Search
Filters
total: 71
Best results in : Research Potential Pokaż wszystkie wyniki (61)
Search results for: SZTUCZNA SIEĆ NEURONOWA
-
Zespół Systemów Multimedialnych
Research Potential* technologie archiwizacji, rekonstrukcji i dostępu do nagrań archiwalnych * technologie inteligentnego monitoringu wizyjnego i akustycznego * multimedialne technologie telemedyczne * multimodalne interfejsy komputerowe
-
Katedra Elektrotechniki, Systemów Sterowania i Informatyki
Research PotentialW Katedrze Elektrotechniki, Systemów Sterowania i Informatyki prowadzone są badania w tematyce podstaw elektrotechniki, zaawansowanych systemów sterowania, prototypowania dedykowanych rozwiązań sprzętowych w FPGA. Prowadzone badania skupiają się również na wykorzystaniu zaawansowanych technik analizy komputerowej w systemach sterowania oraz elektrotechniki.
-
Zespół Systemów Multimedialnych
Research Potential* technologie archiwizacji, rekonstrukcji i dostępu do nagrań archiwalnych * technologie inteligentnego monitoringu wizyjnego i akustycznego * multimedialne technologie telemedyczne * multimodalne interfejsy komputerowe
Best results in : Business Offer Pokaż wszystkie wyniki (10)
Search results for: SZTUCZNA SIEĆ NEURONOWA
-
Laboratorium Badawcze 2-3
Business OfferObliczenia komputerowe wymagające dużych mocy obliczeniowych z wykorzystaniem oprogramowania typu: Matlab, Tomlab, Gams, Apros.
-
Laboratorium Automatyki Napędu Elektrycznego
Business OfferProgramowalne układy napędowe zasilane przekształtnikowo ze sterowaniem mikroprocesorowym
-
Laboratorium Maszyn i Systemów Okrętowych
Business OfferBadania procesów i zjawisk w czasie realizacji obiegu roboczego w silniku z zapłonem samoczynnym dla potrzeb diagnostyki maszyn tłokowych.
Other results Pokaż wszystkie wyniki (483)
Search results for: SZTUCZNA SIEĆ NEURONOWA
-
Nowa, metrologicznie zorientowana sieć neuronowa i metoda diagnostyki obiektów technicznych
PublicationW artykule przedstawiono nową, metrologicznie ukierunkowaną sieć neuronową oraz bazującą na niej metodę diagnostyki uszkodzeń parametrycznych układów analogowych, z klasyfikcją neuronową, o zwiększonej odporności na tolerancje elementów układu i niepewności pomiaru. Zaproponowano sieć neuronową z Dwu-centrowymi Radialnymi Funkcjami Bazowymi (DRFB), której walorem jest lepsze odwzorowanie słownika uszkodzeń, poprawa dokładności...
-
Sieć neuronowa z dwucentrowymi radialnymi funkcjami bazowymi do klasyfikacji uszkodzeń parametrycznych
PublicationW niniejszej pracy zaproponowano nową architekturę sieci neuronowej wykorzystującej dwucentrowe radialne funkcje bazowe w warstwie ukrytej (funkcje DRB). Kształt funkcji DRB opracowany został pod kątem klasyfikacji pojedynczych uszkodzeń parametrycznych układów elektronicznych analogowych. Zastosowanie funkcji DRB pozwala na kilkukrotne zmniejszenie liczby neuronów w warstwie ukrytej w porównaniu do sieci neuronowej z radialnymi...
-
Two-center radial basis function network for classification of soft faults in electronic analog circuits
PublicationW pracy zaproponowano specjalizowaną sieć neuronową z dwucentrowymi radialnymi funkcjami bazowymi (TCRB) neuronów w warstwie ukrytej,przeznaczoną do diagnostyki uszkodzeń parametrycznych układów analogowych. Zastosowanie funkcji TCRB pozwala na znaczne zmniejszenie liczby neuronów w warstwie ukrytej, lepsze dopasowanie do słownika uszkodzeń oraz poprawę dokładności klasyfikacji, w porównaniu z dotychczas stosowaną siecią z jednocentrowymi...
-
Piotr Szczuko dr hab. inż.
PeoplePiotr Szczuko received his M.Sc. degree in 2002. His thesis was dedicated to examination of correlation phenomena between perception of sound and vision for surround sound and digital image. He finished Ph.D. studies in 2007 and one year later completed a dissertation "Application of Fuzzy Rules in Computer Character Animation" that received award of Prime Minister of Poland. His interests include: processing of audio and video, computer...
-
Evaluation of the separation algorithm performance employing ANNs
PublicationCelem niniejszego rozdziału jest przedstawienie metodyki separacji dźwięków muzycznych bez informacji a priori o dźwiękach zawartych w muzycznym miksie. W pracy pokazano, że prawidłowo wytrenowana sztuczna sieć neuronowa (SNN)jest w stanie w sposób automatyczny poprawnie sklasyfikować dźwięki zawarte w zmiksowanym sygnale. Skuteczność klasyfikacji SNN jest porównywalna z oceną subiektywną ekspertów.