Impact of the Radial basis function spread factor onto image reconstruction in electrical impedance tomography

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86096776" target="_blank" >RIV/61989100:27240/15:86096776 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1016/j.ifacol.2015.07.038" target="_blank" >http://dx.doi.org/10.1016/j.ifacol.2015.07.038</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.ifacol.2015.07.038" target="_blank" >10.1016/j.ifacol.2015.07.038</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Impact of the Radial basis function spread factor onto image reconstruction in electrical impedance tomography

Popis výsledku v původním jazyce

The major problem of the Electrical impedance tomography (EIT) is to get the resistivity distribution image of a given cross-sectional area. There are many methods solving this non-linear problem, mostly requiring certain simplifications and assumptions.Most of the methods are also computationally demanding and not easy to implement. The usage of the neural networks appears to be a solution of the mentioned problems. In this article we continued with our previous study and used Radial basis function (RBF) neural network for image reconstruction in electrical impedance tomography and we focused on examining how the change of the spread parameter of the RBF influences the result of the image reconstruction with the RBF neural network

Název v anglickém jazyce

Impact of the Radial basis function spread factor onto image reconstruction in electrical impedance tomography

Popis výsledku anglicky

The major problem of the Electrical impedance tomography (EIT) is to get the resistivity distribution image of a given cross-sectional area. There are many methods solving this non-linear problem, mostly requiring certain simplifications and assumptions.Most of the methods are also computationally demanding and not easy to implement. The usage of the neural networks appears to be a solution of the mentioned problems. In this article we continued with our previous study and used Radial basis function (RBF) neural network for image reconstruction in electrical impedance tomography and we focused on examining how the change of the spread parameter of the RBF influences the result of the image reconstruction with the RBF neural network

Druh

D - Stať ve sborníku

CEP obor

JB - Senzory, čidla, měření a regulace

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

IFAC Proceedings Volumes (IFAC-PapersOnline). Volume 48

ISBN

—

ISSN

1474-6670

e-ISSN

—

Počet stran výsledku

4

Strana od-do

230-233

Název nakladatele

IFAC

Místo vydání

London

Místo konání akce

Krakov

Datum konání akce

13. 5. 2015

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—