Filtry
wszystkich: 2574
-
Katalog
- Publikacje 2097 wyników po odfiltrowaniu
- Czasopisma 57 wyników po odfiltrowaniu
- Konferencje 40 wyników po odfiltrowaniu
- Wydawnictwa 1 wyników po odfiltrowaniu
- Osoby 67 wyników po odfiltrowaniu
- Projekty 5 wyników po odfiltrowaniu
- Kursy Online 15 wyników po odfiltrowaniu
- Wydarzenia 3 wyników po odfiltrowaniu
- Dane Badawcze 289 wyników po odfiltrowaniu
wyświetlamy 1000 najlepszych wyników Pomoc
Wyniki wyszukiwania dla: RESIDUAL NEURAL NETWORK
-
Performance analysis of an rfid-based 3d indoor positioning system combining scene analysis and neural network methods
PublikacjaThe main purpose of this research is to improve localization accuracy of an active Radio Frequency Identification, RFID tag, in 3D indoor space. The paper presents a new RFID based 3D Indoor Positioning System which shows performance improvement. The proposed positioning system combines two methods: the Scene Analysis technique and Artificial Neural Network. The results of both simulation using Log-Distance Path Loss Model and...
-
Cost-Efficient Multi-Objective Design of Miniaturized Microwave Circuits Using Machine Learning and Artificial Neural Network
PublikacjaDesigning microwave components involves managing multiple objectives such as center frequencies, impedance matching, and size reduction for miniaturized structures. Traditional multi-objective optimization (MO) approaches heavily rely on computationally expensive population-based methods, especially when exe-cuted with full-wave electromagnetic (EM) analysis to guarantee reliability. This paper introduces a novel and cost-effective...
-
Optimal selection of input features and an acompanying neural network structure for the classification purposes - skin lesions case study
PublikacjaMalignant melanomas are the most deadly type of skin cancers however detected early enough give a high chances for successful treatment. The last years saw the dynamic growth of interest of automatic computer-aided skin cancer diagnosis. Every month brings new research results on new approaches to this problem, new methods of preprocessing, new classifiers, new ideas to follow etc. In particular, the rapid development of dermatoscopy,...
-
Mathematical modeling and prediction of pit to crack transition under cyclic thermal load using artificial neural network
PublikacjaThe formation of pitting is a major problem in most metals, which is caused by extremely localized corrosion that creates small holes in metal and subsequently, it changes into cracks under mechanical load, thermo-mechanical stress, and corrosion process factors. This research aims to study pit to crack transition phenomenon of steel boiler heat tubes under cyclic thermal load, and mathematical modeling...
-
Optimal Selection of Input Features and an Acompanying Neural Network Structure for the Classification Purposes - Skin Lesions Case Study
Publikacja -
Longitudinal drug synergy assessment using convolutional neural network image-decoding of glioblastoma single-spheroid cultures
PublikacjaAbstract Background In recent years, drug combinations have become increasingly popular to improve therapeutic outcomes in various diseases, including difficult to cure cancers such as the brain cancer glioblastoma. Assessing the interaction between drugs over time is critical for predicting drug combination effectiveness and minimizing the risk of therapy resistance. However, as viability readouts of drug combination experiments...
-
Prediction of metal deformation due to line heating; an alternative method of mechanical bending, based on artificial neural network approach
PublikacjaLine heating is one of the alternative methods of forming metals and this kind of forming uses the heating torch as a source of heat input. During the process, many parameters are considered like the size of the substrate, thickness, cooling method, source power intensity, the travel speed of the power source, the sequence of heating, and so on. It is important to analyze the factors affecting the...
-
A review on application of artificial neural network (ANN) for performance and emission characteristics of diesel engine fueled with biodiesel-based fuels
PublikacjaBiodiesel has been emerging as a potential and promising biofuel for the strategy of reducing toxic emissions and improving engine performance. Computational methods aiming to offer numerical solutions were inevitable as a study methodology which was sometimes considered the only practical method. Artificial neural networks (ANN) were data-processing systems, which were used to tackle many issues in engineering and science, especially...
-
A new analyzer based on pellistor sensor with neural network data postprocessing for measurement of hydrocarbons in lower explosive limit range
PublikacjaW pracy przedstawiono rezultaty pierwszego etapu badań nad nowym typem analizatora do oznaczania stężenia wodoru i lotnych węglowodorów w zakresie dolnej granicy wybuchowości. Analizator ten zbudowano w oparciu o pojedynczy czujnik pelistorowy z układem przetwarzania danych wykorzystującym sztuczną sieć neuronową.
-
Recurrent Neural Network Based Adaptive Variable-Order Fractional PID Controller for Small Modular Reactor Thermal Power Control
PublikacjaThis paper presents the synthesis of an adaptive PID type controller in which the variable-order fractional operators are used. Due to the implementation difficulties of fractional order operators, both with a fixed and variable order, on digital control platforms caused by the requirement of infinite memory resources, the fractional operators that are part of the discussed controller were approximated by recurrent neural networks...
-
Energy Management for PV Powered Hybrid Storage System in Electric Vehicles Using Artificial Neural Network and Aquila Optimizer Algorithm
PublikacjaIn an electric vehicle (EV), using more than one energy source often provides a safe ride without concerns about range. EVs are powered by photovoltaic (PV), battery, and ultracapacitor (UC) systems. The overall results of this arrangement are an increase in travel distance; a reduction in battery size; improved reaction, especially under overload; and an extension of battery life. Improved results allow the energy to be used efficiently,...
-
Application of Generalized Regression Neural Network and Gaussian Process Regression for Modelling Hybrid Micro-Electric Discharge Machining: A Comparative Study
Publikacja -
Prediction of skin color, tanning and freckling from DNA in Polish population: linear regression, random forest and neural network approaches
Publikacja -
Artificial neural network model of hardness, porosity and cavitation erosion wear of APS deposited Al2O3 -13 wt% TiO2 coatings
Publikacja -
Artificial Neural Network based fatigue life assessment of riveted joints in AA2024 aluminum alloy plates and optimization of riveted joints parameters
PublikacjaThe objective of this paper is to provide the fatigue life of riveted joints in AA2024 aluminum alloy plates and optimization of riveted joints parameters. At first, the fatigue life of the riveted joints in AA2024 aluminum alloy plates is obtained by experimental tests. Then, an artificial neural network is applied to estimate the fatigue life of riveted lap joints based on the number of lateral and longitudinal holes, punch pressure,...
-
Application of PSO-artificial neural network and response surface methodology for removal of methylene blue using silver nanoparticles from water samples
Publikacja -
Using Deep Neural Network Methods for Forecasting Energy Productivity Based on Comparison of Simulation and DNN Results for Central Poland—Swietokrzyskie Voivodeship
Publikacja -
Using Deep Neural Network Methods for Forecasting Energy Productivity Based on Comparison of Simulation and DNN Results for Central Poland – Swietokrzyskie Voivodeship
Publikacja -
Particle swarm optimization–artificial neural network modeling and optimization of leachable zinc from flour samples by miniaturized homogenous liquid–liquid microextraction
Publikacja -
Artificial neural network based fatigue life assessment of friction stir welding AA2024-T351 aluminum alloy and multi-objective optimization of welding parameters
PublikacjaIn this paper, the fracture behavior and fatigue crack growth rate of the 2024-T351 aluminum alloy has been investigated. At first, the 2024-T351 aluminum alloys have been welded using friction stir welding procedure and the fracture toughness and fatigue crack growth rate of the CT specimens have been studied experimentally based on ASTM standards. After that, in order to predict fatigue crack growth rate and fracture toughness,...
-
Zastosowanie algorytmu ewolucyjnego do uczenia neuronowego regulatora napięcia generatora synchronicznego. Evolutionary algorithm for training a neural network of synchronous generator voltage controller
PublikacjaNajpopularniejsza metoda uczenia wielowarstwowych sieci neuronowych -metoda wstecznej propagacji błędu - charakteryzuje się słabą efektywnością. Z tego względu podejmowane są próby stosowania innych metod do uczenia sieci. W pracy przedstawiono wyniki uczenia sieci realizującej regulator neuronowy, za pomocą algorytmu ewolucyjnego. Obliczenia symulacyjne potwierdziły dobrą zbieżność algorytmu ewolucyjnego w tym zastosowaniu.
-
Productivity Enhancement by Prediction of Liquid Steel Breakout during Continuous Casting Process in Manufacturing of Steel Slabs in Steel Plant Using Artificial Neural Network with Backpropagation Algorithms
Publikacja -
Clothes Detection and Classification Using Convolutional Neural Networks
PublikacjaIn this paper we describe development of a computer vision system for accurate detection and classification of clothes for e-commerce images. We present a set of experiments on well established architectures of convolutional neural networks, including Residual networks, SqueezeNet and Single Shot MultiBox Detector (SSD). The clothes detection network was trained and tested on DeepFashion dataset, which contains box annotations...
-
Driver’s Condition Detection System Using Multimodal Imaging and Machine Learning Algorithms
PublikacjaTo this day, driver fatigue remains one of the most significant causes of road accidents. In this paper, a novel way of detecting and monitoring a driver’s physical state has been proposed. The goal of the system was to make use of multimodal imaging from RGB and thermal cameras working simultaneously to monitor the driver’s current condition. A custom dataset was created consisting of thermal and RGB video samples. Acquired data...
-
BP-EVD: Forward Block-Output Propagation for Efficient Video Denoising
PublikacjaDenoising videos in real-time is critical in many applications, including robotics and medicine, where varying light conditions, miniaturized sensors, and optics can substantially compromise image quality. This work proposes the first video denoising method based on a deep neural network that achieves state-of-the-art performance on dynamic scenes while running in real-time on VGA video resolution with no frame latency. The backbone...
-
Satellite Image Classification Using a Hierarchical Ensemble Learning and Correlation Coefficient-Based Gravitational Search Algorithm
PublikacjaSatellite image classification is widely used in various real-time applications, such as the military, geospatial surveys, surveillance and environmental monitoring. Therefore, the effective classification of satellite images is required to improve classification accuracy. In this paper, the combination of Hierarchical Framework and Ensemble Learning (HFEL) and optimal feature selection is proposed for the precise identification...
-
Residual MobileNets
PublikacjaAs modern convolutional neural networks become increasingly deeper, they also become slower and require high computational resources beyond the capabilities of many mobile and embedded platforms. To address this challenge, much of the recent research has focused on reducing the model size and computational complexity. In this paper, we propose a novel residual depth-separable convolution block, which is an improvement of the basic...
-
Paweł Rościszewski dr inż.
OsobyPaweł Rościszewski received his PhD in Computer Science at Gdańsk University of Technology in 2018 based on PhD thesis entitled: "Optimization of hybrid parallel application execution in heterogeneous high performance computing systems considering execution time and power consumption". Currently, he is an Assistant Professor at the Faculty of Electronics, Telecommunications and Informatics, Gdańsk University of Technology, Poland....
-
Pedestrian detection in low-resolution thermal images
PublikacjaOver one million people die in car accidents worldwide each year. A solution that will be able to reduce situations in which pedestrian safety is at risk has been sought for a long time. One of the techniques for detecting pedestrians on the road is the use of artificial intelligence in connection with thermal imaging. The purpose of this work was to design a system to assist the safety of people and car intelligence with the use...
-
Deep neural networks approach to skin lesions classification — A comparative analysis
PublikacjaThe paper presents the results of research on the use of Deep Neural Networks (DNN) for automatic classification of the skin lesions. The authors have focused on the most effective kind of DNNs for image processing, namely Convolutional Neural Networks (CNN). In particular, three kinds of CNN were analyzed: VGG19, Residual Networks (ResNet) and the hybrid of VGG19 CNN with the Support Vector Machine (SVM). The research was carried...
-
Marek Biziuk prof. dr hab. inż.
OsobyUr. 25.06.1947 w Sokółce, Województwo Podlaskie. W latach 1964-1969 studiował na Wydziale Chemicznym PG. Stopień doktora nauk technicznych uzyskał w 1977 r., a stopień doktora habilitowanego nauk chemicznych w zakresie chemia uzyskał na Wydziale Chemicznym PG 24.05.1995 r. Tytuł naukowy profesora nauk chemicznych uzyskał na Wydz. Chemicznym PG 6.04.2001 r. Członek Komitetu Chemii Analitycznej PAN od 2008, członek Zespołu ds....
-
Diagnostyka łożysk silnika indukcyjnego na podstawie prądu zasilającego przy użyciu sztucznych sieci neuronowych
PublikacjaW artykule zawarto wyniki badań dotyczące diagnostyki łożysk silnika indukcyjnego na podstawie pomiarów prądu zasilającego z wykorzystaniem sztucznych sieci neuronowych. Zaprezentowano wyniki uczenia sieci oraz rezultaty testów przeprowadzonych na danych spoza zbioru uczącego. Badania wykonane zostały na obiektach z celowo wprowadzonymi uszkodzeniami łożysk. Przedstawiona nowa koncepcja zakłada użycie zestawu sieci neuronowych...
-
Identyfikacja instrumentu muzycznego z nagrania fonicznego za pomocą sztucznych sieci neuronowych
PublikacjaCelem rozprawy jest zbadanie algorytmów do identyfikacji instrumentów występujących w sygnale polifonicznym z wykorzystaniem sztucznych sieci neuronowych. W części teoretycznej przywołano podstawy przetwarzania sygnałów fonicznych w kontekście ekstrakcji parametrów sygnałów wykorzystywanych w treningu sieci neuronowych. Dodatkowo dokonano analizy rozwoju metod uczenia maszynowego z uwzględnieniem podziału na sieci neuronowe pierwszej,...
-
Network on Chip implementation using FPGAs resources
PublikacjaW artykule przedstawiono implementację sieci typu ''Network on Chip'' w układach FPGA. Sieci typu ''Network on Chip'' stały się bardzo interesującym i obiecującym rozwiązaniem dla systemów typu ''System on Chip'' które charakteryzują się intensywną komunikacją wewnętrzną. Ze względu na inne paradygmaty projektowania nie ma obecnie dostępnych efektywnych platform do budowy prototypów sieci typu ''Network on Chip'' i ich weryfikacji....
-
Adaptacyjny algorytm filtracji sygnału fonokardiograficznego wykorzystujący sztuczną sieć neuronową
PublikacjaPodstawowym problemem podczas projektowania systemu autodiagnostyki chorób serca, bazującego na analizie sygnału fonokardiograficznego (PCG), jest konieczność zapewnienia, niezależnie od warunków zewnętrznych, sygnału o wysokiej jakości. W artykule, bazując na zdolności Sztucznej Sieci Neuronowej (SSN) do predykcji sygnałów periodycznych oraz quasi-periodycznych, został opracowany adaptacyjny algorytm filtracji dźwięków serca....
-
Dekodowanie kodów iterowanych z użyciem sieci neuronowej
PublikacjaNadmiarowe kody iterowane są jedną z prostych metod pozyskiwania długich kodów korekcyjnych zapewniających dużą ochronę przed błędami. Jednocześnie, chociaż ich podstawowy iteracyjny dekoder jest prosty koncepcyjnie oraz łatwy w implementacji, to nie jest on rozwiązaniem optymalnym. Poszukując alternatywnych rozwiązań zaproponowano, przedstawioną w pracy, strukturę dekodera tego typu kodów wspomaganą przez sieci neuronowe. Zaproponowane...
-
Zastosowanie sieci neuronowych do detekcji impulsów o znanym kształcie w obecności silnego szumu i trendu
PublikacjaDetekcja impulsów w odebranym sygnale radiowym, zwłaszcza w obecności silnego szumu oraz trendu, jest trudnym zadaniem. Artykuł przedstawia propozycje rozwiązań wykorzystujących sieci neuronowe do detekcji impulsów o znanym kształcie w obecności silnego szumu i trendu. Na potrzeby realizacji tego zadania zaproponowano dwie architektury. W pracy przedstawiono wyniki badań wpływu kształtu impulsu, mocy zakłóceń szumowych oraz trendu...
-
AUTOMATYCZNA KLASYFIKACJA MOWY PATOLOGICZNEJ
PublikacjaAplikacja przedstawiona w niniejszym rozdziale służy do automatycznego wykrywania mowy patologicznej na podstawie bazy nagrań. W pierwszej kolejności przedstawiono założenia leżące u podstaw przeprowadzonych badan wraz z wyborem bazy mowy patologicznej. Zaprezentowano również zastosowane algorytmy oraz cechy sygnału mowy, które pozwalają odróżnić mowę niezaburzoną od mowy patologicznej. Wytrenowane sieci neuronowe zostały następnie...
-
Poprawa jakości klasyfikacji głębokich sieci neuronowych poprzez optymalizację ich struktury i dwuetapowy proces uczenia
PublikacjaW pracy doktorskiej podjęto problem realizacji algorytmów głębokiego uczenia w warunkach deficytu danych uczących. Głównym celem było opracowanie podejścia optymalizującego strukturę sieci neuronowej oraz zastosowanie uczeniu dwuetapowym, w celu uzyskania mniejszych struktur, zachowując przy tym dokładności. Proponowane rozwiązania poddano testom na zadaniu klasyfikacji znamion skórnych na znamiona złośliwe i łagodne. W pierwszym...
-
Pompownie dużej mocy z falownikiem wędrującym średniego napięcia
PublikacjaArtykuł zawiera rys rozwoju napędów przekształtnikowych w stacjach pomp, w szczególności regulacji wydatku kilku pomp, po kolei, przez jeden przemiennik częstotliwości. Omówiono podstawy teoretyczne zjawiska pola niestłumionego i napięcia resztkowego silników, które utrudniają szybkie przełączania silnika pompy pomiędzy zasilaniem regulowanym przez falownik a zasilaniem z sieci. Przedstawiono zasady transferu (przełączania) synchronicznego...
-
Diagnostyka łożysk silnika indukcyjnego na podstawie prądu zasilającego przy użyciu sztucznych sieci neuronowych
PublikacjaW artykule zawarto wyniki badań dotyczące diagnostyki łożysk silnika indukcyjnego na podstawie pomiarów prądu zasilającego z wyko-rzystaniem sztucznych sieci neuronowych. Zaprezentowano wyniki uczenia sieci oraz rezultaty testów przeprowadzonych na danych spoza zbioru uczącego. Badania wykonane zostały na obiektach z celowo wprowadzonymi uszkodzeniami łożysk. Przedstawiona nowa koncepcja zakłada użycie zestawu sieci neuronowych...
-
Badanie stanu nawierzchni drogowej z wykorzystaniem uczenia maszynowego
PublikacjaW artykule opisano budowę systemu informowania o stanie nawierzchni drogowej z wykorzystaniem metod cyfrowego przetwarzania obrazów oraz uczenia maszynowego. Efektem wykonanych prac badawczych jest eksperymentalna platforma, pozwalająca na rejestrację uszkodzeń na drogach, system do analizy, przetwarzania i klasyfikacji danych oraz webowa aplikacja użytkownika do przeglądu stanu nawierzchni w wybranej lokalizacji.
-
Olgun Aydin dr
OsobyOlgun Aydin finished his PhD by publishing a thesis about Deep Neural Networks. He works as a Principal Machine Learning Engineer in Nike, and works as Assistant Professor in Gdansk University of Technology in Poland. Dr. Aydin is part of editorial board of "Journal of Artificial Intelligence and Data Science" Dr. Aydin served as Vice-Chairman of Why R? Foundation and is member of Polish Artificial Intelligence Society. Olgun is...
-
Uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych
PublikacjaW pracy omówiono uczenie maszynowe do samoorganizacji systemów rozproszonych w zastosowaniach gospodarczych ze szczególnym uwzględnieniem sieci neuronowych do predykcji finansowych oraz szacowania ratingu przedsiębiorstw. Oprócz sieci neuronowych, istotną rolę w przygotowaniu i testowaniu informatycznych systemów finansowych może pełnić programowanie genetyczne. Z tego powodu omówiono uczenie maszynowe w aplikacjach konstruowanych...
-
Network economy and innovation policy st 2024/2025
Kursy OnlineGlobal Studies / Economics Analytics, II stopień (magisterskie), 3 semestr The aim of the course is to provide framework for exploring innovation theory in the context of the network economy.
-
Residual Current Devices: Selection, Operation, and Testing
PublikacjaIn this book, the idea for residual current protection has been presented. The evolution in construction types of residual current devices, which has taken place over decades, is discussed. Types and functional properties of the contemporary residual current devices are described. The main parameters of these devices, from the point of view of their selection and application, are indicated. Special constructions of the protective...
-
Synteza układu sterowania statkiem morskim dynamicznie pozycjonowanym w warunkach niepewności
PublikacjaNiniejsza monografia obejmuje zagadnienia związane z syntezą układu dynamicznego pozycjonowania statku w środowisku morskim z zastosowaniem wybranych nieliniowych metod sterowania. W ramach pracy autorka rozważała struktury sterowania z zastosowaniem wektorowej adaptacyjnej metody backstep oraz metod jej pokrewnych, takich jak regulatory MSS (ang. multiple surface sliding), DSC (ang. dynamic surface control), NB (ang. neural backstepping)....
-
Deep neural networks for data analysis 24/25
Kursy OnlineThis course covers introduction to supervised machine learning, construction of basic artificial deep neural networks (DNNs) and basic training algorithms, as well as the overview of popular DNNs architectures (convolutional networks, recurrent networks, transformers). The course introduces students to popular regularization techniques for deep models. Besides theory, large part of the course is the project in which students apply...
-
Sathwik Prathapagiri
OsobySathwik was born in 2000. In 2022, he completed his Master’s of Science in Biological Sciences and Bachelor’s of Engineering in Chemical Engineering in an integrated dual degree program from Birla Institute Of Technology And Science, Pilani, India. During his final year, he worked as a research intern under Dr Giri P Krishnan at Bazhenov lab, University of California San Diego school of medicine to pursue his Master’s Thesis on...
-
Wykorzystanie sztucznych sieci neuronowych do wykrywania i rozpoznawania tablic rejestracyjnych na zdjęciach pojazdów
PublikacjaW artykule przedstawiono koncepcję algorytmu wykrywania i rozpoznawania tablic rejestracyjnych (AWiRTR) na obrazach cyfrowych pojazdów. Detekcja i lokalizacja tablic rejestracyjnych oraz wyodrębnienie z obrazu tablicy rejestracyjnej poszczególnych znaków odbywa się z wykorzystaniem podstawowych technik przetwarzania obrazu (przekształcenia morfologiczne, wykrywanie krawędzi) jak i podstawowych danych statystycznych obiektów wykrytych...