MIM (Maksymalizacja Informacji Wzajemnej), JMI (Wspólna Informacja Wzajemna) oraz MRMR (Maksymalna Trafność, Minimalna Redundancja). Początkowo zastosowaliśmy te algorytmy klasyfikacji bezpośrednio do zbiorów danych z mikromacierzy bez przetwarzania wstępnego ani selekcji cech, aby ustanowić punkt odniesienia do oceny wpływu przetwarzania wstępnego i selekcji cech na wydajność klasyfikacji. Drugie podejście polegało na klasyfikacji po przetworzeniu danych, ale bez selekcji cech, co pozwoliło nam ocenić wpływ przetwarzania wstępnego na wyniki klasyfikacji. W trzecim podejściu klasyfikację przeprowadzono po przetwarzaniu wstępnym i selekcji cech, co umożliwiło ocenę łącznego wpływu tych kroków na poprawę wydajności klasyfikacji.

6

Application of electrical tomography in technological processes

Mazurek Mariusz, Dziadosz Marcin, Kłosowski Grzegorz, Wójcik Dariusz, Król Krzysztof

Przegląd Elektrotechniczny

|

2025

|

R. 101, nr 2

72--75

EN

The article focuses on developing an advanced electrical impedance tomography (EIT) system designed for optimizing and controlling technological processes. The authors present an innovative tomographic system that integrates modern hardware solutions with sophisticated signal processing techniques and machine learning algorithms, specifically multi-branch neural networks.

PL

Artykuł koncentruje się na opracowaniu zaawansowanego systemu tomografii impedancji elektrycznej (EIT) przeznaczonego do optymalizacji i kontroli procesów technologicznych. Autorzy przedstawiają innowacyjny system tomograficzny, który integruje nowoczesne rozwiązania sprzętowe z zaawansowanymi technikami przetwarzania sygnałów oraz algorytmami uczenia maszynowego, w szczególności z wykorzystaniem wielogałęziowych sieci neuronowych.

7

Object detection algorithm in a navigation systemfor a rescue drone

Stelmakh Nataliia, Yukhymenko Yurii, Rudkovskiy Ilya, Lavrinenkov Anton

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2025

|

T. 15, nr 2

32--36

EN

This article focuses on improving object recognition algorithms for rescue drones, in particular, enhancing the methodology for classifying human poses by expanding the set of key body points and using more effective mathematical models. A methodology is proposed that analyzes 11 key body points, enabling the classification of human positions (standing, lying down, sitting, kneeling, bent) with greater accuracy. Additionally, a gesture recognition algorithm is proposed, detecting gestures such as arm-waving as a signal for help, which increases the effectiveness of rescue operations.The paper also considers the possibilities of implementing the system on the limited hardware resources of onboard UAV computers. Using geometric relationships between body points reduces computational costs without sacrificing accuracy, making the proposed model suitable for real-world use.The conducted research confirms that the improved system can automatically assess victims’ conditions, prioritize rescue efforts, and optimize drone navigation. In future work, it is planned to integrate the algorithms with drones’ multisensory systems and test them in real-world conditions.

PL

Niniejszy artykuł koncentruje się na udoskonaleniu algorytmów rozpoznawania obiektów w dronach ratowniczych, w szczególnościna ulepszeniu metodologii klasyfikacji pozy człowieka poprzez rozszerzenie zestawu kluczowych punktów ciałaoraz zastosowanie bardziej efektywnych modeli matematycznych. Zaproponowano metodykę analizującą 11 kluczowych punktów ciała, która umożliwia dokładniejszą klasyfikację pozycji człowieka (stojąca, leżąca, siedząca, klęcząca, zgięta). Ponadto zaproponowanoalgorytm rozpoznawania gestów –wykrywanie takich sygnałówjak machanie ręką jako wezwanie pomocy –co zwiększa skuteczność akcji ratowniczych.W artykule rozważono również możliwości wdrożenia systemu przy ograniczonych zasobach sprzętowych komputerów pokładowych UAV. Wykorzystanie zależności geometrycznych między punktami ciała obniża koszty obliczeniowebez utraty dokładności, dzięki czemu proponowany model nadaje się do zastosowań w warunkach rzeczywistych. Przeprowadzone badania potwierdzają, że ulepszony system może automatycznie oceniać stan poszkodowanych, ustalać priorytety działań ratowniczych oraz optymalizować nawigację drona.W przyszłych pracach planuje się integrację algorytmów z wielosensorowymi systemami dronów oraz przeprowadzenie testóww warunkach rzeczywistych.

8

Smart solutions in agricultural robotics

Kiktev Nikolay, Vasylenko Oksana, Horetska Iryna, Panchenko Anatolii, Slobodian Sergii, Kuboń Maciej, Skibko Zbigniew, Hutsol Taras

Agricultural Engineering

|

2025

|

Vol. 29, No. 1

157--186

EN

The article contains an overview and prospects for the introduction of smart and robotic technologies in the agricultural industry. Today, robotization of agriculture and food technology is not a leading industry compared to robotization of other sectors of the economy. Analytical review of the global robotics market revealed that robots in the food industry account for 2% of the total, and robots for agricultural operations account for less than 1%. We analyzed global trends in robotization and the introduction of artificial intelligence in agriculture in various countries. A review of smart robotic technologies, in particular, smart sensors and actuators, the Internet of Things, cloud technologies, methods of data analysis, forecasting, classification, and image recognition using neural networks, is provided. Methods and means are considered in relation to both crop production and livestock production. Four main classes of intelligent technologies in agriculture were identified: robotics, Internet of Things, machine learning, and UAVs. In crop production, robots are common in harvesting, controlling weeds, processing trees, monitoring trees at different stages of the growing season, including leaf and fruit diseases, counting the number of flowers and fruits, and other operations. Identification of fruits, leaves, weeds, as well as diseases of fruits and leaves is performed using computer vision, and in recent years convolutional neural networks have become widespread. Field monitoring is performed using UAVs with subsequent image processing using spectral analysis methods. In livestock farming, smart technologies are represented by feeding and milking robots, livestock monitoring, detection of predators, navigation in livestock buildings, monitoring animal health and behavior. Smart technologies are also used in fish farming to create smart farms. In this mini review, we have tried to integrate advanced smart and robotic technologies for various agricultural operations.

PL

Artykuł stanowi przegląd inteligentnych i zautomatyzowanych technologii stosowanych w przemyśle rolniczym. Jego celem jest analiza perspektyw wdrożenia i integracji najnowszych rozwiązań z zakresu inteligentnych i zrobotyzowanych technologii wspierających różne aspekty tego sektora. Obecnie poziom robotyzacji rolnictwa i produkcji żywności pozostaje niski w porównaniu z innymi sektorami gospodarki. Zgodnie z danymi z globalnego rynku robotyki, roboty wykorzystywane w przemyśle spożywczym stanowią jedynie 2% ogółu, a udział robotów w operacjach rolniczych nie przekracza 1%. W artykule przeanalizowano światowe trendy w zakresie robotyzacji i wdrażania sztucznej inteligencji w rolnictwie, z uwzględnieniem doświadczeń różnych krajów. Przedstawiono przegląd technologii inteligentnej robotyki, w tym: inteligentnych czujników i siłowników, Internetu rzeczy (IoT), technologii chmurowych, metod analizy danych, prognozowania, klasyfikacji oraz rozpoznawania obrazów przy użyciu sieci neuronowych. Omówiono ich zastosowanie zarówno w produkcji roślinnej, jak i zwierzęcej. Wyróżniono cztery główne klasy inteligentnych technologii w rolnictwie: robotykę, Internet rzeczy, uczenie maszynowe oraz bezzałogowe statki powietrzne (drony). W produkcji roślinnej roboty są stosowane m.in. w zbiorach, zwalczaniu chwastów, pielęgnacji i monitorowaniu drzew w różnych fazach sezonu wegetacyjnego - w tym w wykrywaniu chorób liści i owoców, liczeniu kwiatów i owoców oraz innych procesach. Identyfikacja owoców, liści, chwastów i chorób odbywa się przy użyciu technik wizji komputerowej, a w ostatnich latach szczególną popularność zyskały konwolucyjne sieci neuronowe. Monitoring upraw realizowany jest za pomocą dronów, a pozyskane obrazy poddawane są analizie spektralnej. W produkcji zwierzęcej inteligentne technologie obejmują roboty do karmienia i dojenia, systemy monitorowania zwierząt gospodarskich, detekcję drapieżników, nawigację w budynkach inwentarskich oraz monitorowanie stanu zdrowia i zachowań zwierząt. Zaawansowane technologie znajdują również zastosowanie w hodowli ryb - w tworzeniu inteligentnych gospodarstw akwakultury.

9

Global-scale explainable AI assessment for OBIA-based classification using Deep Learning and Machine Learning methods

Kavzoglu Taskin, Uzun Yakup Kaan, Berkan Emre, Yilmaz Elif Ozlem

Advances in Geodesy and Geoinformation

|

2025

|

Vol. 74, no. 1

art. no. e62, 2025

EN

Over the past decade, object-based image analysis (OBIA) has gained prominence as a widely adopted method for generating land use/land cover (LULC) maps. This study aims to evaluate the performance of various classification algorithms within the OBIA framework using SPOT-6 satellite imagery. The research methodology involved segmenting the images with the multi-resolution segmentation (MRS) algorithm, followed by the application of convolutional neural networks (CNN), random forest (RF), and support vector machine (SVM) algorithms for classification. The study was conducted in the Perpignan province, located in the Pyrénées-Orientales region of France. After the segmentation stage, CNN, RF, and SVM classifiers were employed to classify the image segments based on both spectral and spatial attributes. The accuracy of the resulting thematic maps was assessed using standard metrics, including overall accuracy (OA), the Kappa coefficient (KC), and the F��score (FS). Of the three classifiers, CNN achieved the highest overall accuracy at 91.28%, outperforming SVM, which attained an OA of 90.50%, and RF, which recorded an OA of 87.28%. Additionally, this study explored the integration of explainable artificial intelligence (AI) techniques, specifically the Shapley Additive Explanations (SHAP) algorithm, to enhance the interpretability of the machine learning models. This approach fosters greater trust, accountability, and acceptance in decision-making processes. By leveraging SHAP values, the study provides deeper insights into the decision-making processes of the CNN, SVM, and RF classifiers, ultimately enhancing the transparency and comprehensibility of these models.

10

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.

11

Sztuczne sieci neuronowe o architekturze jednokierunkowej i rekurencyjnej w klasyfikacjach sygnałów radioelektronicznych

Mazur Piotr, Rybak Łukasz, Dudczyk Janusz

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2024

|

nr 6

20--23

PL

W artykule przedstawiono rezultaty badań dotyczących zastosowania sztucznych sieci neuronowych ANN (ang. Artificial Neural Networks) w klasyfikacji sygnałów radioelektronicznych. W przeprowadzonych eksperymentach użyto ANNs o architekturze jednokierunkowej (ang. feedforward) oraz rekurencyjnej (ang. recurrent). Celem artykułu było określenie wydajności wymienionych algorytmów przy użyciu stosowanych w dziedzinowej literaturze miar, opisujących jakość modeli predykcyjnych. W rozdziale drugim szczegółowo scharakteryzowano rodzaje sztucznych sieci neuronowych, będących obiektami zainteresowania przedmiotowych badań. W tym samym rozdziale przedstawiono również zastosowane miary jakości algorytmów rozpoznawania wzorców. Następnie zostały przedstawione otrzymane rezultaty. Na ich podstawie autorzy artykułu dokonali analizy wydajności wymienionych typów sztucznych sieci neuronowych w procesie klasyfikacji sygnałów radioelektronicznych. Ostatecznie przedstawiono wnioski płynące z opracowanej charakterystyki porównawczej oraz wskazano kierunki dalszych badań.

EN

This article presents the results of a study on the application of Artificial Neural Networks (ANNs) in the classification of radio signals. ANNs with feedforward and recurrent architectures were used in the conducted experiments. The purpose of the article was to determine the performance of the aforementioned algorithms using measures used in the field literature to describe the quality of predictive models. Chapter two characterizes in detail the types of artificial neural networks, which are the objects of interest of this research. The same chapter also presents the measures used to describe the quality of pattern recognition algorithms. Then the obtained results were presented. Based on them, the authors of the article analyzed the performance of the mentioned types of artificial neural networks in the process of classification of radio-electronic signals. Finally, the conclusions of the developed comparative characteristics are presented, and the directions for further research are indicated.

12

Lustrzany kodek video bazujący na głębokiej sieci neuronowej

Kaczyński Maciej, Piotrowski Zbigniew

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2024

|

nr 4

397--400

PL

Zagadnienie stabilnego przekazywania informacji, a zwłaszcza stabilnej transmisji informacji w formie video w warunkach braku stabilnej prędkości przesyłania danych dla specyficznych zastosowań jest kwestią istotną. Celem niniejszego artykułu jest przedstawienie efektywnej metody modyfikacji kodeka video zapewniającej zwiększenie jakości video dla wysokich wartości kompresji wprowadzanej przez kodek video poprzez jego modyfikacje z wykorzystaniem jego lustrzanego odbicia bazując na głębokiej sieci neuronowej.

EN

The issue of stable information transmission, and especially stable information transmission in the form of video in the absence of a stable data transmission speed for specific applications, is an important issue. The aim of this article is to present an effective method of modifying the video codec ensuring an increase in video quality for high values of compression introduced by the video codec by modifying it using its mirror image based on a deep neural network.

13

Zastosowanie sieci neuronowych do wspomagania diagnostyki podobciążeniowych przełączników zaczepów metodą oscylograficzną oraz metodą emisji akustycznej

Włodarz Michał, Cichoń Andrzej, Skubis Jerzy

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 11

233--236

PL

Podobciążeniowe przełączniki zaczepów są częstą przyczyną awarii transformatorów. Interpretacja wyników uzyskanych różnymi metodami oceny stanu technicznego przełączników, wymaga od diagnosty dużego doświadczenia praktycznego. W artykule zaproponowano wykorzystanie konwolucyjnych sieci neuronowych do wspomagania procesu diagnostyki podobciążeniowych przełączników zaczepów. Przedstawiono wyniki klasyfikacji sygnałów oscylograficznych oraz emisji akustycznej. W efekcie końcowym osiągnięto bardzo wysokie skuteczności klasyfikacji przekraczające 98%.

EN

On-load tap-changers are a common cause of transformer failures. Interpreting the results obtained by methods for assessing the condition of the tap-changers, requires a lot of experience. The use of convolutional neural networks is proposed to support the diagnostic process of on-load tap changers. This paper presents the results of classification of oscillographic and acoustic emission signals. The end result was very high classification efficiencies in excess of 98%.

14

Wykorzystanie rzeczywistych danych pomiarowych do prognozowania polskiej skali czasu UTC(PL) przy użyciu sieci neuronowej typu GMDH

Sobolewski Łukasz

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 12

73--76

PL

W pracy przedstawiono wyniki badań prognozowania wartości różnic dla Polskiej Skali Czasu UTC(PL) dla rzeczywistych danych pomiarowych przygotowanych w postaci szeregu czasowego TS1 i TS2. Uzyskano bardzo dobrą jakość prognozowania skali czasu UTC(PL). Otrzymane wartości prognoz dla analizowanego okresu czasu różnią się od różnic publikowanych przez BIPM na ten sam dzień prognozy o maksymalnie ±2,3 ns, zarówno dla szeregu TS1, jak i dla TS2.

EN

The article presents research results on forecasting the differences for Polish Timescale UTC(PL) for real-time measurement data prepared in the form of time series TS1 and TS2. Very good quality of forecasting has been obtained for UTC(PL) timescale for analysed period of time. Obtained values of forecasts differ from the differences published by the BIPM at the same day of forecast by max ±2.3 ns for time series TS1 and TS2.

15

The application of convolutional neural networks in the diagnosis of Parkinson’s disease on the basis of handwriting samples

Białek Kamila, Jakubowski Jacek, Potulska-Chromik Anna, Nojszewska Monika, Kostera-Pruszczyk Anna

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 4

261--264

EN

The article presents an attempt to use a convolutional neural network to recognize Parkinson's disease on the basis of handwriting images recorded using a graphics tablet. Based on studies with participation of healthy subjects and patients with Parkinson's disease, the overall accuracy of 85.4% of the sick-healthy binary classification was achieved.

PL

Artykuł przedstawia próbę wykorzystania konwolucyjnej sieci neuronowej do rozpoznawania choroby Parkinsona na podstawie obrazów pisma zarejestrowanych za pomocą tabletu graficznego. Na podstawie badań z udziałem osób zdrowych i pacjentów z chorobą Parkinsona uzyskano całkowitą dokładność klasyfikacji binarnej chory-zdrowy na poziomie 85.4%.

16

Processing of capacitive sensor signal profile for enhancing gestures detection

Karpin Oleksandr, Brygilevych Volodymyr, Liubun Zinovii, Mandziy Vasyl

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 9

252--255

EN

The article considers the usage of one sensor button to identify signals triggered by Type 1. clicking the button and Type 2. swiping at the button surface. The developed algorithm of the sensor signal analysis features: high-accuracy identification of signals, minimal processing time, easy definition of the classification algorithm optimal parameters for a definite type of the sensor button due to the usage of neural networks.

PL

W artykule rozważono wykorzystanie jednego przycisku sensorycznego do identyfikacji sygnałów wyzwalanych przez kliknięcie przycisku w trybie 1 i przesunięcie po powierzchni przycisku w trybie 2. Opracowany algorytm analizy sygnałów czujnika charakteryzuje się: dużą dokładnością identyfikacji sygnałów, minimalnym czasem przetwarzania, łatwym zdefiniowaniem algorytmu klasyfikacji optymalnymi parametrami dla określonego typu przycisku czujnika ze względu na wykorzystanie sieci neuronowych.

17

Model identification of correlation of avionic parameters with magnetic field intensity using neutral networks

Michałowska Joanna

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 3

282--284

EN

The article presents the identification of the magnetic field with the use of neural network model. The research on the value of the magnetic component of the electromagnetic field (EM) was determined with the NHT3DL broadband meter from Microrad with the 02H measuring probe during training flights. A convolutional autoencoder model of a neural network was developed to filter out outliers obtained during measurements.

PL

W artykule przedstawiono identyfikacje składowej magnetycznej pola elektromagnetycznego przy użyciu modelu sieci neuronowych. Badania dotyczące wartości składowej magnetycznej (EM) wyznaczono miernikiem szerokopasmowym NHT3DL firmy Microrad z sondą pomiarową 02 H podczas lotów szkoleniowych statkami powietrznymi. Opracowano model konwolucyjnego autoencondera sieci neuronowej (ang. convolutional autoencoder model) stużący do odfiltrowania danych odstających uzyskanych podczas pomiarów.

18

Estimation of the boost converter inductance current in dynamic conditions by means of NARX neural network

Nalepa Radosław, Najdek Karol

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 5

63--67

EN

The article presents a method for estimating the Boost converter inductance current using a NARX neural network. The model works basing on selected sampled and calculated time series, without the involvement of any algebraic equations describing the circuit. The proposed solution enables the estimation of the current in static and dynamic states across the entire load range of the converter, as well as under dynamically changing levels of the supply voltage- this under closed loop output voltage control. The proposed approach can serve as a foundation for further work on the digital twin of the converter. All considerations are based on experimentally verified simulation model.

PL

W artykule przedstawiono sposób estymowania prądu indukcyjności przetwornicy typu Boost za pomocą sieci neuronowej typu NARX. Model działa w oparciu o wybrane szeregi czasowe spróbkowane i obliczone numerycznie, bez udziału jakichkolwiek równań algebraicznych opisujących układ. Zaproponowane rozwi ązanie pozwala na wyznaczanie prądu zarówno w stanach statycznych jak i dynamicznych w pełnym zakresie obciążenia przetwornicy oraz przy zmieniających się dynamicznie poziomach napięcia zasilającego - to przy zamkniętej pętli regulacji napięcia wyjściowego. Zaproponowane rozwiązanie może służyć jako podstawa do dalszych prac nad bliźniakiem cyfrowym przedmiotowej przetwornicy. Wszystkie rozważania oparto na eksperymentalnie zweryfikowanym modelu symulacyjnym.

19

An Analysis of power system faul Classifier using neural network

Kumar Venkatesh, Sujitha S., Aarthi C., Nirmala M., Samanvita N., Garapati Durga Prasad, Kumar Vinoth, Manjunatha B.

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 7

96--100

EN

Fault is obviously a significant phenomenon for energy transmission in the distribution system because of the potentially harmful consequences that finally lead to economic crises. In order to verify their sustainability error experience, MATLAB and Simulink analyse the 3-phase power system in this article. An intelligent expert like a neural network may easily identify the defect that may have happened in the transmission line and categorize transmission issues on the power supply using artificial neural network (ANN). ANN is used to categories problems and generate a change status indication for the protection relay. This work proposes design strategies for fault recognition, classification, and isolation supported by state-of-the-art artificial intelligence and signal processing. Three-phase current and voltage from one end are taken as inputs in the proposed scheme. The Various simulations and signal analysis are performed in MATLAB environment.

PL

Zwarcie jest oczywiście zjawiskiem istotnym dla przesyłu energii w systemie dystrybucyjnym ze względu na potencjalnie szkodliwe skutki, które ostatecznie prowadzą do kryzysów gospodarczych. Aby zweryfikować swoje doświadczenia związane z błędami w zakresie zrównoważonego rozwoju, MATLAB i Simulink analizują w tym artykule 3-fazowy system zasilania. Inteligentny ekspert, taki jak sieć neuronowa, może z łatwością zidentyfikować usterkę, która mogła wystąpić w linii przesyłowej i sklasyfikować problemy z transmisją w zasilaczu za pomocą sztucznej sieci neuronowej (ANN). SSN służy do kategoryzacji problemów i generowania wskazania stanu zmian dla przekaźnika zabezpieczeniowego. W pracy zaproponowano strategie projektowania rozpoznawania, klasyfikacji i izolacji uszkodzeń wspierane przez najnowocześniejszą sztuczną inteligencję i przetwarzanie sygnałów. W proponowanym schemacie jako dane wejściowe przyjmuje się prąd trójfazowy i napięcie z jednego końca. Różne symulacje i analiza sygnałów wykonywane są w środowisku MATLAB

20

A neural network designed for COVID-19 detection using CT images

Rouini Abdelghani, Larbi Messaouda, Bakria Derradji, Korich Belkacem

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 4

152--155

EN

To quickly identify COVID-19 and stop its spread, Computer Tomography (CT) imaging of the chest is a reliable diagnostic method. In this work we implement a deep neural network based on Convolutional Neural Network (CNN), to effectively distinguish between healthy CT images and COVID-19 CT images. The final architecture allows for 91.6% accuracy, which is a 2% improvement over the first one. The result obtained can be very useful in medical diagnostics, particularly in the Covid-19 case. The implemented CNN model takes 2-3 seconds to run on a medium-end laptop without GPU acceleration.

PL

Aby szybko zidentyfikować COVID-19 i zatrzymać jego rozprzestrzenianie się, niezawodną metodą diagnostyczną jest tomografia komputerowa (CT) klatki piersiowej. W tej pracy wdrażamy głęboką sieć neuronową opartą na konwolucyjnej sieci neuronowej (CNN), aby skutecznie rozróżniać zdrowe obrazy CT od obrazów CT COVID-19. Ostateczna architektura pozwala na dokładność na poziomie 91,6%, co stanowi poprawę o 2% w stosunku do pierwszej. Uzyskany wynik może być bardzo przydatny w diagnostyce medycznej, szczególnie w przypadku Covid-19. Zaimplementowany model CNN działa w ciągu 2-3 sekund na laptopie średniej klasy bez akceleracji GPU.