Rok 2019

• Classification of objects in the LIDAR point clouds using Deep Neural Networks based on the PointNet model

  Publikacja

  • Z. Kowalczuk
  • K. Szymański

  - IFAC-PapersOnLine - Rok 2019

  This work attempts to meet the challenges associated with the classification of LIDAR point clouds by means of deep learning. In addition to achieving high accuracy, the designed system should allow the classification of point clouds covering an area of several dozen square kilometers within a reasonable time interval. Therefore, it must be characterized by fast processing and efficient use of memory. Thus, the most popular approaches...

  Pełny tekst do pobrania w portalu

Rok 2018

• The Use of an Autoencoder in the Problem of Shepherding

  Publikacja

  • Z. Kowalczuk
  • W. Jędruch
  • K. Szymański

  - Rok 2018

  This paper refers to the problem of shepherding clusters of passive agents consisting of a large number of objects by a team of active agents. The problem of shepherding and the difficulties that arise with the increasing number of data describing the location of agents have been described. Several methods for reducing the dimensionality of data are presented. Selected autoencoding method using a Restricted Boltzmann Machine is...

  Pełny tekst do pobrania w portalu

Rok 2017

• Uczenie poprzez auto-kodowanie w celu redukcji wymiarowości obrazu w zadaniach zaganiania

  Publikacja

  • K. Szymański
  • W. Jędruch
  • Z. Kowalczuk

  - Rok 2017

  Praca dotyczy redukcji wymiarowości w problemie zaganiania (spychania) gromady złożonej z dużej liczby dynamicznych obiektów (ludzi, zwierząt, cząstek chemicznych, itp.) przez zespół aktywnych agentów. Proces zaganiania powinien spełniać określone kryteria, a algorytmy działania agentów uzyskiwane są na drodze uczenia. Przy dużej liczbie obiektów w gromadzie powstaje potrzeba redukcji wymiarowości poprzez ekstrakcję cech reprezentujących...

  Pełny tekst do pobrania w serwisie zewnętrznym