Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2019 - zeszyt 5

Application of Gaussian Kernel with Regard to Correlations for Image Reconstruction in Electrical Tomography

Zastosowanie jądra gaussowskiego z uwzględnieniem korelacji do rekonstrukcji obrazu w tomografii elektrycznej

10.15199/48.2019.05.14

nr katalogowy: 119935
10.15199/48.2019.05.14

Streszczenie

The article presents the application of support methods Vector Machine for Regression and Support Vector Machine for Regression with a modified correlation kernel in electrical impedance tomography. Statistical methods have been used to reconstruct imaging. In addition, a model was created that analyses similar objects of different sizes. It learns about a smaller object, but we recognize a larger object. The paper shows how to make an analysis for such cases.

Abstract

W artykule przedstawiono aplikację opartą na metodach maszyna wektorów nośnych do regresji i maszyna wektorów nośnych do regresji z zmodyfikowanym jądrem korelacji w elektrycznej tomografii impedancyjnej. Metody statystyczne zostały wykorzystana do rekonstrukcji obrazuj. Dodatkowo stworzono model, który analizuje podobne obiekty o różnych rozmiarach. Uczy się na obiekcie o mniejszych gabarytach, natomiast rozpoznajemy obiekt o większym rozmiarze. W pracy pokazano w jaki sposób dokonywać analizę dla takich przypadków.

Słowa kluczowe

Keywords

Bibliografia

[1] Wajman R., Fiderek P., Fidos H., Sankowski D., Banasiak R., Metrological evaluation of a 3D electrical capacitance tomography measurement system for two-phase flow fraction determination, Measurement Science and Technology, 24 (2013), no. 6, 065302.
[2] Kryszyn, J., Wanta, D. M. & Smolik, W. T. Gain Adjustment for Signal-to-Noise Ratio Improvement in Electrical Capacitance Tomography System EVT4, IEEE Sensors Journal, 17 (2017), no. 24, 8107-8116
[3] Rymarczyk T., Sikora J., Applying industrial tomography to control and optimization flow systems, Open Physics 16 (2018), 332-345
[4] Garbaa, H., Jackowska-Strumiłło, L., Grudzień, K. & Romanowski, A. Application of electrical capacitance tomography and artificial neural networks to rapid estimation of cylindrical shape parameters of industrial flow structure. Archives of Electrical Engineering, 65 (2016), no. 4, 657-669
[5] Polakowski, K., Filipowicz, S. F., Sikora, J. & Rymarczyk, T. Quality of imaging in multipath tomography. Prz. Elektrotechniczny 85 (2009), no. 12, 134-136
[6] Mazurkiewicz, D. Maintenance of belt conveyors using an expert system based on fuzzy logic. Archives of Civil and Mechanical Engineering, 15 (2015); no. 2., 412-418
[7] Kłosowski, G., Kozłowski, E. & Gola, A. Integer Linear Programming in Optimization of Waste After Cutting in the Furniture Manufacturing. International Conference on Intelligent Systems in Production Engineering and Maintenance, 20 (2018), no. 3, 425-434
[8] Rymarczyk, T. & Kłosowski, G. Application of neural reconstruction of tomographic images in the problem of reliability of flood protection facilities. Eksploatacja i Niezawodność - Maintenance and Reliability, 20 (2018), no. 3, 425-434
[9] Psuj, G. Multi-Sensor Data Integration Using Deep Learning for Characterization of Defects in Steel Elements. Sensors, 18 (2018), 292
[10] Lopato, P., Chady, T., Sikora, R., Gratkowski, S. & Ziolkowski, M. Full wave numerical modelling of terahertz systems for nondestructive evaluation of dielectric structures. COMPEL - The international journal for computation and mathematics in electrical and electronic engineering, 32 (2013), no. 3, 736 - 749
[11] Rymarczyk, T., Kłosowski, G. & Kozłowski, E. A Non- Destructive System Based on Electrical Tomography and Machine Learning to Analyze the Moisture of Buildings, Sensors, (18) 2018, 2285
[12] Adler A., Lionheart W.R.B., Uses and abuses of EIDORS: an extensible software base for EIT, Physiological Measurement 27 (2006), 25-42
[13] Filipowicz S.F., Rymarczyk T., Measurement Methods and Image Reconstruction in Electrical Impedance Tomography, Przeglad Elektrotechniczny, 88 (2012), no. 6, 247-250
[14] Dusek, J., Hladky, D. & Mikulka, J. Electrical impedance tomography methods and algorithms processed with a GPU. In PIERS Proceedings, 2017, 1710-1714
[15] Vapnik V (1998). Statistical Learning Theory. Wiley, New York
[16] Karatzoglou A, Meyer D, Hornik K (2006), "Support Vector Mashines in R", Journal of Statistical Software, 15(9), 1- 28.URL https://www.jstatsoft.org/article/view/v015i09
[17] Scholkopf B, Smola A (2002). Learning with Kernels. MIT Press

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 119935 "Application of Gaussian K..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY - e-zeszyt (pdf) 2019-5 licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2019-5

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma