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

MNiSW
200
konferencja
Status:
Autorzy: Kulisz Monika, Kłosowski Grzegorz, Rymarczyk Tomasz, Niderla Konrad, Bednarczuk Piotr
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 520 - 521
Scopus® Cytowania: 0
Bazy: Scopus | dblp
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 21st ACM Conference on Embedded Networked Sensor Systems
Skrócona nazwa konferencji: 21st SenSys 2023
URL serii konferencji: LINK
Termin konferencji: 12 listopada 2023 do 17 listopada 2023
Miasto konferencji: Istanbul
Państwo konferencji: TURCJA
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 26 kwietnia 2024
Abstrakty: angielski
This study aims to improve the resolution of reconstructed images from industrial ultrasonic tomography (UST) by determining the most effective neural network structure for solving the inverse problem based on the measurements taken. The study analyzed three types of neural networks: Artificial Neural Networks, Convolutional Neural Networks (CNNs) and a hybrid of CNNs and Long Short-Term Memory networks (LSTM). After evaluating the reconstructions and quality indicators, the CNN-LSTM combination provided the most accurate image reconstructions of the industrial ultrasound tomography, highlighting the importance of selecting an appropriate neural network to improve the resolution of the reconstructed images.