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
200
Lista 2021
Status:
Autorzy: Rymarczyk Tomasz, Kłosowski Grzegorz, Hoła Anna, Sikora Jan, Tchórzewski Paweł, Skowron Łukasz
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2022
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Wolumen/Tom: 188
Numer artykułu: 110581
Strony: 1 - 14
Web of Science® Times Cited: 2
Scopus® Cytowania: 1
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: 10 grudnia 2021
Abstrakty: angielski
This paper presents the results of research on identifying moisture inside the walls of buildings with the use of electrical impedance tomography (EIT). The original, complex pixel-oriented ensemble method (POE) was used to solve the inverse, ill-posed problem transforming the input measurements into the tomographic output image pixels. The task of POE is to guarantee reconstructions of a quality that exceeds homogeneous algorithmic methods, no matter what other approaches are used. The presented research used four known, homogeneous machine learning methods: elastic net, linear regression with the least-squares learner (LR-LS), linear regression with SVM learner (LR-SVM) and artificial neural networks (ANN), which were trained to generate output images. All algorithms create pixel-by-pixel reconstructions, meaning that a separate predictive model is trained for each pixel. Then, using the POE algorithm, the best of the four reconstruction methods was adjusted to each pixel of the output image, taking into account the given measurement case. Each measurement results in a different assignment of reconstructive methods to pixels. Since POE can optimise the selection of a method for a given pixel taking into account a specific measurement vector, regardless of how many homogeneous methods will be included in the POE algorithm, the results obtained with POE will always exceed any of the homogeneous methods used. There is the fundamental novelty and original contribution of this research to the general state of knowledge.