Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
140
Lista 2021
Status:
Autorzy: Rymarczyk Tomasz, Niderla Konrad, Kozłowski Edward, Król Krzysztof, Wyrwisz Joanna, Skrzypek-Ahmed Sylwia, Gołąbek Piotr
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2021
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 23
Wolumen/Tom: 14
Numer artykułu: 8116
Strony: 1 - 20
Web of Science® Times Cited: 2
Scopus® Cytowania: 4
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 3 grudnia 2021
Abstrakty: angielski
The research presented here concerns the analysis and selection of logistic regression with wave preprocessing to solve the inverse problem in industrial tomography. The presented application includes a specialized device for tomographic measurements and dedicated algorithms for image reconstruction. The subject of the research was a model of a tank filled with tap water and specific inclusions. The research mainly targeted the study of developing and comparing models and methods for data reconstruction and analysis. The application allows choosing the appropriate method of image reconstruction, knowing the specifics of the solution. The novelty of the presented solution is the use of original machine learning algorithms to implement electrical impedance tomography. One of the features of the presented solution was the use of many individually trained subsystems, each of which produces a unique pixel of the final image. The methods were trained on data sets generated by computer simulation and based on actual laboratory measurements. Conductivity values for individual pixels are the result of the reconstruction of vector images within the tested object. By comparing the results of image reconstruction, the most efficient methods were identified.