Wyniki wyszukiwania - Biblioteka Nauki

1

Developing solution for using artificial intelligence to obtain more accurate results of the basic parameters of radio signalpropagation

100%

Shchepak A. , Parkhomenko V. , Parkhomenko V.

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2021

|

tom T. 11, nr 1

36--39

EN

The article considers the methods of calculating radio signal power. The main factors influencing the distribution and their connection with the error in the calculations of the indicators' peak values are analyzed. The regularities of signal propagation and the correlation between the distance from the radio signal source and the ratio of noise to useful information are determined. These patterns allow us to develop a model of artificial intelligence, which improves the prediction of results compared to existing calculation methods. The obtained results present the efficiency of the offered method.

PL

Rozważono metody obliczania mocy sygnału radiowego. Przeanalizowano wpływ głównych czynników na rozkład i ich związek z błędem w obliczeniach wartości szczytowych wskaźników. Wyznaczono zależności na propagację sygnału i korelację między odległością od źródła sygnału radiowego a stosunkiem szumu do informacji użytecznej. Zależności te pozwalają na opracowanie modelu sztucznej inteligencji, który poprawia predykcję wyników w porównaniu z dotychczasowymi metodami obliczeń. Uzyskane wyniki pozwalają wnioskować o skuteczności oferowanej metody.

2

Cellular neural network-based object recognition with deformable grids

100%

Korbel P. , Slot K.

Machine Graphics and Vision

|

2006

|

tom Vol. 15, No. 3/4

461-469

EN

The following paper presents an idea for a parallel implementation of the deformable grid paradigm within the framework of Cellular Neural Networks. Parallel processing may alleviate the problem of high complexity of deformable template matching and significantly speed up object recognition tasks. The paper presents details of a CNN-based implementation of the basic element of the deformable grid-based image processing, which is image-grid matching. Estimated execution speed of the CNN-based method and recognition rates achieved in the experiments make the method an attractive framework for applications such as high-speed coarse object classification.

3

Cellular neural networkbase algorithm for assignment problem

100%

Bilal J. , Kacprzak T.

|

tom T. 16, z. 4

295-309

EN

This paper presents a Cellular Neural Network (CNN) to solve the assignment problem of which the objective is to minimize the total cost of the assignment task. The Lyapunov function is considered as the function to be optimized via coefficients tuning to improve the solution and meet the constrains. The new method poses an additional exploitation of the CNN in this area of applications, which involve the concept of combinatorial optimization and intelligent decision in real time computation. The proposed algorithm has been evaluated through computer simulation for different sized to estimate the extension of the efficiency and capability to tackle this problem. This algorithm is applicable to industrial fields and can be integrated in some sort of intelligent unit for computation.

PL

W automatycznie wysegmentowany na obrazie dna W artykule przedstawiono wykorzystanie sieci neuronowej komórkowej (CNN) do rozwiązania problemu kombinatorycznego przydziału zadań I ich wykonawców przy minimalizacji całkowitego kosztu realizacji tych zadań. Problem minimalizacji z ograniczeniami przedstawiono w postaci funkcji Lapunowa sieci CNN o odpowiednio dobranych współczynnikach szablonu. Metoda pokazuje korzyści z zastosowania sieci CNN, do których należą jednoznaczność rozwiązania i bardzo krótki czas, pozwalający na wykonanie dużych zadań przydziału na bieżąco (w tzw. czasie rzeczywistym). Skuteczność algorytmu została zweryfikowana poprzez symulacje komputerowe wykonane dla problemów o różnych wymiarach. Nowy algorytm w postaci inteligentnego układu scalonego może być wykorzystany do optymalizacji procesów produkcji oraz zarządzania na bieżąco dużymi systemami.

4

Stability analysis of nonlinear cellular neural networks with hysteresis in the output dynamics

88%

Slavova A.

|

tom Vol. 3, no 2

305-322

EN

In this work, hysteresis of cellular neural network is investigated. The general state equation with linear and nonlinear templates is introduced. Moreover, the output equation is own dynamics where the nonlinearity in the feedback is allowed to exibit hysteresis. Stability analysis of this cellular neural network is made. New approach for studying such dynamical systems is introduced using Lyapunov's majorizing equations.

5

Zastosowanie sieci komórkowych do tworzenia semantycznych map otoczenia robota mobilnego

75%

Undak M. , Siemiątkowska B.

|

2010

|

tom R. 14, nr 2

305-313

PL

W pracy przedstawiono wyniki badania powierzchni, po której przemieszcza się robot mobilny. Dane uzyskiwane są ze skanera laserowego 3D, zmieniany jest sposób reprezentacji - z biegunowej na kartezjańską. W kolejnym kroku dane 3D są zamieniane na kolorowy obraz 2D, który jest następnie poddawany procesom segmentacji i analizy. Klasyfikacja danych pomiarowych 3D jest przeprowadzana na podstawie wyników analizy obrazów i informacji metrycznej. Wyodrębniono następujące rodzaje powierzchni w pomieszczeniach zamkniętych: podłoga, schody, podesty, progi oraz powierzchnie typu trawa i chodnik, które znajdują się na zewnątrz budynków. Testy przeprowadzono w rzeczywistym środowisku przy pomocy robota Elektron z zamontowanym dalmierzem laserowym 3D.

EN

The paper presents the results of 3D data classification. The data obtained from 3D laser are transformed from the polar to the Cartesian coordinate system. The data is represented as a colored image. Then the image is analyzed. The classification of 3D data is performed based on the result of image segmentation and metric information. The experiments were performed in indoor and outdoor environments. The following objects were classified successfully: floor, stairs, grass, sideway.

6

Kodowanie i synteza tekstur z użyciem sieci neuronowych komórkowych przy wykorzystaniu dekompozycji Wolda

75%

Dębiec P. , Kornatowski Ł. , Ślot K.

|

2005

|

tom Vol. 51, z. 1

9--35

PL

W artykule przedstawiono propozycję wykorzystania sieci neuronowych komórkowych (SNK) do celów kodowania i rekonstrukcji obszarów tekstur jednorodnych, występujących w obrazach rzeczywistych. W proponowanym rozwiązaniu obraz tekstury podlega dekompozycji na trzy składowe - harmoniczną, kierunkową i stochastyczną - z użyciem zoptymalizowanego pod względem czasowym algorytmu, wykorzystującego znane twierdzenie Wolda, a następnie każda ze składowych podlega odrębnemu procesowi kodowania. Model SNK, o analogowym sposobie przetwarzania, został użyty do wydajnej kompresji i szybkiej rekonstrukcji części stochastycznej obrazu. W pracy przedstawiono architekturę SNK, twierdzenie Wolda, proponowany algorytm dekompozycji i kodowania tekstury oraz wyniki przeprowadzonych symulacji komputerowych. Dla szerokiej klasy tekstur osiągnięto lepszą jakość obrazów niż przy użyciu algorytmu JPEG. Poza tym, możliwość fizycznej realizacji SNK w postaci układu scalonego VLSI, pozwala na zastosowanie proponowanego algorytmu do rekonstrukcji obrazu w czasie rzeczywistym

EN

A method for texture coding using cellular neural networks (CNNs) has been proposed in the paper. The main idea of the method is to decompose homogenous texture image into three components: harmonic, evanescent and stochastic, based on the well-known Wold's theorem. The former two components are then coded in DFT domain, while the last one is modeled using appropriately derived CNN. Texture decomposition is carried out in DFT domain. The first part of the algorithm is extraction of harmonic component, which is represented by dominant magnitude spectrum fringes (either isolated or grouped in clusters). Next, the evanescent component, which is represented by continuous ridges of fringes, is extracted from the result of the first step of the algorithm, using the Hough transform. The residual DFT fringes are considered to constitute stochastic component of texture spectrum. In order to obtain high compression rates, each of the three components is being modeled separately. Coding of extracted harmonic and evanescent components is performed in DFT domain. The stochastic component of a texture is being coded through CNN parameters. The proposed idea of stochastic part coding is to derive appropriate CNN template that transforms 2-D white noise signal into desired stochastic component. This operation is being done in spatial domain. Cloning template elements for several textures have been determined. For the purpose of modeling of CNN physical implementation inaccuracies, all template elements are quantized using 256 levels. In order to evaluate the proposed texture coding idea, several computer simulations have been performed using a representative set of natural textures. It has been found that for images of size exceeding 32 by 32 pixels, the quality of resulting images was better than the quality of images encoded with JPEG algorithm for the comparable compression ratios (JPEG-2OOO algorithm has not been considered). The potential application of the presented idea is perceived in computer graphics applications for high-speed generation of stochastic component of the image, in such fields as multimedia libraries, DVD or Video on Demand technologies.

7

Photonic systems for local image processing

63%

Buczyński R. , Viet K. B. , Szoplik T. , Veretennicoff I. , Thienpont H.

|

tom Vol. 9, No. 3

215-228

EN

Local image processing is about performing a basic group of simple arthmetic and logic operations an a limited neighbourhood of very pixel in 2 D-represented data. The parallel architecture of optoelectronic processors makes these machines especially well suited to perform such local operations. In this paper we present some possible architectures of such processors and a proof-of-principle demonstrator based on present-day technology. We discuss applications and highlight limitations.

8

Analiza i projektowanie sieci neuronowych komórkowych realizowanych w technice układowej wzmacniaczy transkonduktacyjnych jedno- i wielowejściowych

63%

Kowalski J. , Kacprzak T.

|

2001

|

tom Vol. 47, z. 1

87-119

PL

W artykule przedstawiono analizę i metody projektowania Sieci Neuronowych Komórkowych (SNK) realizowanych z zastosowaniem wzmaczniaczy transkonduktacyjnych jednowejściowych OTA i wzmacniaczy transkonduktacyjnych wielowejściowych MIOTA. Analizę przeprowadzono wykorzystując model tranzystora MOS Shichmana-Hodgesa oraz model alpha-power. Wyjaśniono sposób projektowania na przykładach SNK detektora elementów spójnych i sieci usuwającej szum z obrazu binarnego. Rezultaty projektowania potwierdzono symulacjami komputerowymi programem SPICE z wykorzystaniem parametrów modelu tranzystora MOS w technologii MIETEC 2.4 [mi]m. Metody, które użyto do zaprojektowania i wykonania kilku prototypowych układów SNK o niewielkiej liczbie komórek, mogą być również zastosowane do projektowania dużych układów scalonych.

EN

In this article an analysis and methods of the design of Cellular Neural Networks based on transconductance amplifier OTA and multiple input transconductance amplifier MIOTA are presented. A detailed analitical analysis is made using Shichman-Hodges and alpha-power MOS transistor models. The design procedure is explained for a connected component detector and a noise removal examples. The results are checked by SPICE simulations using CMOS MIETEC 2.4 [mi]m technology parameters. The described methodology has been applied for manufacturing a prototype Cellular Neural Network chips with small number of cells and can be used for large VLSI systems.

9

New VLSI CMOS analogue median filter for real-time video applications

63%

Kowalski J. , Kacprzak T. , Ślot K.

|

2004

|

tom Vol. 50, z. 2

209-230

EN

Noise corruption is a problem common to many imaging applications, degrading picture quality and reducing the effectiveness of its utilisation. A new CMOS VLSI chip, which is designed to realise real-time median filtering of video images, is presented. The concept is based on Cellular Neural Network paradigm, which enables parallel analogue operation. Images, which are subject to processing, are loaded and produced after filtering in a serial manner through video signal. The circuit has been manufactured using MIETEC 2.4 um CMOS technology and allows for processing of images with 64 pixels horizontal resolution. The resolution can be increased by cascading of several integrated circuits. Experimental verification using computer generated grey-level images has proved the validity of the concept.

PL

W artykule przedstawiono układ scalony CMOS VLSI analogowego filtru medianowego o architekturze sieci neuronowej komórkowej (SNK) do zadań przetwarzania obrazu w czasie rzeczywistym. Układ ten został zrealizowany w technologii CMOS MIETEC 2.4 um i jest zdolny przetwarzać obraz z rozdzielczością 64 pikseli na linię obrazu. Aby zwielokrotnić rozdzielczość przetwarzanego obrazu można wykorzystać jednocześnie kilka układów scalonych, łącząc je z wykorzystaniem specjalnych wyprowadzeń. Dodaktową funkcją układu scalonego jest możliwość pracy jako filtru uśredniającego obrazu. W pracy przedstawiono podstawy teoretyczne filtrów medianowych o architekturze SNK, opis implementacji CMOS wszystkich bloków funkcjonalnych układu scalonego filtru medianowego oraz jego architekturę. Zamieszczono wyniki symulacji i pomiarów podstawowych bloków CMOS filtru. Posługując się specjalnie wykonaną do tego celu kartą do komputera PC wykonano badania funkcjonalne filtru medianowego dla przykładowych obrazów zakłóconych szumem impulsowym typu "sól i pieprz". Przedstawiono oscylogramy filtrowanych sygnałów oraz obrazy będące wynikiem pracy układu scalonego filtru medianowego. Zamieszczono tabele, które przedstawiają podstawowe parametry układu oraz porównanie do istniejących już implementacji cyfrowych układów medianowych.

10

Cellular Neural Network implementation based on continuously programmable gain CMOS current amplifier

63%

Kacprzak T. , Kowalski J.

|

2000

|

tom Vol. 46, nr 3

321-337

PL

W artykule przedstawiono koncepcję obwodową i realizację w technologii CMOS VLSI sieci neuronowych komórkowych, opartą na wykorzystaniu wzmacniaczy prądowych o zmiennym wzmocnieniu. Wzmacniacz prądowy jest głównym blokiem komórki i składa się ze zwierciadeł prądowych NMOS i PMOS, których współczynniki odbicia zależą od rozmiarów tranzystorów wejściowych i wyjściowych oraz są sterowane zewnętrznym napięciem, przy uzyskaniu liniowej zależności prądowej zwierciadeł. W artykule przedstawiono przykład implementacji wzmacniacza w technologii CMOS MIETEC 2.4 žm. Przedstawiono również wyniki symulacji komputerowej SPICE prostej sieci niestacjonarnej zastosowanej do optymalizacji globalnej w czasie rzeczywistym funkcji celu o dwóch zmiennych. Proponowane rozwiązanie może być wykorzystane do projektowania i wykonania w postaci układu scalonego sieci neuronowych komórkowych o znacznie większych rozmiarach, w szczególności do zastosowań w przetwarzaniu sygnałów i obrazów w czasie rzeczywistym.

EN

A new architecture of current - mode Cellular Neural Networl (CNN) based on application of novel concept of CMOS current amplifier with continuously programmable gain is presented. The amplifier constitutes a main block of the cell and is composed of NMOS and PMOS current mirrors of which mirrored factors depend on the size of input and output transistors and are controlled by means of one external voltage while the output current depends linearly on the input current. In the paper an example of current amplifier implemented in CMOS MIETEC 2.4 žm n-well technology was manufactured and tested. The new CNN architecture designated for optimization task using time - varying cells was simulated using SPICE software. The proposed approach enables designing and building powerfull high speed programmable analog Cellular Neural Networks for real - time signal and image processing using standard CMOS technologies.

11

Analiza i projektowanie sieci neuronowych komórkowych realizowanych w technice układów pracujących w trybie prądowym

63%

Kowalski J.

|

2003

|

tom Vol. 49, z. 3

317-353

PL

W artykule przedstawiono analizę i propozycję metody projektowania Sieci Neuronowych Komórkowych (SNK) realizowanych z zastosowaniem układów CMOS pracujących w trybie prądowym. Analizę przeprowadzono wykorzystując model tranzystora MOS Shichmana - Hodgesa oraz model Sakurai'a - Newtona. Wyjaśniono sposób projektowania na przykładach SNK detektora elementów spójnych. Rezultaty projektowania potwierdzono symulacjami komputerowymi programem SPICE z wykorzystaniem parametrów modelu tranzystora MOS technologii MIETEC 2.4 um oraz technologii CMOS 0.25 um. Przedstawiono model układowy komórki SNK "full range" oraz wyniki jego symulacji i pomiarów. Ponadto zaproponowano zmodyfikowany model układowy komórki SNK "full range", którego zaletą jest dużo lepsza liniowość.

EN

In this article an analysis and designing method proposal of Cellular Neural Networks (CNN) based on current - mode CMOS circuits are presented. A detailed analytical analysis is made using Shichman - Hodges and Sakurai - Newton MOS transistor model. A designing way is explained for a connected component detector CNN example. Designing results are checked by SPICE simulations using CMOS MIETEC 2.4 um and CMOS 0.25 um technology parameters. CMOS CNN full range cell model, its simulations and measurements results have been presented. The current - mode "full-range" concept of the cell circuit allows for minimize number of MOS transistors and allows for application of switched templates in time sequence. However, strong nonlinearities of the time constant of an integrator stage in CMOS full range CNN cell realization exclude this circuit from CNN application where the result processing depends on the precision of signal waveforms during the state evolution in time. Investigations directed to overcome this problem have resulted in modifield version of current - mode CNN "full range" cell. The main idea of the time constant nonlinearity reduction results from increasing the bias current of the integrator stage, which is now greater then the maximal level of state variable. A comparison of the computer simulation of the CNN system operation using two models of cell is presented. The conclusion is that modifield full range CNN cell model is much more linear, therefore this concept is better suited for requirements of the CNN for image object area estimation.

12

Optymalizacja statystycznych systemów uczących się

44%

Jankowski S.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2012

|

tom z. 183

3--107

PL

Dysertacja prezentuje wyniki badań w dziedzinie statystycznych systemów uczących się. W części l zostały opisane nowe, oryginalne idee rozszerzające zdolności przetwarzania informacji za pomocą wielkich nieliniowych układów dynamicznych. Opracowano uogólnienie pamięci asocjacyjnej Hopfielda w dziedzinie liczb zespolonych - system ma zdolność odtwarzania wzorców o stanach wielowartościowych reprezentujących odcienie szarości lub kolory dzięki zastosowaniu funkcji signum zespolone jako funkcji przetwarzania neuronów do kodowania fazowego wektorów wielowartościowych. Opisano nowy model zespolonej pamięci asocjacyjnej, która jest w stanie rozpoznawać obrazy inwariantnie względem przesunięcia. Wykazano, że pamięci asocjacyjne zbudowane z układów dynamicznych wyższego rzędu: oscylatorów drgań okresowych i oscylatorów drgań chaotycznych są zdolne do segmentacji (dekorelacji) wzorców złożonych. Przedstawiono implementacje programowalnych komórkowych sieci neuronowych do ultraszybkiego przetwarzania obrazów w postaci scalonego układu elektronicznego oraz implementację optoelektroniczną z wykorzystaniem tyrystorów optycznych. Część 2 rozprawy jest poświęcona prezentacji statystycznej teorii uczenia wybranych systemów statycznych przeznaczonych do uczenia nadzorowanego w zadaniach klasyfikacji i regresji: perceptron wielowarstwowy, maszyna wektorów nośnych, średniokwadratowa maszyna wektorów nośnych, maszyna wektorów istotnych. Opisano metody optymalizacji systemów na podstawie statystyki wpływu - wirtualnej skrajnej oceny krzyżowej. Przedstawiono wyniki zastosowania statystycznych systemów uczących się do badania struktury defektowej materiałów wysokorezystywnych i półizolujących. Zrealizowano koncepcję klasyfikacji transdukcyjnej - uczenia częściowo nadzorowanego do wspomagania diagnozy kardiologicznej.

EN

The dissertation presents the summary of research in the area of statistical learning systems. Part l is devoted to new, original ideas that enable extension of the ability of information processing by using large nonlinear dynamical systems. Generalization of the Hopfield associative memory in the complex number domain is able to retrieve multivalued patterns representing the gray-scaled and/ or colored images due to the application of complex signum neuron activation function to phasecoding of multivalued vectors. A new model of complex associative memory for shift invariant pattern recognition is presented. It was shown that associative memories composed of periodic and chaotic oscillating neurons are able to perform segmentation (decorrelation) of the composition of patterns. The implementations of programmable cellular neural networks for high speed image processing were presented in two forms: as an integrated electronic circuit and as an optoelectronic system based on optical thyristors. Part 2 presents the studies of statistical learning theory of selected static systems designed for supervised learning of classification and regression tasks: multilayer perceptron, support vector machine, least-square support vector machine, relevance vector machine. The optimization of these systems based on influential statistics - the virtual leave-one-out - was described. The original results of applications of statistical learning systems for analysis of defect structures of high resistive and semi-insulating materials were described. The idea of transductive classification – semisupervised learning system to computer-aided cardiologic diagnosis - was performed.