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”

Nový přístup k detekci neočekávaných hodnot v biosignálech

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F13%3A00212024" target="_blank" >RIV/68407700:21220/13:00212024 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://stc.fs.cvut.cz/pdf13/2609.pdf" target="_blank" >http://stc.fs.cvut.cz/pdf13/2609.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Nový přístup k detekci neočekávaných hodnot v biosignálech

  • Popis výsledku v původním jazyce

    Práce navazuje na původní vývoj adaptivní metodiky vyhodnocování komplexních dynamických systémů, zavedené na Ústavu přístrojové a řídící techniky, ČVUT FS. Oproti známým metodám zde rozvíjený přístup je založen na okamžitém vyhodnocování každé nově naměřené hodnoty vzhledem ke konzistenci s dočasnou dynamikou systému a bez nutnosti použití historie signálu. V porovnání s původní vyvíjenou metodikou Adaptivního grafu je zde představovaná metoda zjednoduššená a využivá vyhodnocení okamžité chyby predikcespolu s informací o chování systému, která je ukládána v adaptovatelných parametrech kognitivního prediktivního modelu. Potenciál této metody je demonstrován na reálném signálu EKG.

  • Název v anglickém jazyce

    New Approach to Novelty Detection in Biological Time Series

  • Popis výsledku anglicky

    This paper introduces a novel approach to novelty detection of every individual sample of datain a time series. The novelty detection is based on the knowledge learned by neural networks and the consistency of data with contemporary governing law. In particular, the relationship of prediction error with the adaptive weight increments by gradient decent is shown, as the modification of the recently introduced adaptive approach of novelty detection. Static and dynamic neural network models are shown on theoretical data as well as on a real ECG signal.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2013

  • 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

    Studentská tvůrčí činnost 2013

  • ISBN

    978-80-01-05232-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    11

  • Strana od-do

  • Název nakladatele

    České vysoké učení technické v Praze, Fakulta strojní

  • Místo vydání

    Praha

  • Místo konání akce

    Praha

  • Datum konání akce

    9. 4. 2013

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku