Filtry
wszystkich: 71
Najlepsze wyniki w katalogu: Potencjał Badawczy Pokaż wszystkie wyniki (61)
Wyniki wyszukiwania dla: SZTUCZNA SIEĆ NEURONOWA
-
Zespół Systemów Multimedialnych
Potencjał Badawczy* 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
Potencjał BadawczyW 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
Potencjał Badawczy* technologie archiwizacji, rekonstrukcji i dostępu do nagrań archiwalnych * technologie inteligentnego monitoringu wizyjnego i akustycznego * multimedialne technologie telemedyczne * multimodalne interfejsy komputerowe
Najlepsze wyniki w katalogu: Oferta Biznesowa Pokaż wszystkie wyniki (10)
Wyniki wyszukiwania dla: SZTUCZNA SIEĆ NEURONOWA
-
Laboratorium Badawcze 2-3
Oferta BiznesowaObliczenia komputerowe wymagające dużych mocy obliczeniowych z wykorzystaniem oprogramowania typu: Matlab, Tomlab, Gams, Apros.
-
Laboratorium Automatyki Napędu Elektrycznego
Oferta BiznesowaProgramowalne układy napędowe zasilane przekształtnikowo ze sterowaniem mikroprocesorowym
-
Laboratorium Maszyn i Systemów Okrętowych
Oferta BiznesowaBadania procesów i zjawisk w czasie realizacji obiegu roboczego w silniku z zapłonem samoczynnym dla potrzeb diagnostyki maszyn tłokowych.
Pozostałe wyniki Pokaż wszystkie wyniki (483)
Wyniki wyszukiwania dla: SZTUCZNA SIEĆ NEURONOWA
-
Nowa, metrologicznie zorientowana sieć neuronowa i metoda diagnostyki obiektów technicznych
PublikacjaW 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
PublikacjaW 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
PublikacjaW 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.
OsobyDr hab. inż. Piotr Szczuko w 2002 roku ukończył studia na Wydziale Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej zdobywając tytuł magistra inżyniera. Tematem pracy dyplomowej było badanie zjawisk jednoczesnej percepcji obrazu cyfrowego i dźwięku dookólnego. W roku 2008 obronił rozprawę doktorską zatytułowaną "Zastosowanie reguł rozmytych w komputerowej animacji postaci", za którą otrzymał nagrodę Prezesa Rady...
-
Evaluation of the separation algorithm performance employing ANNs
PublikacjaCelem 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.