Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Rozpoznawanie gestów statycznych ręki za pomocą rękawicy sensorowej

100%

Piskozub J. , Tomalczyk K. , Strumiłło P. , Piskozub M.

2019

tom R. 95, nr 9

142--145

W niniejszej pracy opisano rękawicę sensorową, umożliwiającą rozpoznawanie wybranych gestów ręki. W urządzeniu zastosowano 10 rezystancyjnych czujników ugięcia, zamocowanych za pomocą materiałowych kieszeni do rękawicy. Układ czujników tworzy dwa rzędy, jeden na wysokości stawów śródręczno-paliczkowych oraz drugi, na wysokości stawów międzypaliczkowych. Wykonany prototyp przetestowano na grupie trzech osób wykonujących 18 statycznych gestów polskiego języka migowego. Otrzymane dane sprawdzono pod kątem możliwości ich automatycznej klasyfikacji za pomocą trzech wybranych klasyfikatorów: k-najbliższych sąsiadów, naiwnego klasyfikatora bayesowskiego oraz drzewa decyzyjnego. Klasyfikacje przeprowadzano dla trójwymiarowego zbioru danych otrzymanych z czujników umiejscowionych nad stawami międzypaliczkowymi palców: środkowego, wskazującego i kciuka oraz dla dziesięciowymiarowego zbioru danych otrzymanych ze wszystkich czujników. Najlepsze wyniki klasyfikacji znaków dla obu zbiorów uzyskano za pomocą naiwnego klasyfikatora bayesowskiego, którego skuteczność wyniosła 66,66%.

This work describes a sensor glove that allows real-time recognition of the position of the fingers. The device uses 10 resistive flex sensors fastened with material glove pockets. The sensor system consists of two rows, one at the height of the metacarpophalangeal joints and the second at the height of the interphalangeal joints. The prototype was tested on a group of three people performing 18 static gestures of Polish sign language. The data obtained was checked for the possibility of their automatic classification using three selected classifiers: k-nearest neighbours, naive Bayesian classifier and decision tree. Classifications were carried out for a simplified three-dimensional dataset obtained from sensors located above interphalangeal joints of the middle, index and thumb fingers and for the ten-dimensional dataset obtained from all sensors. The best character classification results for both sets were obtained for the naive Bayesian classifier, with a maximum recognition rate of 66.66%.

Wspieranie osiągania efektów uczenia się z zastosowaniem nowoczesnych technologii informacyjnych w kształceniu zawodowym

75%

Stańdo J. , Torzyk B. , Tomalczyk K. , Tyl A. , Fechner Ż. , Bortnik A. , Krawczyk-Kłys I.

nr 2

67-81

Przedmiotem badań zaprezentowanych w artykule jest wskazanie potrzeby współpracy uczelni wyższych i szkół zawodowych w celu osiągania efektów uczenia się (Stańdo J., 2019) przez uczniów szkół zawodowych. Eksperyment przeprowadzony został w skali całego kraju przy wykorzystaniu pilotażowej infrastruktury sieci 5G, zlokalizowanej na terenie Politechniki Łódzkiej, poprzez transmisję online, na żywo. Dla uczniów szkół zawodowych zorganizowano trzy laboratoria online dotyczące nowoczesnych technologii: kamer termowizyjnych, drukarek 3D oraz sieci komórkowych 5G. Wyniki wykazały, że konieczna jest współpraca szkoły zawodowej i uczelni wyższej wspierającej poprawę jakości kształcenia uczniów szkół zawodowych ze względu na brak możliwości i/lub zasobów dydaktycznych oraz technologicznych czy też brak dostępu do nowoczesnych urządzeń technologicznych.

The aim of the research presented in this article was to identify the need for cooperation between universities and vocational schools so that vocational students can achieve learning outcomes (Stańdo J., 2019). The experiment was conducted nationwide using a pilot 5G network infrastructure at the Lodz University of Technology, through online, live broadcasting. Three online labs were organised for vocational school students on modern technologies: thermal cameras, 3D printers and 5G mobile networks. The results revealed that cooperation between a vocational school and a university supporting the improvement of the quality of vocational education is necessary, due to the lack of opportunities and/or teaching and technological resources, or lack of access to modern technological equipment.