Kopsavilkums un secinājumi piemēru punkti
Kopsavilkums un secinājumi. Navigācijas sitēmas pilnveidošanas laikā tika paveikts: – Navigācijas programmatūra tika pārveidota un pilnveidota tā, lai atdalītu ”reālās vides” daļu no ”simulācijas vides” daļas; – Tika pilnveidota navigācijas programmatūras ”simulācijas vides” daļa, t.i. matemātikās struktūras un instrumenti, kustību datu konvertācijas un analīzes rīki un lietotāja saskarnes elementi; – Tika pilnveidotas Navigācijas sitēmas pilnveidošanas un testēšanas secinājumi: – paaugstināt drošību: stabilo ”reālās vides” daļu var izmantot citos projektos, kāmēr ”simulācijas vides” daļā tiek testētas jaunas pieejas un algoritmi; – paaugstināt ērtību: ir ērti testēt jaunas pieejas un algoritmus; – veidot navigācijas sistēmas un to komponenšu darbības demonstrācijas viesiem, semināros, prezentācijas u.c. pasākumos;
Kopsavilkums un secinājumi. Šajā atskaites periodā tika veiksmīgi veikta automātiskā LBT sejas atpazīšanas algoritma testēšana uz Color FERET datubāzes. Algoritms daļēji arī papildināts ar funkcionalitāti un precizitāti uzlabojošiem blokiem. Katram algoritma etapam tika noteikti sekojošie parametri: • Sejas detektēšanas bloks. Aprēķināta kumulatīva sadalījuma līkne relatīvai (attiecībā pret reālo sejas izmēru) sejas nobīdei no pareizās pozīcijas. • Sejas lokalizācijas bloks. Aprēķināta kumulatīva sadalījuma līkne relatīvai (attiecībā pret attālumu starp acīm) acu nobīdei no pareizās pozīcijas. Pie ηeye = 0.1 lokalizācijas precizitāte abām acīm ir PL = 74.4%, kas pārsniedz tādas metodikas, ka ASEF un Haar. • Sejas atpazīšanas bloks. Noteikta kumulatīvas sakritības raksturlīkne (Cumulative Match Characteristic). Pie Rank = 1, identificēšanas varbūtība ir PI = 82.4% Veiksmīgi tika realizēti arī vairāki eksperimenti, lai pārbaudītu alternatīvā sejas atpazīšanas algoritma precizitāti. Izmantojot labu datubāzi, ar kvalitatīviem attēliem, precizitāte bija augsta.
Kopsavilkums un secinājumi. BioSen grupas darbības rezultātā tika izveidoti vairāki efektīvie attēlu apstrādes algoritmi pielietojumiem biometrijā. Tika izveidots automātisks sejas atpazīšanas algoritms, kas ir raksturīgs ar augsto precizitāti un salīdzinoši lielu skaitļošanas efektivitāti. Par algoritmiem tika sagatavotās vairākās starptautiskas publikācijas, kas ir pieejamas IEEE datubāzē.
Kopsavilkums un secinājumi. Galvenais mērķis, izveidot inovatīvu, mobilu, izmēros mazu, EEG datu iegūšanas sistēmu ir sasniegts. Šī ir pasaulē pirmā, reālā tāda veida EEG datu iegūšanas sistēma, kas satur vairākus uz galvas novietojamus sensorus ar asinhronu datu apstrādi. Eksperimentālā analīze pierāda, ka, lietojot izveidotos sensorus, ir iespējams iegūt EEG signālus, tos pastiprināt, kodēt un pārraidīt, kā arī atjaunot reālā laikā. Lietojot šāda veida signāla ieguves un apstrādes pieeju, ir iespējams palielināt kanālu skaitu līdz 85 un vairāk (ISM joslā). Šādas sistēmas galvenā priekšrocība ir tās mazie izmēri, kas ļauj palielināt kanālu skaitu vienkārši pievienojot papildus sensorus pie barošanas avota. Izmantojot LabView programmatūru Asinhronā Sigma-Delta modulatora atjaunošanas algoritma implementācijai, tiek secināts, ka ir iespējams atjaunot kodēto EEG signālu reālā laikā no izveidotajiem sensoriem un uztvērēja.
Kopsavilkums un secinājumi. 4.4.1 MansOS
4.4.2 LynxNet
Kopsavilkums un secinājumi. Piedāvātais sejas detektēšanas algoritms balstās uz LBP un ANN kombinācijas, kas ļauj sejas detektēšanai izmantot parametrisko telpu ar salīdzinoši mazu izmēru N = 144 un nelielu Neironu Tīklu, kurā ir tikai 5 neironi slēptajā slānī. Detektēšanas precizitāte pie šiem parametriem testējot uz color FERET datubāzes ir 99.1%, kas ir ievērojami labāk nekā LBP un NNC kombinācija [5]. Vairāk detaļu par algoritmu ir iespējam izlasīt sekojošā publikācijā [4].
Kopsavilkums un secinājumi. Ir paveikts kārtējais darbu apjoms saistībā ar CarMote iegultās iekārtas prototipa izstrādi, kā arī eksperimentāli pārbaudīta izvēlētā pozicionēšanas sistēmas multimodālā risinājuma precizitāte. Grupas darbības rezultāti ir prezentēti Viedo sensoru un biofotonikas seminārā LU Atomfizikas un spektroskopijas institūtā. Atbilstoši GCDC sacensību tehniskajiem noteikumiem, ir sagatavots un iesniegts publikācijas abstrakts [9], kā arī video par aktivitātēm GCDC sacensību kontekstā.
Kopsavilkums un secinājumi. Veicot mērijums ar pašu vienkāršāko ESPAR antenu, kas sastāv no viena aktīvā un viena pasīvā elementa, tika noskaidrots ka optimāla rp vērtība ir 14 mm; • Tika izgatavota un optimizēta trīs elementu ESPAR antena, kur aktīvais un divi pasīvie elementi novietoti uz vienas līnijas. Attālumus starp elementiem ir iepreikšējā mērījumu solī noteiktais. Kā optimālie atzīti sekojoši pasīvo elementu garumi h1 = 17.3 mm un h4 = 22.3 mm. • Tika veikti ilustrējoši eksperimenti ar trīs elementu ESPAR antenu, kuras pasīvais elements noslogots ar reaktīvo pretestību, kuru veido spiestās plates līnija. Iegūta kvalitatīva un kvantitatīva sakritība ar prognozēto.
Kopsavilkums un secinājumi. Piedāvatias sejas atpazīšanas algoritms balstās uz inovatīvās kombinācijas. Labākais atpazīšanas rezultāts ir sasniegts pielietojot sekošas metodes: MSLBP + MF + FW + BW. Atpazīšanas precizitāte šajā gadījumā sasniedza 99.2%, kas ierindojas pasaules labāko rezultātu augšgalā.
Kopsavilkums un secinājumi. Šajā nodaļā tika parādīts, ka ņemot vērā signāla laikā mainīgo apliecēju, iespējams samazināt ASDM ķēdes aktivitāti. Rezultātā samazinās iegūto laika kodu daudzums, neskatoties uz ko, signāla perfekta atjaunošana joprojām ir iespējama, jo maksimālais attālums starp secīgām laika vērtībām nepārsniedz Naikvista soli. Dažādām α = β vērtībām enerģiju AA-ASDM gadījumā var ietaupīt pat līdz 59.86%. Pieaugot α = β vērtībām, adaptīvās ķēdes priekšrocība samazinās, tomēr nav ieteicams izvēlēties lielas šīs vērtības, jo laika intervāli starp secīgiem pārslēgumiem tad samazinās un lielāks bitu skaits ir nepieciešams to kodēšanai. Pārāk zemas α = β vērtības arī nav ieteicamas, jo tad augsta ķēdes aktivitāte ir gan ASDM, gan AA-ASDM gadījumos.
6.6 Nākotnes perspektīvas