The work deals with automated recognition of the current state of a bee colony, for continuous monitoring of processes running in a bee hive is of key importance in beekeeping. The dynamic time warping algorithm is considered as a method of analyzing acoustic signals produced by a bee colony. Upon such an analysis one can make inferences about the current state of the colony. We have developed a software module for audio-signal identification, which is to be used as a part of an automated bee colony monitoring system, and a software tool for verification of the module. We evaluated the efficacy of the algorithm, the probability of bee colony states correctly recognized using acoustic signals produced by the colony and consumed computational resources by the example of a queen bee’s sounds recorded during swarming. The dependencies of the signal processing time and the successful pattern recognition probabilities on the frame sample rate and frame size are presented.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The article describes the voice control system. It is based on comparing feature vector sequence, which represents spoken word, with patters. For this purpose Dynamic Time Warping algorithm was implemented. Features extracted from voice record are Mel cepstral coefficients. Delta and delta-delta parameters were also tested. Important part of system is algorithm detecting word boundaries. It uses fundamental frequency and energy.
PL
W artykule opisano system sterowania głosowego. Opiera się on na porównywaniu sekwencji wektorów cech, która reprezentuje wypowiedziane słowo, z bazą wzorców. W tym celu zaimplementowano algorytm Dynamic Time Warping. Jako cech ekstrahowanych z nagrań użyto współczynników Mel cepstrum. Przetestowano także parametry delta oraz delta-delta. W skład systemu wchodzi również algorytm wykrywający granice wypowiedzianego słowa, działający w oparciu o częstotliwość podstawową oraz energię.
Pandemia COVID-19 wpłynęła na światowy system gospodarczy, w tym na kursy walut. Głównym celem badania omawianego w artykule jest ocena podobieństwa pomiędzy szeregami czasowymi kursów walut przed pandemią i w jej trakcie. Ponadto podjęto próbę zbadania relacji pomiędzy kursami walut a szeregami czasowymi dotyczącymi pandemii COVID-19 w poszczególnych krajach. Aby sprawdzić, czy i w jakim stopniu zmiany kursów walut są związane z rozprzestrzenianiem się COVID-19, zastosowano metodę dynamicznego marszczenia czasu (Dynamic Time Warping – DTW), umożliwiającą obliczenie odległości pomiędzy analizowanymi szeregami czasowymi. Pozwoliło to na pogrupowanie walut według ich zmian w stosunku do dynamiki pandemii. W badaniu wykorzystano dane pochodzące z serwisów internetowych Stooq i Our World in Data. Dane dla 17 walut denominowanych w dolarach nowozelandzkich pochodzą z okresu od 1 stycznia 2019 r. do 10 listopada 2021 r., a dane o pandemii COVID-19 – z okresu od 1 marca 2020 r. do 10 listopada 2021 r. Stwierdzono, że kursy walut kształtowały się odmiennie w okresie przed pandemią oraz w jej pierwszej i drugiej fazie. Wybuch pandemii doprowadził do koncentracji większości walut wokół dolara amerykańskiego (USD). Po odmrożeniu gospodarek nastąpiła polaryzacja rynku walutowego, na którym główne waluty świata skupiły się albo wokół USD, albo wokół euro.
EN
The COVID-19 pandemic affected the entire global economic system, including currency exchange rates. The main objective of this study is to assess the similarity between time series of currency exchange rates before and during the COVID-19 crisis. In addition, the study aims to examine the relationship between the exchange rates of currencies and the COVID-19 time series in particular countries. The Dynamic Time Warping (DTW) method was applied to check if changes in the exchange rates were related to the spread of COVID-19, and if they were, to what extent it was so. The use of the DTW allows the calculation of the distance between analysed time series. In this study, it made it possible to group the analysed currencies according to their change relative to the pandemic dynamics. The study is based on data from the Stooq and Our World in Data websites. Data on the 17 studied currencies denominated in the New Zealand dollar came from the period between 1 January 2019 and 10 November 2021, and the COVID-19 data from the period between 1 March 2020 and 10 November 2021. The results demonstrate that exchange rates evolved differently in all the three analysed periods: the pre-pandemic period and the first and the second phase of the pandemic. The outbreak of the pandemic led to the concentration of most currencies around the US dollar. However, when the economies unfroze, a polarisation of the currency market occurred, with the world’s major currencies clustering either around the US dollar or the euro.
The aim of this study is to examine the impact of the monetary policy (and, more broadly, the financial sector) on the real economy in selected European countries, taking into account their fiscal policy as well. The study includes 15 European countries that are not part of the eurozone and covers the period of 2010–2022. In the analysis, we utilise the Dynamic Time Warping (DTW) method, which is an innovative method for comparing time series, particularly novel in the fields of economics and finance. We compare the countries based on five variables: interest rates, the money supply growth rate, the state consumption expenditure growth rate, the economic growth rate, and the inflation rate. The results show that based on the variables representing the monetary policy (interest rates and money supply dynamics), two clusters of countries with similar monetary policy approaches can be identified. The study provides several recommendations for economic policy, particularly in the field of monetary policy.
PL
Celem niniejszego artykułu było zbadanie oddziaływania polityki pieniężnej (oraz szerzej – sektora finansowego) na realną gospodarkę w wybranych krajach europejskich. Uwzględniono także politykę fiskalną. Badanie obejmowało 15 państw europejskich nienależących do strefy euro oraz okres 2010– 2022. W analizie wykorzystano metodę Dynamic Time Warping (DTW), czyli nowatorską jak na ekonomię i finanse metodę służącą do porównywania szeregów czasowych. W badaniu porównano kraje pod względem pięciu zmiennych: stopy procentowej, tempa wzrostu podaży pieniądza, tempa wzrostu wydatków konsumpcyjnych państwa, tempa wzrostu gospodarczego i stopy inflacji. Wyniki pokazują, że na podstawie zmiennych reprezentujących politykę pieniężną (stopy procentowe i dynamika podaży pieniądza) można wyodrębnić dwa klastry krajów charakteryzujących się podobnym prowadzeniem polityki pieniężnej. Badanie dostarcza wielu rekomendacji dla polityki gospodarczej, zwłaszcza w zakresie polityki pieniężnej.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.