Wyniki wyszukiwania - Biblioteka Nauki

1

Bezpieczna obsługa zwierząt w gospodarstwie

100%

Kaszuba K.

Wieś Mazowiecka. Mazowiecki Ośrodek Doradztwa Rolniczego w Warszawie

|

2018

|

nr 04

2

Przepisy niezgodne z Konstytucją?

100%

Kaszuba K.

Przegląd Komunalny

|

2013

|

tom nr 4

31-31

PL

Lipcowa nowelizacja ustawy o utrzymaniu czystości i porządku w gminach z 2011 r. (tzw. ustawa śmieciowa), poza oddaniem w ręce samorządów "władztwa" nad odpadami, nałożyła na nie także obowiązki w zakresie gospodarowania nimi, a co za tym idzie - wywiązania się z wielu zobowiązań w zakresie odzysku i recyklingu oraz ograniczenia składowania odpadów ulegających biodegradacji.

3

Brain-computer interaction analysis based on EEG signal and gaze-tracking information

63%

Kaszuba K. , Kostek B.

Elektronika : konstrukcje, technologie, zastosowania

|

2012

|

tom Vol. 53, nr 5

21-25

EN

The article presents an attempt to integrate EEG signal analysis with information about human visual activities, i.e. gaze fixation point. The results from gaze-tracking-based measurement were combined with the standard EEG analysis. A search for correlation between the brain activity and the region of the screen observed by the user was performed. The preliminary stage of the study consists in electrooculography (EOG) signal processing. The EOG signal was obtained in a series of experiments and served as reference data. An attempt to correlate this Information with the EEG signal analysis is described and multiple approaches of signal pre-processing, feature extraction and classification are applied.

PL

W niniejszym artykule podjęto próbę analizy sygnału EEG z informacją o aktywności wzrokowej człowieka w kontekście interfejsów mózg-komputer. Wykorzystano funkcjonalności rejestratora sygnału EEG oraz systemu śledzenia punktu fiksacji wzroku. Poszukiwana była korelacja pomiędzy obserwowanym obszarem ekranu a aktywnością mózgu. Sygnał EOG, nagrany w trakcie serii wstępnych eksperymentów, posłużył jako dane referencyjne. Zbadano możliwość automatycznej detekcji podobnej informacji w sygnale EEG poprzez zastosowanie różnych metod wstępnego przetwarzania, ekstrakcji cech sygnału oraz zastosowaniu różnych klasyfikatorów.

4

Rozpoznawanie kategorii ruchu ludzkiego na podstawie analizy sygnałów pochodzących z trójosiowych czujników przyspieszenia

63%

Kupryjanow A. , Kaszuba K.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2009

|

tom Nr 26

53-56

PL

W artykule przedstawiono procedurę rejestracji sygnałów przyspieszenia pochodzących z czujników biomedycznych Shimmer, sposób ich rozmieszczenia na ciele oraz opisano klasyfikator pozwalający na rozpoznawanie wybranych kategorii ruchu ludzkiego. W części eksperymentalnej artykułu zbadano wpływ filtracji dolnoprzepustowej sygnałów na skuteczność rozpoznawania typu aktywności ruchowej.

EN

In many scientific fields, especially medicine, information about human activity is crucial. The analysis of acceleration data coming from the sensors mounted on human’s limbs and trunk allows automatic classification of patients’activities (e.g. sitting, walking, getting up, etc). In this paper, a neural network based motion activity classifier and the procedure for recording signals from accelerometers are described. Owing to a very fast development of microcontrollers, it is now possible to create devices which enable real-time recording and transmission of signals from accelerometers. Today’s miniaturization enables the integration of accelerometers, microcontrollers and Bluetooth transmitters into a single matchbox-size device. Research carried out by Intel resulted in highly integrated devices and software platforms designed for networks of sensors which communicate wirelessly. Small size and weight of such devices as well as low energy consumption make the montage of sensors on a human body technically possible and comfortable for patients. The research proved that the localization of sensors on a human body has a great impact on the accuracy of motion type recognition. Many experiments addressing this subject were conducted, and finally an optimal sensors configuration was chosen. A group of 16 healthy people was observed. The acceleration signals were sampled with the frequency of 51,2 Hz whereas the G force was set within the range of 0 to 4. The 64 sample windows with the 32 samples overlap were used for the analysis. For each window, a set of parameters was extracted, which allowed the classification of signals. The research showed that the motion classifier based on neural networks ensures satisfying efficiency of motion type classification. Activity recognition was performed off-line. The accuracy of detection depended on the type of activity and the way the activity was performed. It turned out that for a better network training and testing, a greater number of signals must be collected.

5

Synchronizacja półkul mózgowych z wykorzystaniem mechanizmu biofeedback

51%

Kaszuba K. , Kopaczewski K. , Odya P. , Kostek B.

Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne

|

2010

|

tom T. 19

195-201

PL

W niniejszej pracy zaproponowane zostały dwa indywidualne podejścia do budowy systemu wspomagającego synchronizację półkul mózgowych przy pomocy mechanizmu biofeedback. Dla obu rozwiązań wykorzystane zostało urządzenie wykorzystujące bezprzewodowy system rejestracji sygnałów EEG. W pierwszym podejściu sprawdzono wpływ dudnień różnicowych na stan synchronizacji z zastosowaniem statystycznych metod analizy. W drugiej metodzie zbadane zostały możliwości stworzenia systemu działającego w czasie rzeczywistym. Ze względu na duże zakłócenia przy rejestracji sygnałów EEG, w obu przypadkach zastosowano metody przetwarzania wstępnego pozyskanych sygnałów. We wnioskach oceniono skuteczność obu metod do realizacji omawianego systemu oraz przedstawiono możliwości jego rozwoju.

EN

In the paper two individual attempts to build hemisphere synchronization system based on biofeedback techniques are presented. For both concepts a unique wireless EEG recording system was applied. In order to minimize the EOG artefacts from EEG signal, methods of signal preprocessing and analysis are applied and described. The first approach examines how binaural sounds influent synchronization state by using statistical analysis. The second methodology is based on analyzing wavelet coefficients calculated for different time windows. In conclusion both methods effectiveness in case of building the system is evaluated. Also the possibilities of system development are included.

6

Influence of accelerometer signal preprocessing and classification method on human activity recognition

51%

Kupryjanow A. , Kaszuba K. , Czyżewski A.

Elektronika : konstrukcje, technologie, zastosowania

|

2010

|

tom Vol. 51, nr 3

18-23

EN

A study of data preprocessing influence on accelerometer-based human activity recognition algorithms is presented. The frequency band used to filter-out the accelerometer signals and the number of accelerometers involved were considered in terms of their influence on the recognition accuracy. In the tests four methods of classification were used: support vector machine, decision trees, neural network, k-nearest neighbor.

PL

W artykule przedstawiono wpływ przetwarzania wstępnego sygnału przyspieszenia na skuteczność rozpoznawania aktywności ruchowych. Przeanalizowano zależność filtracji sygnałów oraz ilości zastosowanych czujników na skuteczność klasyfikacji. W badaniach wykorzystano cztery różne klasyfikatory: maszynę wektorów wsparcia, drzewa decyzyjne, sztuczne sieci neuronowe oraz klasyfikator najbliższego sąsiada.