Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Testing of Sensor Condition Using Gaussian Mixture Model

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F14%3A00431247" target="_blank" >RIV/67985556:_____/14:00431247 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/48361143:_____/14:#0000022

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Testing of Sensor Condition Using Gaussian Mixture Model

  • Popis výsledku v původním jazyce

    The paper describes a method of sensor condition testing based on processing of data measured by the sensor using a Gaussian mixture model with dynamic weights. The procedure is composed of two steps, off-line and on-line. In off-line stage, fault-free learning data are processed and described by a probabilistic mixture of regressive models (mixture components) including a transition table between active components. It is assumed that each component characterises one property of data dynamics and just one component is active in each time instant. In on-line stage, tested data are used for transition table estimation compared with the fault-free transition table. The crossing of given level of difference announces a possible fault.

  • Název v anglickém jazyce

    Testing of Sensor Condition Using Gaussian Mixture Model

  • Popis výsledku anglicky

    The paper describes a method of sensor condition testing based on processing of data measured by the sensor using a Gaussian mixture model with dynamic weights. The procedure is composed of two steps, off-line and on-line. In off-line stage, fault-free learning data are processed and described by a probabilistic mixture of regressive models (mixture components) including a transition table between active components. It is assumed that each component characterises one property of data dynamics and just one component is active in each time instant. In on-line stage, tested data are used for transition table estimation compared with the fault-free transition table. The crossing of given level of difference announces a possible fault.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/7D12004" target="_blank" >7D12004: Pravděpodobnostní monitor distribuovaného průmyslového systému</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 11th International Conference on Informatics in Control, Automation and Robotics

  • ISBN

    978-989-758-039-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    9

  • Strana od-do

    550-558

  • Název nakladatele

    SCITEPRESS ? Science and Technology Publications

  • Místo vydání

    Portugal

  • Místo konání akce

    Vien

  • Datum konání akce

    1. 9. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku