AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie
|
|
- Laura Czerwińska
- 4 lat temu
- Przeglądów:
Transkrypt
1 AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. Temat projektu: Określenie obecności i długości załamków EKG Spis treści: 1. ABSTRAKT WSTĘP KONCEPCJA PROPONOWANEGO ROZWIĄZANIA REZULTATY I WNIOSKI PODSUMOWANIE LITERATURA DODATEK A: OPIS OPRACOWANYCH NARZĘDZI I METODY POSTĘPOWANIA DODATEK B: REALIZACJA PROPONOWANEGO ROZWIĄZANIA DODATEK C. OPIS INFORMATYCZNY PROCEDUR DODATEK D. SPIS ZAWARTOŚCI DOŁĄCZONYCH NOŚNIKÓW (DYSKIETEK, CD ROMU). 8 Wykonali: Michał Henslok, Oskar Jankiewicz V rok IS konsultant: dr hab. inż. Piotr Augustyniak Wersja 1.0 Kraków, luty
2 1. Abstrakt Celem niniejszego projektu jest implementacja modułu systemu automatycznej analizy elektrokardiogramu. Moduł ma za zadanie wykrycie i zmierzenie załamków P i T w badanym odcinku. Istotność istnienia takiej cechy w systemie analizującym elektrokardiogram wynika z faktu wpływu zarówno istnienia (załamek P), jak i wartości załamków na możliwość detekcji choroby serca. -2-
3 2. Wstęp Założenia projektu Projekt zakłada zrealizowanie skutecznego algorytmu umożliwiającego wykrycie, a następnie zmierzenie wartości załamków T oraz P w badanym odcinku EKG. Wyniki detekcji zwracane są do odpowiednich pól struktury współdzielonej z innymi modułami. Analiza literaturowa pokazuje zbliżone podejście do problemu detekcji załamków P i T, jako zdarzeń występujących w próbce w określonej odległości od zespołu QRS. W [1] zaproponowany algorytm analizuje obszar pozbawiony zespołów QRS, zakładając ich uprzednią poprawną identyfikacje. Następnie, spośród wyznaczonych kandydatów, na podstawie analizy odległości od początku i końca identyfikowane są załamki P i T. Nie jest to jednak rozwiązanie bezbłędne. Zakłada bowiem poprawną identyfikacje zespołów QRS, której błąd rzutuje zarówno na obszar poszukiwań, jak i przedziały czasowe do wyznaczenia załamków. Dodatkowo autorzy bardzo uproszczony sposób filtracji sygnału (średnia krocząca). Jeśli jednak wierzyć wynikom badań, wyniki tak opracowanej metody są bardziej niż zadowalające (96% załamek P, 98% załamek T). Inne podejście opisuje [2]. Autorzy używają sparametryzowanych modeli do wyznaczenia 5 załamków sygnału EKG (P, Q, R, S, T). Parametry określające wystąpienie poszczególnych załamków wykorzystywane są potem w modelowaniu sygnału za pomocą równania różniczkowego. Zaletą opisanego podejścia, wskazywaną przez autorów jest nieliniowa filtracja metodą najmniejszych kwadratów, która skutecznie eliminuje wszelkie zniekształcenia sygnału. Filtracja ta skuteczna jest także w przypadku nagłych szumów spowodowanych np. przemieszczeniem się elektrody. Kolejnym uniwersalnym w rozumieniu rodzaju identyfikowanego załamka podejściem w [3] jest iteracyjne przeszukiwanie sygnału w zależności od zmian wartości w stosunku do izolinii. Wykrywany jest punkt początkowy zespołu/załamka, a następnie dzięki zastosowaniu określonych odpowiednio funkcji przyspieszenia próbuje się zlokalizować w próbce sygnału wartości przekraczające wyznaczony próg, co stanowi o pozycji szukanego znacznika. Dla różnych załamków zarówno wzory na funkcje przyspieszenia, jak i regiony poszukiwań (interwały czasowe) będą się różnić. 3. Koncepcja proponowanego rozwiązania Przy wykorzystaniu metody opisanej w [3] możliwe jest skuteczne określenie położenia i wartości załamków T i P. Schemat rozwiązania polegać będzie na zidentyfikowaniu trzech punktów P onset, P end oraz T end. Zakłada się, że załamek T istnieje zawsze po zespole QRS, dlatego pomija się punkt -3-
4 początkowy T. Istotnym elementem algorytmu jest dobór odcinka dla detekcji załamków i wartość izolinii. Po określeniu poziomu odniesienia dla końca zespołu QRS (obniżony odcinek ST) poszukiwane jest ekstremum. Po znalezieniu ekstremum porównywany jest poziom minimum lokalnego z wartością izolinii i ewentualnie odszukanie kolejnego maksimum dla przypadku dwufazowego odcinka T. W takim przypadku rozpoczynane jest poszukiwanie punktu T end rozpoczynając od minimum lokalnego następującego później w czasie. Bada się próbki o określonej wartości funkcji przyspieszenia i wartości porównuje z odniesieniem w postaci izolinii. Odniesienie będzie w izolinii kolejnej ewolucji ok. 400 ms przed wyznaczonym zespołem QRS. Poszukiwania punktu T end gdy nie wykryto dwufazowego odcinka T rozpoczynane są ok. 190 ms od końca zespołu QRS (ok. 80 ms odcinka ST i ok. 110 ms czas trwania załamka T). Wyznaczanie załamka P rozpoczyna się od wyznaczenia punktu P onset, który powinien znajdować się ok. 180 ms przed wyznaczonym punktem QRS onset. Składa się na to czas trwania samego załamka oraz odcinka PQ. Dla odcinka ok. 240 ms od punktu QRS onset rozpoczyna się wyznaczanie poziomu izolinii. Następnie dla kolejnych punktów na osi czasu mierzone jest przyspieszenie i za kolejne przybliżenie punktu P onset uznawany jest punkt o wartości przyspieszenia większej od progu. Istnieje sytuacja nie znalezienia takiego punktu, wtedy próg jest obniżany i proces przeprowadzany na nowo. Dla poziomu progu odpowiednio niskiego i nie znalezieniu punktu P onset algorytm jest przerywany z wiadomością, że nie udało się znaleźć załamka P. Punkt P end wyznaczany jest w podobny sposób jak T end wyznaczając poziom izolinii w próbkach ok. 60 ms przed początkiem zespołu QRS i szukając minimum odpowiadającemu zbliżonej wartości izolinii od punktów znajdujących się 130 ms wcześniej, niż początek zespołu QRS. 4. Rezultaty i wnioski Przedstawiona metoda rozwiązania problemu umożliwia znalezienie załamków T i P w sygnale elektrokardiograficznym z wyznaczonymi zespołami QRS. W stosunkowo prostym algorytmie w oparciu o zależności występowania określonych zdarzeń w elektrokardiogramie. Głównym wnioskiem po wykonaniu projektu jest pewna niedokładność detekcji z uwagi na charakterystykę sygnału badanego. Dla próbkowania 128 Hz kolejne próbki oddalone są od siebie o ponad 7 ms. Z charakterystyki algorytmu wynika więc podatność na niedokładność w obszarze kandydatów. Dla kolejnej po badanej próbce, przy przekroczeniu odpowiedniego progu wartości izolinii klasyfikowana jest próbka oddalona od faktycznego początku załamka albo w kierunku izolinii, albo w kierunku zbocza załamka. -4-
5 5. Podsumowanie Dzięki zastosowaniu modularyzacji analizy elektrokardiogramu możliwe jest łatwiejsze wyznaczanie cech sygnału w oparciu o wyniki analizy w poprzednich krokach. Dlatego w projekcie posłużono się wyznaczonymi punktami detekcji zespołów QRS, aby znaleźć korespondujące z nimi, na podstawie zależności czasowych, załamki T i P. Z uwagi na proste kryterium poszukiwania kandydatów na załamki (czas) próbowano uchronić się przed podatnością na anomalie dobierając odpowiednio większe zakresy do poszukiwania. Algorytm wykrywania załamka T nie uwzględnia sytuacji dwufazowego załamka T, co stanowi może być tematem kolejnego etapu rozwoju programu. Dodatkową możliwością rozwoju jest odpowiednie sparametryzowanie przeszukiwanych obszarów pliku wejściowego w zależności od zadanej częstotliwości próbkowania sygnału. Obecnie wartości dobrane są ręcznie. 6. Literatura [1] IJCSNS International Journal of Computer Science and Network Security, VOL.8 No.2, February 2008; V.S. Chouhan, S.S. Mehta; Threshold-based Detection of P and T-wave in ECG using New Feature Signal [2] GD Clifford, A Shoeb, PE McSharry, BA Janz; Model-based filtering, compression and classification of the ECG [3] Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków 2001; Piotr Augustyniak; Przetwarzanie sygnałów elektrodiagnostycznych 7. DODATEK A: Opis opracowanych narzędzi i metody postępowania Uruchomienie programu odbywa się poprzez sparametryzowane uruchomienie pliku wykonywalnego. Dostępne parametry to: Rodzaj załamka T lub P (obowiązkowy) Plik wejściowy w formacie DCM (obowiązkowy) Plik wyjściowy w formie tekstowej (opcjonalny) Oprócz pliku wejściowego w katalogu z plikiem wykonywalnym powinien znaleźć się plik qrs_attr.out, zawierający wykryte zespoły QRS. -5-
6 8. DODATEK B: Realizacja proponowanego rozwiązania Projekt został wykonany w języku programowania C w systemie Windows przy użyciu pakietu Visual Studio Ogólny zarys rozwiązania przedstawia się następująco: Z pliku pomocniczego qrs_attr.out wczytywane są wykryte w sygnale badanym zespoły QRS. Dla każdego wykrytego zespołu QRS przeprowadzane jest pobranie części sygnału, występującego w pewnej zależności od punktu detekcji zespołu. Dla załamka P jest to ok 240 ms, czyli 30 próbek wcześniej, niż punkt detekcji. Dla załamka T pobierane jest 30 próbek po punkcie detekcji zespołu. Po pobraniu próbek wyznaczany jest poziom izolinii dla każdego punktu wykrywanego, Ponset, Pend, Tend. Dla Ponest jest to pierwsze 30 ms pobranego sygnału. Dla Pend jest to ok 30 ms w odległości 60 ms od punktu detekcji QRS. Dla Tend jest to albo 30 ms w odległości 400 ms przed punktem detekcji QRS następnej ewolucji lub 30 ms w odległości ponad 300 ms(później) od QRS, jeśli to ostatnia ewolucja w sygnale. Dla wyznaczonego poziomu izolinii przeprowadzana jest iteracja wstecz lub naprzód, w zależności od badanego punktu. Kandydatem na określony punkt jest ten indeks próbki, dla którego wartości sygnału przekracza zadany próg wynoszący 150% wartości izolinii oraz kolejne charakteryzuje się przyrostem wartości w kolejnych próbkach. Jeśli punkt taki nie zostanie znaleziony, próg obniża się o 10 pkt. % i ponawia iterację. Wyniki jako punkty detekcji zapisywane są do tablicy struktury odpowiedniej dla danego załamka, zawierającej indeksy próbek wyznaczonych punktów w sygnale. Wyliczenie indeksu odbywa się poprzez dodanie lub odjęcie od indeksu próbki z zespołem QRS indeksu próbki analizowanej części sygnału. -6-
7 9. DODATEK C. Opis informatyczny procedur /* struct T_ATTR* detect_t Przeznaczenie wykrycie załamków T w zadanym sygnale. Argumenty: (I)char* filename - nazwa pliku z analizowanym sygnałem, format DCM (O)int& size - ilość wierszy - rozmiar tablicy struktury, ilość zespółów QRS Funkcja zwraca: Tablica struktury T_ATTR z wyznaczonymi punktami Tend Uzywane funkcje: read_qrs - wczytanie zespołów QRS do tablicy struktury QRS_ATTR read_file - wczytanie określonej ilości próbek z sygnału badanego Uzywane zmienne: char *REF_INPUT - nazwa pliku referencyjnego z wykrytymi zespołami qrs int CHANNEL_NUMBER - liczba kanałów w sygnale wejściowym nagłówek - qrs_waves.h */ /* struct P_ATTR* detect_p Przeznaczenie wykrycie załamków T w zadanym sygnale. Argumenty: (I)char* filename - nazwa pliku z analizowanym sygnałem, format DCM (O)int& size - ilość wierszy - rozmiar tablicy struktury, ilość zespółów QRS Funkcja zwraca: Tablica struktury P_ATTR z wyznaczonymi punktami Ponset i Pend Uzywane funkcje: read_qrs - wczytanie zespołów QRS do tablicy struktury QRS_ATTR read_file - wczytanie określonej ilości próbek z sygnału badanego Uzywane zmienne: char *REF_INPUT - nazwa pliku referencyjnego z wykrytymi zespołami qrs int CHANNEL_NUMBER - liczba kanałów w sygnale wejściowym nagłówek - qrs_waves.h */ /* struct QRS_ATTR* read_qrs Pobranie do struktury danych z pliku qrs_attr.out Argumenty: (I)char* filename - nazwa pliku z analizowanym sygnałem, format DCM (O)int& linescount - ilość wierszy - rozmiar tablicy struktury, ilość zespółów QRS Funkcja zwraca: Tablica struktury QRS_ATTR z wyznaczonymi polami, interesujący jest głównie DetPt Uzywane funkcje: get_lines_count - zwraca ilosc wierszy w pliku tekstowym Uzywane zmienne: nagłówek - qrs_attr.h */ -7-
8 10. DODATEK D. Spis zawartości dołączonych nośników (dyskietek, CD ROMu) SRC projekt programu Visual Studio EXE program wykonywalny DOC - tekst raportu w postaci elektronicznej (MS WORD oraz PDF). TEST testowy plik DCM z korespondującym plikiem qrs_attr.out -8-
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. PR04307 Temat projektu:
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. Temat projektu: Obliczenie
Bardziej szczegółowo1.ABSTRAKT REZULTATY I WNIOSKI PODSUMOWANIE LITERATURA...5 DODATEK C. OPIS INFORMATYCZNY PROCEDUR... 7
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. Temat projektu: Klasyfikacja
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów. Temat projektu: Klasyfikacja zespołów QRS Spis treści: 1.
Bardziej szczegółowoAutomatyczna klasyfikacja zespołów QRS
Przetwarzanie sygnałów w systemach diagnostycznych Informatyka Stosowana V Automatyczna klasyfikacja zespołów QRS Anna Mleko Tomasz Kotliński AGH EAIiE 9 . Opis zadania Tematem projektu było zaprojektowanie
Bardziej szczegółowo3. KONCEPCJA PROPONOWANEGO ROZWIĄZANIA...6 7. DODATEK A: OPIS OPRACOWANYCH NARZĘDZI I METODY POSTĘPOWANIA...10
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. ST_ANA Temat projektu:
Bardziej szczegółowo1. ABSTRAKT REZULTATY I WNIOSKI PODSUMOWANIE LITERATURA DODATEK C: OPIS INFORMATYCZNY PROCEDUR...
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. Temat projektu: Wyznaczanie
Bardziej szczegółowoRAPORT KOŃCOWY 3. KONCEPCJA PROPONOWANEGO ROZWIĄZANIA DODATEK A: OPIS OPRACOWANYCH NARZĘDZI I METODY POSTĘPOWANIA... 14
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. Temat projektu: Określenie
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoDetekcja zespołów QRS w sygnale elektrokardiograficznym
Detekcja zespołów QRS w sygnale elektrokardiograficznym 1 Wprowadzenie Zadaniem algorytmu detekcji zespołów QRS w sygnale elektrokardiograficznym jest określenie miejsc w sygnale cyfrowym w których znajdują
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. Temat projektu: Detekcja
Bardziej szczegółowoZastosowanie Informatyki w Medycynie
Zastosowanie Informatyki w Medycynie Dokumentacja projektu wykrywanie bicia serca z sygnału EKG. (wykrywanie załamka R) Prowadzący: prof. dr hab. inż. Marek Kurzyoski Grupa: Jakub Snelewski 163802, Jacek
Bardziej szczegółowoDetekcja zmienności rytmu serca
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Temat projektu: Przetwarzanie sygnałów w systemach diagnostyki medycznej PR04307
Bardziej szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Bardziej szczegółowoTom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania
Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 21 maja 2012 Historia dokumentu
Bardziej szczegółowoTom 6 Opis oprogramowania
Część 9 Narzędzie do wyliczania wskaźników statystycznych Diagnostyka Stanu Nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 31 maja 2012 Historia dokumentu Nazwa dokumentu Nazwa
Bardziej szczegółowoAkademia Górniczo - Hutnicza im. Stanisława Staszica w Krakowie. Projekt. z przedmiotu Analiza i Przetwarzanie Obrazów
30 czerwca 2015 Akademia Górniczo - Hutnicza im. Stanisława Staszica w Krakowie Projekt z przedmiotu Analiza i Przetwarzanie Obrazów Wykrywanie tablic rejestracyjnych Jagieła Michał IS (GKiPO) Michał Jagieła
Bardziej szczegółowoAKADEMIA GÓRNICZO HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE. Międzywydziałowa Szkoła Inżynierii Biomedycznej. Raport końcowy projektu
AKADEMIA GÓRNICZO HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE Międzywydziałowa Szkoła Inżynierii Biomedycznej Raport końcowy projektu Detekcja i synchronizacja reprezentacji uderzeń serca (zespołu QRS)
Bardziej szczegółowoTablice i struktury. czyli złożone typy danych. Programowanie Proceduralne 1
Tablice i struktury czyli złożone typy danych. Programowanie Proceduralne 1 Tablica przechowuje elementy tego samego typu struktura jednorodna, homogeniczna Elementy identyfikowane liczbami (indeksem).
Bardziej szczegółowoAlgorytm. a programowanie -
Algorytm a programowanie - Program komputerowy: Program komputerowy można rozumieć jako: kod źródłowy - program komputerowy zapisany w pewnym języku programowania, zestaw poszczególnych instrukcji, plik
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie QRS_DET. Spis treści. WEAIiE, Katedra Automatyki. Laboratorium Biocybernetyki
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej Temat: Detekcja i synchronizacja
Bardziej szczegółowoPodstawy Automatyki. Wykład 7 - obiekty regulacji. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki
Wykład 7 - obiekty regulacji Instytut Automatyki i Robotyki Warszawa, 2018 Obiekty regulacji Obiekt regulacji Obiektem regulacji nazywamy proces technologiczny podlegający oddziaływaniu zakłóceń, zachodzący
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY
METODY INŻYNIERII WIEDZY Metoda K Najbliższych Sąsiadów K-Nearest Neighbours (KNN) ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoP R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H
W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania
Bardziej szczegółowoPL B1. Układ do przetwarzania interwału czasu na słowo cyfrowe metodą kompensacji wagowej
PL 227455 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 227455 (13) B1 Urząd Patentowy Rzeczypospolitej Polskiej (21) Numer zgłoszenia: 413964 (22) Data zgłoszenia: 14.09.2015 (51) Int.Cl.
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY
METODY INŻYNIERII WIEDZY Metoda K Najbliższych Sąsiadów K-Nearest Neighbours (KNN) ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoPL B1. Sposób i układ pomiaru całkowitego współczynnika odkształcenia THD sygnałów elektrycznych w systemach zasilających
RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 210969 (13) B1 (21) Numer zgłoszenia: 383047 (51) Int.Cl. G01R 23/16 (2006.01) G01R 23/20 (2006.01) Urząd Patentowy Rzeczypospolitej Polskiej (22)
Bardziej szczegółowoUkłady VLSI Bramki 1.0
Spis treści: 1. Wstęp... 2 2. Opis edytora schematów... 2 2.1 Dodawanie bramek do schematu:... 3 2.2 Łączenie bramek... 3 2.3 Usuwanie bramek... 3 2.4 Usuwanie pojedynczych połączeń... 4 2.5 Dodawanie
Bardziej szczegółowoQualitySpy moduł reports
QualitySpy moduł reports Testy akceptacyjne dla przypadku użycia: Pobranie metryk produktu w wybranym formacie dla wybranch wersji przez interfejs REST Nazwa pliku: /QualitySpy/modules/qualityspyreports/src/test/java/pl/wroc/pwr/qualityspy/reports
Bardziej szczegółowoElektrokardiografia dla informatyka-praktyka / Piotr Augustyniak. Kraków, Spis treści Słowo wstępne 5
Elektrokardiografia dla informatyka-praktyka / Piotr Augustyniak. Kraków, 2011 Spis treści Słowo wstępne 5 1. Wprowadzenie 15 1.A Przetwarzanie sygnałów elektrodiagnostycznych profesjonalizm i pasja 15
Bardziej szczegółowo1. ABSTRAKT WSTĘP KONCEPCJA PROPONOWANEGO ROZWIĄZANIA REZULTATY I WNIOSKI PODSUMOWANIE LITERATURA...
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Dedykowane algorytmy diagnostyki medycznej. Temat projektu: Detekcja zmienności
Bardziej szczegółowoObliczenie azymutów ze współrzędnych punktów tablica struktur punktów, tablica struktur azymutów
Obliczenie azymutów ze współrzędnych punktów tablica struktur punktów, tablica struktur azymutów Pojęcie azymutu w geodezji Azymut jest to kąt mierzony od kierunku północy (osi X) zgodnie z ruchem wskazówek
Bardziej szczegółowo2.2 Opis części programowej
2.2 Opis części programowej Rysunek 1: Panel frontowy aplikacji. System pomiarowy został w całości zintegrowany w środowisku LabVIEW. Aplikacja uruchamiana na komputerze zarządza przebiegiem pomiarów poprzez
Bardziej szczegółowo1. ABSTRAKT WSTĘP KONCEPCJA PROPONOWANEGO ROZWIĄZANIA... 6
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Dedykowane algorytmy diagnostyki medycznej. ST_ana Temat projektu: Detekcja symptomów
Bardziej szczegółowoPrzywracanie parametrów domyślnych. Przycisnąć przycisk STOP przez 5 sekund. Wyświetlanie naprzemienne Numer parametru Wartość parametru
Zadanie 1 Przywracanie parametrów domyślnych. Przycisnąć przycisk STOP przez 5 sekund. 5 Sekund = nie GOTOWY Wyświetlanie naprzemienne Numer parametru Wartość parametru 1 1 2009 Eaton Corporation. All
Bardziej szczegółowoInstrukcja użytkownika ARSoft-WZ3
02-699 Warszawa, ul. Kłobucka 8 pawilon 119 tel. 0-22 853-48-56, 853-49-30, 607-98-95 fax 0-22 607-99-50 email: info@apar.pl www.apar.pl Instrukcja użytkownika ARSoft-WZ3 wersja 1.5 1. Opis Aplikacja ARSOFT-WZ3
Bardziej szczegółowoPOMIAR CHWILOWEGO PASMA SYGNAŁU EKG Z ESTYMACJĄ SZUMÓW W ZAKRESIE NISKICH CZĘSTOTLIWOŚCI
II Sympozjum Modelowanie i Pomiary w Medycynie 8-12 maja 2000r., Krynica Górska POMIAR CHWILOWEGO PASMA SYGNAŁU EKG Z ESTYMACJĄ SZUMÓW W ZAKRESIE NISKICH CZĘSTOTLIWOŚCI Piotr Augustyniak 1 STRESZCZENIE
Bardziej szczegółowoZasady programowania Dokumentacja
Marcin Kędzierski gr. 14 Zasady programowania Dokumentacja Wstęp 1) Temat: Przeszukiwanie pliku za pomocą drzewa. 2) Założenia projektu: a) Program ma pobierać dane z pliku wskazanego przez użytkownika
Bardziej szczegółowoOCENA GĘSTOŚCI INFORMACYJNEJ ELEKTROKARDIOGRAMU METODĄ ELIMINACJI WSPÓŁCZYNNIKÓW FALKOWYCH
II Sympozjum Modelowanie i Pomiary w Medycynie 8-12 maja 2000r., Krynica Górska OCENA GĘSTOŚCI INFORMACYJNEJ ELEKTROKARDIOGRAMU METODĄ ELIMINACJI WSPÓŁCZYNNIKÓW FALKOWYCH Piotr Augustyniak 1 STRESZCZENIE
Bardziej szczegółowo1. Regulatory ciągłe liniowe.
Laboratorium Podstaw Inżynierii Sterowania Ćwiczenie: Regulacja ciągła PID 1. Regulatory ciągłe liniowe. Zadaniem regulatora w układzie regulacji automatycznej jest wytworzenie sygnału sterującego u(t),
Bardziej szczegółowoPOMIAR CZĘSTOTLIWOŚCI NAPIĘCIA W URZĄDZENIACH AUTOMATYKI ELEKTROENERGETYCZNEJ
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 63 Politechniki Wrocławskiej Nr 63 Studia i Materiały Nr 9 9 Piotr NIKLAS* pomiar częstotliwości, składowe harmoniczne, automatyka elektroenergetyczna
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
Bardziej szczegółowoQT_DISP. AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie. WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Przetwarzanie sygnałów w systemach diagnostyki medycznej. Temat projektu: Obliczenie
Bardziej szczegółowoModelowanie glikemii w procesie insulinoterapii
Dawid Kaliszewski Modelowanie glikemii w procesie insulinoterapii Promotor dr hab. inż. Zenon Gniazdowski Cel pracy Zbudowanie modelu predykcyjnego przyszłych wartości glikemii diabetyka leczonego za pomocą
Bardziej szczegółowoTom 6 Opis oprogramowania
Część 4 Narzędzie do wyliczania wielkości oraz wartości parametrów stanu Diagnostyka stanu nawierzchni - DSN Generalna Dyrekcja Dróg Krajowych i Autostrad Warszawa, 30 maja 2012 Historia dokumentu Nazwa
Bardziej szczegółowoPL B1. Układ do pośredniego przetwarzania chwilowej wielkości napięcia elektrycznego na słowo cyfrowe
PL 227456 B1 RZECZPOSPOLITA POLSKA (12) OPIS PATENTOWY (19) PL (11) 227456 (13) B1 Urząd Patentowy Rzeczypospolitej Polskiej (21) Numer zgłoszenia: 413967 (22) Data zgłoszenia: 14.09.2015 (51) Int.Cl.
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
www.math.uni.lodz.pl/ radmat Przeszukiwanie z ograniczeniami Zagadnienie przeszukiwania z ograniczeniami stanowi grupę problemów przeszukiwania w przestrzeni stanów, które składa się ze: 1 skończonego
Bardziej szczegółowoCIĄGŁY MODEL SZUMU ELEKTROKARDIOGRAMU W DZIEDZINIE CZASOWO-CZĘSTOTLIWOŚCIOWEJ
V Krajowa Konferencja "Modelowanie Cybernetyczne Systemów Biologicznych" Kraków 2000 CIĄGŁY MODEL SZUMU ELEKTROKARDIOGRAMU W DZIEDZINIE CZASOWO-CZĘSTOTLIWOŚCIOWEJ Piotr Augustyniak Katedra Automatyki AGH,
Bardziej szczegółowoĆwiczenie 4 - Badanie charakterystyk skokowych regulatora PID.
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie KATEDRA AUTOMATYKI LABORATORIUM Aparatura Automatyzacji Ćwiczenie 4. Badanie charakterystyk skokowych regulatora PID. Wydział EAIiE kierunek
Bardziej szczegółowoOprogramowanie Systemów Obrazowania SIECI NEURONOWE
SIECI NEURONOWE Przedmiotem laboratorium jest stworzenie algorytmu rozpoznawania zwierząt z zastosowaniem sieci neuronowych w oparciu o 5 kryteriów: ile zwierzę ma nóg, czy żyje w wodzie, czy umie latać,
Bardziej szczegółowoAKADEMIA GÓRNICZO HUTNICZA Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Katedra Elektroniki
AKADEMIA GÓRNICZO HUTNICZA Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Katedra Elektroniki Laboratorium Techniki Sensorowej Ćwiczenie nr 2 Badanie własności dynamicznych termopary OPIS
Bardziej szczegółowoWYMAGANIA EDUKACYJNE Z INFORMATYKI dla klasy III gimnazjalnej, Szkoły Podstawowej w Rychtalu
WYMAGANIA EDUKACYJNE Z INFORMATYKI dla klasy III gimnazjalnej, Szkoły Podstawowej w Rychtalu 1 Algorytmika i programowanie Rozwiązywanie problemów i podejmowanie decyzji z wykorzystaniem komputera, stosowanie
Bardziej szczegółowoInstrukcja obsługi Multiconverter 2.0
Instrukcja obsługi Multiconverter 2.0 Opis: Niniejsza instrukcja opisuje wymogi użytkowania aplikacji oraz zawiera informacje na temat jej obsługi. DHL Multiconverter powstał w celu ułatwienia oraz usprawnienia
Bardziej szczegółowoWskaźniki. Programowanie Proceduralne 1
Wskaźniki Programowanie Proceduralne 1 Adresy zmiennych Sterta 1 #include 2 3 int a = 2 ; 4 5 int main ( ) 6 { 7 int b = 3 ; 8 9 printf ( " adres zmiennej a %p\n", &a ) ; 10 printf ( " adres
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Bardziej szczegółowoĆWICZENIE nr 3. Badanie podstawowych parametrów metrologicznych przetworników analogowo-cyfrowych
Politechnika Łódzka Katedra Przyrządów Półprzewodnikowych i Optoelektronicznych WWW.DSOD.PL LABORATORIUM METROLOGII ELEKTRONICZNEJ ĆWICZENIE nr 3 Badanie podstawowych parametrów metrologicznych przetworników
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji Poszukiwanie minimum funkcji Foma kwadratowa Metody przybliżania minimum minimalizacja Minimalizacja w n wymiarach Metody poszukiwania minimum Otaczanie minimum Podział obszaru zawierającego
Bardziej szczegółowoTeraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1.
Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Grażyna Koba MIGRA 2019 Spis treści (propozycja na 2*32 = 64 godziny lekcyjne) Moduł A. Wokół komputera i sieci komputerowych
Bardziej szczegółowoPodstawy Przetwarzania Sygnałów
Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech
Bardziej szczegółowoELEMENTY AUTOMATYKI PRACA W PROGRAMIE SIMULINK 2013
SIMULINK część pakietu numerycznego MATLAB (firmy MathWorks) służąca do przeprowadzania symulacji komputerowych. Atutem programu jest interfejs graficzny (budowanie układów na bazie logicznie połączonych
Bardziej szczegółowo1 Powtórzenie wiadomości
1 Powtórzenie wiadomości Zadanie 1 Napisać program, który w trybie dialogu z użytkownikiem przyjmie liczbę całkowitą, a następnie wyświetli informację czy jest to liczba parzysta czy nieparzysta oraz czy
Bardziej szczegółowoINSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH
INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechnika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH BADANIE ZACHOWANIA SIĘ MATERIAŁÓW PODCZAS ŚCISKANIA Instrukcja przeznaczona jest dla studentów
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY
METODY INŻYNIERII WIEDZY WALIDACJA KRZYŻOWA dla ZAAWANSOWANEGO KLASYFIKATORA KNN ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoJednolity Plik Kontrolny w IFK
Strona 1 z 10 w IFK 1. Wersja programu INSIGNUM Finanse Księgowość (ifk) 17.2.0.xx 2. System operacyjny Windows 7 lub nowszy Program IFK umożliwia tworzenie i przesyłanie Jednolitych Plików Kontrolnych
Bardziej szczegółowoWykrywanie twarzy na zdjęciach przy pomocy kaskad
Wykrywanie twarzy na zdjęciach przy pomocy kaskad Analiza i przetwarzanie obrazów Sebastian Lipnicki Informatyka Stosowana,WFIIS Spis treści 1. Wstęp... 3 2. Struktura i funkcjonalnośd... 4 3. Wyniki...
Bardziej szczegółowoKlasa 2 INFORMATYKA. dla szkół ponadgimnazjalnych zakres rozszerzony. Założone osiągnięcia ucznia wymagania edukacyjne na. poszczególne oceny
Klasa 2 INFORMATYKA dla szkół ponadgimnazjalnych zakres rozszerzony Założone osiągnięcia ucznia wymagania edukacyjne na poszczególne oceny Algorytmy 2 3 4 5 6 Wie, co to jest algorytm. Wymienia przykłady
Bardziej szczegółowoAnaliza i przetwarzanie obrazów
Analiza i przetwarzanie obrazów Pomiar pulsu za pomocą kamery Autor: Krzysztof Skowronek Zawartość I. Założenia... 3 II. Realizacja... 3 III. Szczegóły implementacji... 4 IV. Interfejs... 5 V. Wyniki...
Bardziej szczegółowoRejestratory Sił, Naprężeń.
JAS Projektowanie Systemów Komputerowych Rejestratory Sił, Naprężeń. 2012-01-04 2 Zawartość Typy rejestratorów.... 4 Tryby pracy.... 4 Obsługa programu.... 5 Menu główne programu.... 7 Pliki.... 7 Typ
Bardziej szczegółowoModelowanie Data Mining na wielką skalę z SAS Factory Miner. Paweł Plewka, SAS
Modelowanie Data Mining na wielką skalę z SAS Factory Miner Paweł Plewka, SAS Wstęp SAS Factory Miner Nowe narzędzie do data mining - dostępne od połowy 2015 r. Aktualna wersja - 14.1 Interfejs webowy
Bardziej szczegółowoTranzystor bipolarny LABORATORIUM 5 i 6
Tranzystor bipolarny LABORATORIUM 5 i 6 Marcin Polkowski (251328) 10 maja 2007 r. Spis treści I Laboratorium 5 2 1 Wprowadzenie 2 2 Pomiary rodziny charakterystyk 3 II Laboratorium 6 7 3 Wprowadzenie 7
Bardziej szczegółowoAlgorytmika i pseudoprogramowanie
Przedmiotowy system oceniania Zawód: Technik Informatyk Nr programu: 312[ 01] /T,SP/MENiS/ 2004.06.14 Przedmiot: Programowanie Strukturalne i Obiektowe Klasa: druga Dział Dopuszczający Dostateczny Dobry
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoPraca dyplomowa. Program do monitorowania i diagnostyki działania sieci CAN. Temat pracy: Temat Gdańsk Autor: Łukasz Olejarz
Temat Gdańsk 30.06.2006 1 Praca dyplomowa Temat pracy: Program do monitorowania i diagnostyki działania sieci CAN. Autor: Łukasz Olejarz Opiekun: dr inż. M. Porzeziński Recenzent: dr inż. J. Zawalich Gdańsk
Bardziej szczegółowoWprowadzenie do uczenia maszynowego
Wprowadzenie do uczenia maszynowego Agnieszka Ławrynowicz 12 stycznia 2017 Co to jest uczenie maszynowe? dziedzina nauki, która zajmuje się sprawianiem aby komputery mogły uczyć się bez ich zaprogramowania
Bardziej szczegółowoz zapisu EKG 1. WSTĘP CELE PROJEKTU KONCEPCJA PROPONOWANEGO ROZWIĄZANIA... 8
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w Krakowie WEAIiE, Katedra Automatyki Laboratorium Biocybernetyki Przedmiot: Dedykowane algorytmy diagnostyki medycznej. QRS_AX Temat projektu: Określenie osi
Bardziej szczegółowoP.2.1 WSTĘPNA METODA OPISU I
1 S t r o n a P.2.1 WSTĘPNA METODA OPISU I ZNAKOWANIA DOKUMENTACJI MEDYCZNEJ W POSTACI ELEKTRONICZNEJ P.2. REKOMENDACJA OPISU I OZNAKOWANIA DOKUMENTACJI MEDYCZNEJ W POSTACI ELEKTRONICZNEJ 2 S t r o n a
Bardziej szczegółowoSzukanie rozwiązań funkcji uwikłanych (równań nieliniowych)
Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości
Bardziej szczegółowon, m : int; S, a, b : double. Gdy wartości sumy składowej nie można obliczyć, to przyjąć Sij = 1.03 Dla obliczenia Sij zdefiniować funkcję.
Zadania-6 1 Opracować program obliczający wartość sumy: S n m ai bj i 1 j 1 ln( bi j a) n, m : int; S, a, b : double Gdy wartości sumy składowej nie można obliczyć, to przyjąć Sij = 103 Dla obliczenia
Bardziej szczegółowoĆwiczenie 2 Numeryczna symulacja swobodnego spadku ciała w ośrodku lepkim (Instrukcja obsługi interfejsu użytkownika)
Ćwiczenie 2 Numeryczna symulacja swobodnego spadku ciała w ośrodku lepkim (Instrukcja obsługi interfejsu użytkownika) 1 1 Cel ćwiczenia Celem ćwiczenia jest rozwiązanie równań ruchu ciała (kuli) w ośrodku
Bardziej szczegółowoCyfrowe algorytmy sterowania AR S1 semestr 4 Projekt 4
Cyfrowe algorytmy sterowania AR S1 semestr 4 Projekt 4 MPC Sterowanie predykcyjne Cel: Poznanie podstaw regulacji predykcyjnej i narzędzi do badań symulacyjnych Wykonali: Konrad Słodowicz Patryk Frankowski
Bardziej szczegółowoSYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY. Autorzy: M. Lewicka, K. Stańczyk
SYSTEM BIOMETRYCZNY IDENTYFIKUJĄCY OSOBY NA PODSTAWIE CECH OSOBNICZYCH TWARZY Autorzy: M. Lewicka, K. Stańczyk Kraków 2008 Cel pracy projekt i implementacja systemu rozpoznawania twarzy, który na podstawie
Bardziej szczegółowoPodstawy elektrokardiografii część 1
Podstawy elektrokardiografii część 1 Dr med. Piotr Bienias Klinika Chorób Wewnętrznych i Kardiologii WUM Szpital Kliniczny Dzieciątka Jezus w Warszawie ELEKTROKARDIOGRAFIA metoda rejestracji napięć elektrycznych
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt
Bardziej szczegółowoPodstawy i języki programowania
Podstawy i języki programowania Laboratorium 1 - wprowadzenie do przedmiotu mgr inż. Krzysztof Szwarc krzysztof@szwarc.net.pl Sosnowiec, 16 października 2017 1 / 25 mgr inż. Krzysztof Szwarc Podstawy i
Bardziej szczegółowoInstrukcja obsługi DHL KONWERTER 1.6
Instrukcja obsługi DHL KONWERTER 1.6 Opis: Niniejsza instrukcja opisuje wymogi użytkowania aplikacji oraz zawiera informacje na temat jej obsługi. DHL Konwerter powstał w celu ułatwienia oraz usprawnienia
Bardziej szczegółowoLab 9 Podstawy Programowania
Lab 9 Podstawy Programowania (Kaja.Gutowska@cs.put.poznan.pl) Wszystkie kody/fragmenty kodów dostępne w osobnym pliku.txt. Materiały pomocnicze: Wskaźnik to specjalny rodzaj zmiennej, w której zapisany
Bardziej szczegółowoParametryzacja przetworników analogowocyfrowych
Parametryzacja przetworników analogowocyfrowych wersja: 05.2015 1. Cel ćwiczenia Celem ćwiczenia jest zaprezentowanie istoty działania przetworników analogowo-cyfrowych (ADC analog-to-digital converter),
Bardziej szczegółowoInformatyka klasa III Gimnazjum wymagania na poszczególne oceny
Informatyka klasa III Gimnazjum wymagania na poszczególne oceny Algorytmika i programowanie Rozwiązywanie problemów i podejmowanie decyzji z wykorzystaniem komputera, stosowanie podejścia algorytmicznego
Bardziej szczegółowoProste algorytmy w języku C
Proste algorytmy w języku C Michał Rad AGH Laboratorium Maszyn Elektrycznych 2016-12-01 Outline Język C Zadanie pierwsze - obliczanie miejsc zerowych wielomianu Zadanie drugie - znajdowanie największego
Bardziej szczegółowoLab 10. Funkcje w argumentach funkcji metoda Newtona. Synonimy nazw typów danych. Struktury. Tablice struktur.
Języki i paradygmaty programowania 1 studia stacjonarne 2018/19 Lab 10. Funkcje w argumentach funkcji metoda Newtona. Synonimy nazw typów danych. Struktury. Tablice struktur. 1. Identyfikator funkcji,
Bardziej szczegółowoWprowadzenie do programowania
do programowania ITA-104 Wersja 1 Warszawa, Wrzesień 2009 ITA-104 do programowania Informacje o kursie Zakres tematyczny kursu Opis kursu Kurs przeznaczony jest do prowadzenia przedmiotu do programowania
Bardziej szczegółowoSystem detekcji i analizowania osobliwości w sygnale cyfrowym
System detekcji i analizowania osobliwości w sygnale cyfrowym Wydział Informatyki, Politechnika Białostocka dr hab. inż. Waldemar Rakowski, prof. ndzw. dr inż. Paweł Tadejko inż. Michał Januszewski /4/20
Bardziej szczegółowoOprogramowanie Analizy Elektrokardiogramów dla Nauki i Edukacji
Oprogramowanie Analizy Elektrokardiogramów dla Nauki i Edukacji Piotr Augustyniak Katedra Automatyki AGH, Kraków 30-059 Kraków, Mickiewicza 30, august@agh.edu.pl Streszczenie: Praca przedstawia przybornik
Bardziej szczegółowoP R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H
W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania
Bardziej szczegółowoWYMAGANIA EDUKACYJNE
GIMNAZJUM NR 2 W RYCZOWIE WYMAGANIA EDUKACYJNE niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z INFORMATYKI w klasie II gimnazjum str. 1 1. Algorytmika i programowanie
Bardziej szczegółowoZaawansowane algorytmy DSP
Zastosowania Procesorów Sygnałowych dr inż. Grzegorz Szwoch greg@multimed.org p. 732 - Katedra Systemów Multimedialnych Zaawansowane algorytmy DSP Wstęp Cztery algorytmy wybrane spośród bardziej zaawansowanych
Bardziej szczegółowoPodstawy informatyki. Informatyka stosowana - studia niestacjonarne. Grzegorz Smyk. Wydział Inżynierii Metali i Informatyki Przemysłowej
Podstawy informatyki Informatyka stosowana - studia niestacjonarne Grzegorz Smyk Wydział Inżynierii Metali i Informatyki Przemysłowej Akademia Górniczo Hutnicza im. Stanisława Staszica w Krakowie, rok
Bardziej szczegółowoSpis treści INTERFEJS (WEBSERVICES) - DOKUMENTACJA TECHNICZNA 1
I N T E R F E J S W E BSERVICES NADAWANIE PAKIETÓW D O S Y S T EMU MKP PRZEZ I N TERNET D O K U M E N T A C J A T E C H N I C Z N A P A Ź D Z I E R N I K 2 0 1 6 Spis treści 1. Wstęp... 2 2. Informacje
Bardziej szczegółowoPolitechnika Białostocka Wydział Elektryczny Katedra Automatyki i Elektroniki
Politechnika Białostocka Wydział Elektryczny Katedra Automatyki i Elektroniki ĆWICZENIE Nr 1 (3h) Wprowadzenie do obsługi platformy projektowej Quartus II Instrukcja pomocnicza do laboratorium z przedmiotu
Bardziej szczegółowo