Wyniki 1-10 spośród 12 dla zapytania: authorDesc:"Remigiusz J. RAK"

Klasyfikacja wybranych zakłóceń kształtu przebiegu czasowego napięcia sieciowego z wykorzystaniem transformacji falkowej i sieci neuronowej SVM

Czytaj za darmo! »

W artukule przedstawiono strukturę falkowo-neuronowego klasyfikatora przeznaczonego do wykrywania i klasyfikacji wybranych zakłóceń kształtu przebiegu czasowego napięcia sieciowego. Pod uwagę wzięto głównie zakłócenia o charakterze przejściowym. Przebiegi czasowe napięć zawierających zakłócenia wygenerowano posiłkując się ich modelami matematycznymi. Następnie obliczono rozkłady falkowe zamodelowanych sygnałów oraz wyznaczono parametry staystyczne wyższych rzędów współczynników rozkładu. Parametry te posłużyły do zbudowania wektorów cech stanowiących dane wejściowe dla sieci neuronowej SVM pracującej w charakterze klasyfikatora. Abstract. In the paper there is presented a structure of a wavelet-neural classifier for detection and classification of transient disturbances of power line[...]

Interfejs mózg-komputer – wybrane problemy rejestracji i analizy sygnału EEG

Czytaj za darmo! »

Artykuł ma przybliżyć czytelnikowi aktualny stan wiedzy na temat interfejsów mózg-komputer (BCI). Zawiera również opis eksperymentu mającego na celu sprawdzenie czy sygnał EEG zarejestrowany tylko przez dwie elektrody umożliwia poprawną pracę interfejsu BCI działającego w trybie ERD/ERS. Abstract. The article describes stages of signal analysis necessary for proper functioning of a brain-computer interface (BCI). In the article there is presented an experiment which aim is to assess if EEG signal registered only by two electrodes will be sufficient for correct work of BCI based on ERD/ERS method. (Brain-computer interface - registration and analysis of EEG signal, selected problems). Słowa kluczowe: BCI, EEG, rejestracja sygnału, klasyfikacja sygnału. Keywords: BCI, EEG, signal acqu[...]

Matlab FE_Toolbox - an universal utility for feature extraction of EEG signals for BCI realization

Czytaj za darmo! »

The main aim of the article is to introduce a new Matlab toolbox (FE_Toolbox - a collection of feature extraction algorithms) to EEG signal analysis. Such a toolbox can be useful in the process of designing effective Brain-Computer Interfaces (BCI). The implemented feature extraction algorithms are based on frequency analysis (DFT), wavelet transform and higher order statistics (HOS) in connection with an autoregressive model. Streszczenie. W artykule przedstawiono opracowany przez autorów toolbox do Matlaba (FE_Toolbox), który umożliwia łatwe użycie różnych metod ekstrakcji cech z sygnału EEG. Toolbox może być pomocny przy konstruowaniu interfejsów mózg komputer (BCI). Zaimplementowane algorytmy ekstrakcji cech wykorzystują analizę częstotliwościową (DFT), transformację falkową oraz [...]

A new method of feature extraction from EEG signal for braincomputer interface design

Czytaj za darmo! »

W artykule przedstawiono opracowaną przez autorów nową metodę ekstrakcji cech z sygnału EEG na użytek interfejsów mózgkomputer (BCI). W opracowanych algorytmach ekstrakcji cech wykorzystano transformację falkową oraz statystyki wyższych rzędów. Przedstawiono wyniki badań związanych z wykorzystaniem proponowanych metod ekstrakcji cech do konstrukcji interfejsu mózg-komputer działającego w oparciu o wyobrażanie sobie ruchu. Eksperymenty przeprowadzono przy użyciu dwóch elektrod (Nowa metoda ekstrakcji cech sygnału EEG na użytek interfejsów mózg-komputer). Abstract. The main aim of the article is to introduce a new method of feature extraction from EEG signal for brain-computer interface design. The proposed algorithms are based on wavelet transform and higher order statistics (HOS). Next authors present the research results for brain-computer interface design using motion imagining. Proposed feature extraction methods are implemented in construction of the interface. Experiments are conducted with use of two electrodes (). Słowa kluczowe: BCI, interfejs mózg-komputer, EEG, ekstrakcja cech, transformata falkowa, statystki wyższych rzędów Keywords: BCI, brain-computer interface, EEG, feature extraction, wavelets, higher order statistics Introduction In recent years, we can observe a growing interest in brain-computer interfaces (BCI) [3]. The main advantage of the communication between brain and computer is its "directness". The brain activity is processed into information understandable by a computer omitting all indirect factors such as muscles. The application of BCI is primarily to allow contact with paralyzed people. Brain-computer interfaces can also be used in entertainment and for military purposes. At present the main factors that restrict the wider use of brain-computer interfaces are: problems with acquisition of EEG signals and low speed of information conveyed by brain-computer technology [1,2]. Although there are many ways[...]

Optymalizacja doboru okien czasowych do przetwarzania sygnału EEG w interfejsach mózg-komputer

Czytaj za darmo! »

Interfejsy BCI umożliwiają bezpośrednią komunikację pomiędzy mózgiem a komputerem. Założeniem autorów jest próba rozpoznania (klasyfikacja) jednosekundowego zapisu sygnału EEG skojarzonego z wykonywaniem przez osobę pewnego zadania myślowego. Podczas przeprowadzania eksperymentów okazało się, że na proces klasyfikacji duży wpływ ma szerokość oraz sposób zachodzenia na siebie okien czasowych, z których ekstrahuje się cechy. Celem referatu jest wskazanie jak najlepszej strategii doboru parametrów okien czasowych na potrzeby wyznaczenia cech i nauki klasyfikatora. Abstract: BCI interfaces allow direct communication between the brain and the computer. The author’s idea is to try to identify (classify) one-second windows of EEG signal associated with doing by a person a certain mental task. During the experiments it turned out that the classification process is highly influenced by the width of the windows and the way they overlap. The aim of this paper is to identify the best strategies for selection of time windows of EEG signal for the purposes of feature extraction and classifier learning. (Optimization of the time window of signal processing in interface between brain and computer) Słowa kluczowe: interfejs mózg-komputer, ekstrakcja cech, klasyfikacja, ITR. Keywords: brain-computer interface, feature extraction, classification, ITR. Wstęp W ostatnich latach, dzięki postępowi technologicznemu wyraźnie wzrasta zainteresowanie naukowców interfejsami mózg-komputer (Brain-Computer Interface: BCI). Interfejsy takie umożliwiają bezpośrednią komunikację pomiędzy mózgiem a komputerem. Wybrany stan aktywności mózgu, odczytany z sygnałów generowanych przez neurony, zostaje przetworzony na informację "zrozumiałą" przez komputer. Interfejsy mózg-komputer znajdują zastosowanie przede wszystkim w procesach usprawniania osób sparaliżowanych, umożliwiając im kontakt z otoczeniem. Można również zaobserwować próby zastosowania interfejsu mózg-ko[...]

Wykorzystanie t-statystyk do szybkiej selekcji cech sygnału EEG na użytek interfejsu mózg-komputer

Czytaj za darmo! »

Głównym zadaniem systemu BCI jest odczytanie sygnałów generowanych przez neurony mózgowe. Do efektywnego działania interfejsu mózg-komputer potrzebna jest skuteczna metoda selekcji cech sygnału EEG. W artykule autorzy zaproponowali użycie współczynnika tstatystyk do uszeregowania i redukcji cech na użytek systemów BCI. Abstract: The main task of BCI is to translate the signals generated by neurons in the brain. For the effective operation of the brain-computer interface, an efficient method of feature selection of EEG signal is needed. In this article authors propose the use of t-statistics to feature selection for BCI systems. (Application of t-statistics for processing of EEG signal in brain-computer interface) Słowa kluczowe: interfejs mózg-komputer, ekstrakcja cech, klasyfikacja Keywords: brain-computer interface, BCI, feature extraction, classification Wstęp Interfejs mózg-komputer (Brain-Computer Interface: BCI) to jedno z nowych wyzwań, które stanowi część szerszego zagadnienia określanego mianem “komunikacji człowiek-komputer", umożliwiającego zamianę "myśli w działanie". Potencjalnie więc BCI stanowi łącze pomiędzy mózgiem a światem zewnętrznym. Głównym zadaniem systemu BCI jest odczytanie sygnałów generowanych przez neurony mózgowe, rozszyfrowanie ich znaczenia i wygenerowanie sygnałów odpowiednich do sterowania innym systemem. Najbardziej znaczącym zastosowaniem BCI jest usprawnienie funkcjonowania osób sparaliżowanych. Proponowana metoda selekcji cech Do efektywnego działania interfejsu mózg-komputer potrzebna jest skuteczna metoda selekcji cech sygnału EEG [1]. Selekcja cech jest tak ważnym elementem systemów BCI, gdyż najlepsze cechy dla danego użytkownika mogą zmieniać się z dnia na dzień, a nawet z godziny na godzinę. Dlatego systemy BCI działają w dwóch trybach: kalibracji (dostosowanie do użytkownika) i interpretacji sygnału EEG czyli klasyfikacji. Tryb kalibracji powinien następować przed każdym użycie[...]

Linear discriminant analysis as EEG features reduction technique for brain-computer interfaces

Czytaj za darmo! »

BCI systems analyze the EEG signal and translate patient intentions into simple commands. Signal processing methods are very important in such systems. Signal processing covers: preprocessing, feature extraction, feature selection and classification. In the article authors present the results of implementing linear discriminant analysis as a feature reduction technique for BCI systems. Streszczenie: Systemy BCI analizują sygnał EEG i tłumaczą intencje użytkownika na proste polecenia. Ważnym elementem systemów BCI jest przetwarzanie sygnału. Obejmuje ono: przetwarzanie wstępne, ekstrakcję cech, selekcję cech i klasyfikację. W artykule autorzy prezentują wyniki badań z zastosowaniem liniowej analizy dyskryminacyjnej jako narzędzia do redukcji cech. (Liniowa analiza dyskryminacyjna jako narzędzie redukcji cech sygnału EEG) Keywords: Linear Discriminant Analysis, LDA, feature reduction, feature selection, brain-computer interface, BCI, EEG Słowa kluczowe: Liniowa Analiza Dyskryminacyjna, LDA, redukcja cech, selekcja cech, interfejs mózg-komputer, EEG Introduction Constructing of an efficient brain-computer interface (BCI) is one of the most challenging scientific problems and focuses scientists attention from all over the world. Often BCI interfaces are based on EEG signals recorded from the surface of the scalp, because this method of brain activity monitoring is noninvasive, easy to use and quite inexpensive. Brain-computer interfaces make use of several brain potentials such as: P300, SSVEP or ERD/ERS [1,2,3]. The most difficult case for implementation is BCI based on brain potentials associated with movements (ERD/ERS). The ERD/ERS name origins from the phenomenon of EEG signal power rise or fall in the frequency bands 8-12 Hz and 18-26 Hz, when a subject spontaneously imagines a movement. In our experiment we tried to classify EEG signals for a single asynchronous trial of imagining movement. Fig. 1. The scheme of brain-computer [...]

Platforma zdalnego laboratorium jako nowoczesny element wspomagający proces kształcenia

Czytaj za darmo! »

W dziedzinie metrologii oprogramowaniem wspomagającym tradycyjny proces kształcenia, czy też kształcenia na odległość, jest platforma zdalnego laboratorium dostępna w sposób ciągły zarówno w sensie miejsca jak i czasu, oferująca funkcje systemu zarządzania procesem nauczania i zarządzania treścią dydaktyczną, jak również możliwość dostępu do rzeczywistego sprzętu pomiarowo-sterującego. W referacie przedstawiono architekturę oraz funkcje zaproponowanej struktury zdalnego laboratorium. Abstract: In the field of metrology the goal of using a remote laboratory in teaching process is that it releases a course participant from the constraints of place and time of the experiment. Remote laboratory offers the functions of managing the process of teaching and managing the educational content. It also enables the access to real-measuring equipment. The paper presents the architecture and functions of the proposed structure of remote laboratory. (A remote laboratory in teaching process) Słowa kluczowe: zdalne laboratorium, wirtualny przyrząd pomiarowy, e-kształcenie, rozproszone systemy pomiarowo-sterujące. Keywords: virtual laboratory, virtual instrument, distance learning, distributed control and measurement systems. Wstęp Rozwój techniki komputerowej i komunikacyjnej oraz przede wszystkim nowe trendy w budowaniu współczesnych rozproszonych systemów pomiarowosterujących (RSPS) odbiły się szerokim echem także w technikach i sposobie kształcenia. Coraz większego znaczenia nabierają nowoczesne metody przekazywania wiedzy i informacji. Coraz popularniejszy staje się proces kształcenia realizowany przy użyciu nowoczesnych technik internetowych i multimedialnych, w których słuchacz uzyskuje dostęp do wiedzy i zasobów za pomocą specjalistycznego interfejsu użytkownika z dowolnego miejsca i w dowolnym czasie. W dziedzinie metrologii oprogramowaniem wspomagającym tradycyjny proces kształcenia, czy też kształcenia na odległość, jest platforma zdalneg[...]

 Strona 1  Następna strona »