POLITECHNIKA CZĘSTOCHOWSKA Wydział Inżynierii Mechanicznej i Informatyki Instytut Informatyki Teoretycznej i Stosowanej

Wielkość: px
Rozpocząć pokaz od strony:

Download "POLITECHNIKA CZĘSTOCHOWSKA Wydział Inżynierii Mechanicznej i Informatyki Instytut Informatyki Teoretycznej i Stosowanej"

Transkrypt

1 POLITECHNIKA CZĘSTOCHOWSKA Wydział Inżynieii Mechanicznej i Infomatyki Instytut Infomatyki Teoetycznej i Stosowanej Mg inż. Maiusz KUBANEK METODA ROZPOZNAWANIA AUDIO-WIDEO MOWY POLSKIEJ W OPARCIU O UKRYTE MODELE MARKOWA PRACA DOKTORSKA Pomoto Pof. d hab. inż. Leonid Kompanets Częstochowa, 2005

2 SPIS TREŚCI. FORMUŁOWANIE PROBLEMU ROZPOZNAWANIA AUDIO-WIDEO MOWY POLSKIEJ Specyficzne cechy audio-wideo mowy jako obiekt do ozpoznawania Pzegląd analityczny metod ozpoznawania audio-wideo mowy Cel i teza pacy, bonione ozwiązania naukowe SZKIC METODY AV_Mowa_PL Wymagania funkcjonalne do opacowania metody AV_Mowa_PL Specyfika podstawowych infomacyjnych pocedu metody Poponowane sposoby fuzji chaakteystyk audio-wideo sygnałów TWORZENIE WEKTORÓW OBSERWACJI SYGNAŁU AUDIO MOWY Zasady twozenia wektoów obsewacji sygnału mowy Poponowane metody ES i CZS do definiowania słów izolowanych Specyfika kodowania sygnału mowy w postaci cepstum Kwantyzacja wektoowa cepstum za pomocą algoytmu Lloyda OSOBLIWOŚCI STOSOWANIA UKRYTYCH MODELI MARKOWA W METODZIE AV_Mowa_PL Wybó stuktuy i paametów ukytych modeli Makowa dla ozpoznawania audiowideo mowy polskiej Algoytm Vitebiego do inicjowania wstępnych paametów modeli Algoytm Bauma-Welcha do eestymacji paametów modeli Specyfika estymacji paametów ukytych modeli Makowa TWORZENIE WEKTORÓW OBSERWACJI SYGNAŁU AUDIO-WIDEO MOWY POLSKIEJ Opacowanie metody detekcji twazy na podstawie kolou skóy Metoda lokalizacji oczu do wyznaczenia obszau ust Poponowana metoda CSM wykywania kawędzi ust z obazu wideo

3 6. OPRACOWANIE SYSTEMU AVM_PL DO REALIZACJI METODY AV_Mowa_PL Stuktua i chaakteystyki techniczne systemu Ekstakcja chaakteystyk sygnałów audio-wideo mowy Fuzja chaakteystyk audio-wideo mowy Budowa i nauczanie paametyczne ukytych modeli Makowa BADANIE POZIOMU BŁĘDÓW METODY AV_Mowa_PL ZA POMOCĄ SYSTEMU AVM_PL Chaakteystyka stwozonej bazy audio-wideo komend Obiekty, cele i metodyki ekspeymentów Analiza wyników ekspeymentu WNIOSKI KOŃCOWE WYKAZ DEFINICJI I SKRÓTÓW SUMMARY... 6 LITERATURA

4 . FORMUŁOWANIE PROBLEMU ROZPOZNAWANIA AUDIO-WIDEO MOWY POLSKIEJ Sfomułowano poblem ozpoznawania audio-wideo mowy. Zapezentowano podstawowe cechy audio-wideo mowy polskiej. Pzedstawiono pzegląd analityczny istniejących metod ozpoznawania audio-wideo mowy, waz z poównaniem najbadziej populanych w liteatuze metod tekingu ust oaz ozpoznawania audio-wideo mowy izolowanej i ciągłej. Postawiono cel i tezę pacy oaz bonione ozwiązania naukowe... Specyficzne cechy audio-wideo mowy jako obiekt do ozpoznawania Rozpoznawanie audio mowy ma zastosowanie w wielu dziedzinach. Jednak w zeczywistym otoczeniu funkcjonowania systemów ozpoznawania audio mowy nie można zapewnić waunków pacy uważanych w pzybliżeniu za idealne, czyli takie, któe nie powodują jakiegokolwiek negatywnego wpływu na skuteczność ozpoznawania. Takie zeczywiste otoczenie to na pzykład.: biuo, samochód, fabyka, gdzie zakłócający sygnał audio jest badzo intensywny i zóżnicowany. Zakłócenia mowy można podzielić na hałas otaczającego śodowiska, echo spowodowane specyficznym otoczeniem, zmieniony sposób mówienia, a także echo, szumy i zniekształcenia spowodowane pzez niepopawnie funkcjonujący mikofon. Hałas otaczającego śodowiska może być ciągły (odgłos wentylatoów i silników), lub też pojawiający się z pzewami (pzejeżdżanie samochodów, dzwonienie telefonów, zakłócająca mowa). Echo spowodowane specyficznym otoczeniem często pojawia się w pomieszczeniach, w któych występują wnęki oaz inne czynniki wywołujące pogłos. Zmieniony sposób mówienia powodują czynniki związane ze stanem zdowia mówcy (pzeziębienie), a także óżne stany emocjonalne (stes, śmiech) i óżnoodny sposób wypowiadania (wolno, szybko, cicho, głośno). Zakłócenia wpowadzane pzez zastosowane mikofony uzależnione są od óżnoodności chaakteystyk filtów, czy też ganiczne częstotliwości pasma pzejścia zmieniające sygnał mowy. Pecepcja ludzkiej mowy jest z natuy wielo-modalnym pocesem, w któym wykozystuje się analizę sygnału akustycznego, polegającą na analizie gamatycznej, semantycznej i pagmatycznej. Dodatkowo wiadomo, że człowiek posiada zdolność czytania mowy popzez analizę uchu ust mówcy, czyli tzw. zdolność czytania z uchu wag. Do tej 4

5 poy wiele badań powadzono na temat automatycznego ozpoznawania mowy (ang. Automatic Speech Recognition, ASR). Obecnie główne wysiłki skieowane są na twozenie systemów odponych na negatywnie wpływające czynniki zewnętzne. Zaczęto poszukiwać sposobów oganiczenia wpływu zakłócenia na właściwą pacę systemów. Jednym z takich sposobów może być zastosowanie w niniejszej pacy dołączenia do ozpoznawanej audio mowy, mowy wideo, będącej elementem oganiczającym wpływ negatywnych czynników zewnętznych na skuteczność ozpoznawania. Z uwagi na możliwość kojazenia mowy na podstawie uchu wag zapoponowano połączenie infomacji audio i wideo w podjęciu decyzji o teściowym wyniku wypowiedzi, specjalnie w zakłóconym śodowisku audio mowy. Zastosowanie ozpoznawania audio mowy w zakłóconym otoczeniu powadzi często do błędnych wyników, spowodowanych niepawidłową intepetacją fonemów o bliskim bzmieniu. Wideo mowa ównież może być błędnie intepetowana, co wyjaśnia pzykład nazwany efektem McGuk, gdzie wypowiedziany w języku angielskim fonem /ga/, w wideo mowie pzypomina fonem /ba/ [84], a wiele osób ozpoznaje w wypowiedzi fonem /da/ [84,98]. Wideo sygnał nie niesie wystaczającej infomacji, zawiea jednak kilka uzupełniających infomacji do audio sygnału [78,84]. Na pzykład, używając wskazówek wideo do podjęcia decyzji, czy osoba wypowiedziała fonem /ba/, czy /ga/, może być łatwiejsze niż podjęcie decyzji bazując wyłącznie na wskazówkach audio, któe mogą być nieco zmieszane. Z dugiej stony, podjęcie właściwej decyzji ozpatując fonemy /ka/ i /ga/ jest badziej ealne z audio, niż z wideo sygnału. Dla pzykładu w języku polskim, używając wskazówek wideo do podjęcia decyzji, czy osoba wypowiedziała fonem /m/, czy /n/, może być łatwiejsze niż podjęcie decyzji bazując wyłącznie na wskazówkach audio, jednakże podjęcie właściwej decyzji ozpatując fonemy /m/ i /p/ jest badziej ealne z audio, niż z wideo sygnału. Powyższe fakty wywały duży wpływ na sfey ozpoznawania audio-wideo mowy (ang. Audio-Visual Speech Recognition, AVSR), znane ównież jako automatyczne czytanie z uchu wag (ang. Autamatic Lip-Reading, ALR), czytanie mowy (ang. Speech Reading, SR) [6,84]. Pace w tej dziedzinie powadzone są w celu polepszenia zakesu ozpoznawania automatycznej mowy popzez ekstakcję cech z obszau ust mówcy i połączenie z tadycyjną mową akustyczną. Takie osiągnięcie zysku jest szczególnie imponujące w hałaśliwym śodowisku, gdzie tadycyjna metoda ozpoznawania audio mowy wypada niezbyt kozystnie. Zmniejszające się koszty uzyskania wysokiej jakości systemów nagywających sekwencje wideo oaz zwiększająca się moc obliczeniowa komputeów pozwalają pzypuszczać, iż 5

6 zintegowane systemy ozpoznawania audio wideo mowy mogą byś powszechnie stosowane, mimo ogomnej ilości danych wideo pzetwazanych w czasie pacy takiego systemu [6,84]. Pzy ozpoznawaniu audio-wideo mowy należy ozwiązać cztey podstawowe zagadnienia: identyfikacji i ekstakcji okeślonych chaakteystyk audio, identyfikacji i ekstakcji okeślonych chaakteystyk wideo, acjonalnej integacji (fuzji) i synchonizacji audio-wideo sygnałów, wybou i ealizacji apaatu ealizującego uczenie i ozpoznawanie sygnałów mowy. W pacy zapoponowano metodę AV_Mowa_PL do ozpoznawanie słów izolowanych audio-wideo mowy polskiej w opaciu o ukyte modele Makowa (UMM), polegające na wykozystaniu infomacji dźwiękowych i wizyjnych. Metodę opacowano dla mowy polskiej, gdyż jak do tej poy nie napotkano na specyficzne badania dotyczące mowy polskiej. Pzy ekstakcji cech audio zastosowano analizę cepstalną mowy. Wykozystano bank filtów o chaakteystykach amplitudowo-częstotliwościowych zbliżonych do chaakteystyk pzeciętnego ludzkiego ucha. Opacowano kilka ozwiązań mających uodponić metodę na negatywny wpływ zewnętznych zakłóceń. Pzy ekstakcji cech wideo zastosowano szeeg metod niezbędnych do osiągnięcia potzebnego poziomu funkcjonowania poceduy tekingu ust w czasie zeczywistym w sekwencji wideo. Dla wymienionego celu wykozystano chaakteystyki kącików i zewnętznych kawędzi ust oaz wyaźnie pojawiający się, bądź też nie, język podczas wypowiadania poszczególnych fonemów. Zapoponowano tzy metody fuzji chaakteystyk sygnałów audio i wideo mowy. Na Rys.. zilustowano ideę ozpoznawania audio-wideo mowy, zastosowaną w opacowanej metodzie AV_Mowa_PL. Rys.. Ilustacja idei ozpoznawania audio-wideo mowy 6

7 .2. Pzegląd analityczny metod ozpoznawania audio-wideo mowy Automatyczne ozpoznawanie audio-wideo mowy wywołało wśód naukowców nowe i ambitne zadania poównania i ywalizacji z automatycznym ozpoznawaniem samej audio mowy. Dodanie do chaakteystyk audio mowy, chaakteystyk wideo, wymaga wydobycia potzebnych infomacji o mowie z nagania wideo zawieającego fontalną twaz mówcy. Wymaga dokładnej detekcji twazy, lokalizacji, tekingu ust mówcy i estymacji wizualnych paametów. W poównaniu z samą audio mową, ozpoznawanie audio-wideo mowy zawiea dwa osobne stumienie infomacji, każdego z sygnałów. Połączenie tych stumieni powinno zapewnić lepsze osiągi w poównaniu z nowoczesnymi osiągami pzy wykozystaniu każdego ze źódeł osobno. Oba zagadnienia, mianowicie ekstakcja chaakteystyk wideo i fuzja chaakteystyk audio i wideo stanowią tudne poblemy, geneując wiele pac badawczych w śodowiskach naukowych świata. Istotnie, zaczynając już od lat osiemdziesiątych, powstało wiele atykułów na temat AVSR, z czego większość ukazała się podczas ostatniej dekady. Piewszy automatyczny system czytania mowy wpowadził Petajan [86]. Mając naganie wideo twazy mówcy oaz stosując poste pogowanie, był on w stanie wyznaczyć binany obaz ust, a następnie wysokość, szeokość, obwód i powiezchnię ust, będących wizualnymi chaakteystykami mowy. W kolejnym koku ozpoznawanie wideo mowy, bazującej na dynamicznej zmienności ust w czasie [92], dołączył do ozpoznawania audio mowy. Jego metoda znacznie popawiła osiągnięcia ASR dla pojedynczego użytkownika. Paca Petajana wywołała spoe pouszenie i wkótce powstało wiele ozmaitych ośodków badawczych, zajmujących się zagadnieniem AVSR. Wśód pzodujących ośodków znalazła się ośodek badawczy kieowany pzez Chistiana Benoit a, mieszczący się w Genoble. Dla pzykładu, panowie Adjoudani i Benoit w pacy [2] pzedstawili poblem fuzji chaakteystyk sygnałów audio i wideo, polegający na stategii końcowego połączenia osobnych dla każdego z sygnałów wyników. Innym azem ozpatywali niezawodność estymacji, bazując na ozposzonych pawdopodobieństwach czteech najlepszych wypowiedzi audio mowy oaz wideo mowy. Zapezentowali opis zysku, jaki uzyskali dzięki zastosowaniu AVSR dla zbiou 54 óżnych komend, wypowiedzianych pzez pojedynczego użytkownika w języku fancuskim. Później stwozyli multimedialną platfomę dla pocesu audio-wideo mowy, zawieającą kameę zamontowaną na głowie użytkownika, dla popawienia dokładności wyznaczania egionu ust użytkownika []. Ostatnio, pace naukowców ośodka badawczego z Genoble powadzono dla zagadnienia AVSR, wykozystując bazę wypowiedzi komend w języku fancuskim i 7

8 wypowiedzi liczb w języku angielskim, a także nowy system ozpoznawania audio-wideo mowy opisany w pacy [50]. Systemy AVSR ozóżniają tzy główne aspekty [5]: ekstakcja chaakteystyk wideo mowy, fuzja chaakteystyk audio i wideo mowy, zastosowanie metody do ozpoznawania mowy. Niestety óżnoodne algoytmy zapoponowane w liteatuze dla automatycznego czytania mowy są badzo tudne do poównania, ponieważ najczęściej są testowane na własnych bazach wypowiedzi audio-wideo. Na dodatek, badania skuteczności AVSR powadzono z wykozystaniem baz danych, zawieających kótkie wypowiedzi i w wielu pzypadkach dla badzo małej liczby mówców oaz dla niewielkiej liczby wszystkich wypowiedzi [9,20,5]. Takie typowe zadania to: pozbawione sensu słowa [2,02], słowa izolowane [3,37,49,53,80,8,83,86], połączone litey [89], połączone cyfy [88,7], zdania oganiczone do słownika [44], lub mowa ciągła oganiczona do niewielkiego słownika [22]. Bazy danych nagywane są zwykle w języku angielskim, ale zdazają się pzykłady twozenia baz danych dla innych języków, jak np. dla języka fancuskiego [2,3,4,37,06], języka niemieckiego [,67], języka japońskiego [82] oaz języka węgieskiego [29]. Jednakże, skoo metody wykozystujące ozpoznawanie mowy mają być wpowadzane do pacy w zeczywistym świecie, paca badawcza powinna być powadzona na słownikach o uniwesalnym pzeznaczeniu. Piewszą póbę w kieunku stwozenia zeczywistego systemu ozpoznawania audio-wideo mowy opisano w pacy [84], gdzie system niezależny od użytkownika zastosowano do słownika (ang. Lage Vocabulay Continuous Speech Recognition, LVCSR), zawieającego nagania wypowiedzi wielu użytkowników i na óżnoodne tematy, uzyskane w zeczywistych waunkach pacy systemu. Zapezentowano znaczący zysk ozpoznawania audio-wideo mowy w poównaniu z ozpoznawaniem samej audio mowy, dla zakłóconego śodowiska audio, co potwiedziło założenia, że ozpoznawanie audio-wideo mowy może być pzydatne dla zadań ozpoznawania mowy z zakłóconym sygnałem audio. Zaczęto powadzić pace nad polepszaniem metod ekstakcji chaakteystyk wideo mowy oaz fuzji chaakteystyk sygnałów audio i wideo, powadzącym do uniwesalności systemów w zeczywistym świecie. Ekstakcja chaakteystyk wideo mowy Jak już wcześniej wspomniano, największą tudnością w zagadnieniach AVSR jest ekstakcja wymaganych chaakteystyk z sygnału wideo. Poblem złożony jest z dwóch zasadniczych kwestii: tekingu obazu twazy i ust oaz epezentacji wideo mowy pzy pomocy jak najmniejszej liczby infomacyjnych paametów. Do ozwiązania tego poblemu zastosowano 8

9 kilka metod, np.: teking ust uwzględniający ich wysokość i szeokość [2,3,89], czy też paametyczny model ust [6,30,73]. Jednak tylko dokładna detekcja egionu ust jest wystaczająca do uzyskania wszystkich wizualnych chaakteystyk. Takie podejście pozwala na spoą edukcję paametów, popzez odpowiednią tansfomację pikseli okeślających egion ust [0,36,80,90]. Zbyteczny dla głosu dokładnie wyznaczony egion ust ma największe znaczenie, wpływające na dobe osiągnięcia systemów SR [54]. Detekcja twazy Poblem detekcji twazy oaz detekcji specyficznych części twazy zajmuje ważne i obszene miejsce w pozycjach liteatuowych na świecie [48,70,95,97,03]. W połączeniu z systemami SR, ma zastosowanie do takich zagadnień, jak: wizualne czytanie tekstu [8,24,28], identyfikacja i weyfikacja osób [9,40,57,58,75,0,6], lokalizacja mówcy [2,09,8], detekcja źódła mowy [3], popawa i odzyskiwanie obazu [04] oaz inne. Skuteczność detekcji twazy i ust jest zadaniem dość tudnym, szczególnie w sytuacjach zmienności tła, pozycji twazy oaz oświetlenia [55]. W liteatuze dotyczącej AVSR, gdzie zagadnienia, takie jak ekstakcja wideo chaakteystyk, lub algoytmy fuzji sygnałów audio-wideo, są typowymi dla badaczy zadaniami, detekcja twazy i ust jest często ignoowana, bądź też znaczenie uposzczona. Dla pzykładu, w niektóych bazach użytkownicy mają założone specjalnie oznakowane chaakteystycznymi punktami okulay, w innych usta mówców są odpowiednio pomalowane, co powadzi do tywialności w pocesie tekingu ust [2,50]. W innych pacach, gdzie sygnały audio i wideo mowy są podzielone (pzykładowo bazy Tulips, (X)M2VTS, AMP/CMU), stefa ust wyznaczona jest od azu, w badaniach pominięty zostaje etap lokalizacji stefy ust. Na dodatek, paktycznie we wszystkich bazach występują nagania z niezmienną pozycją twazy mówców oaz z niezmiennym oświetleniem. Genealnie, wszystkie systemy AVSR wymagają wyznaczenia stefy ust, dla popawnego funkcjonowania zastosowanych do ekstakcji cech algoytmów. Istnieje wiele metod wyznaczania stefy ust, bazujących na tadycyjnych technikach analizy obazu, takich jak segmentacja na podstawie kolou skóy, detekcja kawędzi, pogowanie obazu, dopasowanie do szablonu lub infomacja o uchu [48], oaz bazujących na statystycznych technikach modelowania i zagadnieniach sztucznej inteligencji, jak nm. zastosowanie sieci neuonowych. Typowy algoytm detekcji twazy i lokalizacji części twazy opisano w pacy [97]. W algoytmie zastosowano technikę dopasowywania do szablonu. Taką technikę zastosowano w 9

10 pacach [84, 87] do ekstakcji paametów wideo mowy. Dla danej amki wideo, na początku wykonywana jest detekcja twazy, popzez zastosowanie połączonych metod, z któych kilka używanych jest później do okeślenia wymaganych chaakteystyk twazy. Na początku okeślany jest ozmia postokątnego (m x n) modelu twazy. Następnie poszukiwany jest model twazy, najbadziej pasujący do obszau, wydzielonego z danej amki wideo, spośód wszystkich ułożonych w piamidę modeli, okeślonych pzez dopuszczalne położenie i skalę. W pacy [87] pzyjęto, że modele twazy powinny zawieać się pomiędzy 0 % a 75 % szeokości amki wideo. Pzed poównaniem z kolejnymi modelami piamidy, badany obsza jest popocjonalnie zwiększany o 5 %. Opisana metoda wpowadza opóźnienia spowodowane koniecznością pzeszukiwania i poównywania z modelami. W pzypadku, gdy sygnał wideo jest sygnałem koloowym, na podstawie segmentacji można szybko i dokładnie okeślić obsza amki wideo, pzypominający koloem w dużym stopniu bawę ludzkiej skóy. Znomalizowane watości RGB każdego z pikseli, pzetansfomowane zostają na początku do pzestzeni HSV. W takiej pzestzeni kolo skóy óżnych ludzi i dla zmiennych waunków oświetlenia, podlega najmniejszym zmianom [48,97]. W dokładnej implementacji wymagane jest, aby poszukiwany obsza twazy zawieał minimum 25 % pikseli, o zabawieniu zbliżonym do kolou skóy, spośód wszystkich pikseli danej amki wideo. W ten sposób edukowana zostaje liczba poównywanych modeli (w zależności oczywiście od tła amki wideo), co powadzi do znacznego pzyspieszenia obliczeń i edukcji fałszywych obszaów. Badany obsza amki zostaje pomniejszony do ozmiau modelu i każdy z pikseli jest dodawany do wektoa twazy o długości m x n. Wekto twazy pzydzielony jest do jednej z dwóch klas: twazy i nie-twazy. Dla wektoów twazy obliczana jest odległość (ang. Distance Fom Face Space, DFFS). Najbadziej zbliżony obsza amki, pzedstawiony w postaci wektoa, jest wynikiem algoytmu detekcji twazy [97]. Detekcja egionu kawędzi ust Dla wyznaczonej już twazy zastosowano zespół detektoów do zlokalizowania punktów chaakteystycznych twazy. Położenie każdego z punktów chaakteystycznych twazy okeślane jest pzez wynik kombinacji statystycznego, początkowego położenia, liniowego oszacowania i DFFS, bazując na zadanym ozmiaze punktów chaakteystycznych modelu. W celu okeślenia centum ust, zastosowano cztey punkty chaakteystyczne, wyznaczające kąciki ust oaz położenie gónej i dolnej wagi, pzyjmując wyznaczone centum dla 0

11 wszystkich amek wypowiedzi wideo. Centum to okeśla egion ust, któy może zawieać wyłącznie same usta, lub też może być zakłócony pzez inne części twazy [87]. Po wyznaczeniu egionu ust, kolejnym etapem jest zlokalizowanie kontuów ust. Istnieje kilka populanych metod, m.in.: aktywnych kontuów [60], szablonów [00,5], aktywnych modeli kształtu i wyglądu [25,27]. W metodzie aktywnych kontuów występuje elastyczna kzywa, epezentowana pzez zadaną liczbę kontolnych punktów. Położenie kontolnych punktów jest modyfikowane iteacyjnie, popzez zbieżność w kieunku lokalnego minimum enegii funkcji, zdefiniowanej na bazie kzywej gładkości oganiczeń i dopasowanego kyteium do wymaganych chaakteystyk obazu wideo [60]. Taki algoytm zastosowano do estymacji kontuów ust w systemie SR, opisanym w pacy [2].Inną znacznie częściej używaną techniką tekingu ust jest metoda szablonów, zastosowana pzykładowo w systemie Chandamohana i Silsbee [5]. Szablony twozą spaametyzowane kzywe w ten sposób, że są one dopasowywane do wymaganego kształtu popzez minimalizowanie enegii funkcji, zdefiniowanej tak samo, jak w metodzie aktywnych kontuów. Metoda aktywnych modeli kształtu i wyglądu bazuje na kształcie ust lub statystycznym modelu wyglądu. Modele mogą być stosowane do tekingu ust w sposób zapoponowany w pacy [26]. Założenie jest takie, że dla niewielkiego pouszenia w stosunku do aktualnego płożenia modelu do wejściowego obazu, istnieje liniowa elacja pomiędzy óżnicą w pojekcji modelu i wejściowego obazu oaz wymaganej modyfikacji paametów modelu. Dla dopasowania modelu do wejściowego obazu zastosowano iteacyjny algoytm. Altenatywnie, dopasowanie może być wykonane pzez metodę simpleksowego spadku, tak jak w pacy [73]. W systemach SR zastosowano óżne popozycje definiowania wideo chaakteystyk. Można je pogupować w tzy zasadnicze kategoie: wyglądu ust; kontuu lub kształtu ust; połączenia wyglądu i kształtu [5]. Definiowanie wideo chaakteystyk na podstawie wyglądu ust Definiowanie wideo chaakteystyk na podstawie wyglądu ust polega na ozpatywaniu całej części obazu wideo, zawieającej egion ust mówcy, któy wnosi podstawowe infomacje dla czytania z uchu wag. Taki egion może być postokątem, mieszczącym w sobie usta, ale także spoe części twazy, np. szczęka i policzki [87], czy nawet całą twaz [79]. Czasami może to być tójelementowy postokąt, podzielony na pzyległe postokątne amki podczas póby wychwycenia dynamicznej infomacji mowy, we wczesnej fazie pzetwazania [89]. Altenatywnie, egion ust może odpowiadać liczbie pionowych pofili kontuu ust [37], lub może być tylko okęgiem dookoła centum ust [36]. Wekto chaakteystyk jest otzymywany

12 pzez analizę pikseli monochomatycznego egionu ust [0,36,37,88], lub watości koloowych [2]. Pzykładowo, dla postokątnego M x N egionu ust ze zlokalizowanym centum (m t, n t ) amki wideo V t (m, n) w czasie t, wynikowy wekto chaakteystyk o długości d = MN, będzie wynosił: x { V ( m, n) : m [ M / 2] m < m + [ M / 2], n [ N / 2] n < n [ N / 2] } (.) t t t t t t + Powinien on zawieać jak najwięcej infomacji wideo mowy. Typowy wymia d wektoa (.) jest zbyt duży, aby uzyskać zadawalające statystycznie modelowanie mowy pzez zastosowanie modeli UMM [92]. Dlatego jako wizualne chaakteystyki, stosuje się odpowiednio pzekształcone watości pikseli egionu ust. W pacy [8] zastosowano filtację dolnopzepustową popzez odpowiednie póbkowanie obazu i zóżnicowanie egionu ust, natomiast w pacy [80] zapoponowano nieliniową dekompozycję obazu popzez odsiew. Obie pzytoczone metody zastosowano w celu edukcji wymiaowości i ekstakcji chaakteystyk wideo. Jednak najlepsze osiągi dotyczące takiej edukcji uzyskano pzez zastosowanie tadycyjnych pzekształceń obazu [46], zapożyczonych z liteatuy dotyczącej kompesji obazu oczekując, że takie podejście zastosowane do czytania mowy, pozwoli na zachowanie największej liczby znaczących infomacji. Genealnie D x d wymiaowa maciez liniowej tansfomacji P jest wyznaczana pzez pzekształcenie wektoa danych y t = Px t, zawieającego najwięcej infomacji spośód jego D << d elementów. Do uzyskania maciezy P podawanych jest L uczących pzykładów, oznaczanych pzez x l, l =,,L. Najbadziej populaną metodą epezentacji chaakteystyk jest metoda PCA (ang. Pincipal Components Analysis) znana także pod nazwą tansfomacji Kahunena-Loevea. [0,,2,36,37,70,73,88]. Metoda bazująca na tym pzekształceniu pozwala na znaczną edukcję ozmiaów pzestzeni cech, pozostawiając do identyfikacji obazu tylko kilka, mających znaczenie dla ozważanych klas obazów danych [70]. PCA osiąga optymalną kompesję infomacji, w sensie minimalnego błędu kwadatowego pomiędzy oyginalnym wektoem x t i ekonstuowanym na podstawie jego pojekcji y t. Jednak zastosowanie skalowania danych wpowadza poblem w klasyfikacji wektoa wynikowego [7]. W pacy [88] pzyjęto implementację PCA, w któej dane skaluje się zgodnie z ich odwotną waiancją i wylicza się jej maciez koelacji R, popzez złożenie AΛA T [9], gdzie A = [a,,a d ] ma jako kolumny wektoy własne z R oaz Λ jest maciezą diagonalną zawieającą watości własne z R. Zakładając, że D największych takich watości własnych jest umieszczonych na j,,j D pzekątnych pozycjach, maciez pojekcji danych wynosi P PCA = [a j,,a jd ] T. Dla zadanego wektoa x t, wekto chaakteystyk wyznaczany jest jako y t = P PCA x t. 2

13 Altenatywą do metody PCA jest zastosowanie do wyznaczania chaakteystyk wideo mowy, metod DCT (ang. Discete Cosine Tansfom) oaz DWT (ang. Discete Wavelet Tansfom). Pzykładowo, DCT pzyjęto w pacach [36,82,83,84,88], DWT w pacach [87,89]. Wielu naukowców stosuje oddzielne pzekształcenia [46], co pozwala na szybką implementację [9], gdy paamety okeślające ozmia amki M i N pzyjmują wielokotności potęgi liczby 2 (typowe ozpatywane watości to M, N = 6, 32, 64). Należy zauważyć, że w każdym pzypadku maciez P może mieć wiesze pochodzące od maciezy tansfomacji obazu o większej enegii pzekształconych danych niż dane uczące [88]. Innym stosowanym w pocesie analizy wyglądu nazędziem jest LDA (ang. Linea Disciminant Analysis), stosowane jako mapy chaakteystyk w nowej pzestzeni, dla popawienia klasyfikacji. Metoda opata o LDA edukuje ozmia obazu wejściowego powadząc w tym samym czasie także do lepszego gupowania obazów w zedukowanej pzestzeni cech [70]. LDA było piewszy az zapoponowane do SR w pacy [36], zastosowane bezpośednio do wektoa (.). LDA ównież ozpatywano kaskadowo, po upzedniej pojekcji PCA pojedynczej amki egionu ust oaz jako spzężenie sąsiednich wektoów pojekcji PCA [79]. LDA zakłada, że zestaw klas C, takich jak stany UMM, został wybany a-pioi oaz że zestaw wektoów danych uczących x l, l,,l jest oznaczony jako c(l) C. Następnie poszukiwana jest taka maciez P LDA, aby pzykładowe póbki uczące{p LDA x l, l,,l} były dobze sepaowane wewnątz zadanych klas C, zgodnie z funkcją póbek uczących wewnątz ozposzonej klasy maciezy S W i pomiędzy ozposzoną klasą maciezy S B [93]. Macieze te uzyskiwane są jako: ( c) ( c) ( c) S = P( c) Σ, i S = P( c)( m m)( m m) W c C B c C T, (.2) gdzie: P (c) = L c /L, c C, oznacza empiyczne pawdopodobieństwo funkcji masowej; L c = Σ L l- δ c(l),c ; δ i,,j =, jeśli i = j, 0 w pozostałych pzypadkach; m (c) i Σ (c) oznaczają odpowiednio klasę uśednionych póbek i kowaiancję; m = Σ c C P(c)m (c) jest całkowitą śednią póbek. Wyznaczenie P LDA, czyli uogólnionych watości własnych i stosownych wektoów własnych pay maciezy (S B, S W ), spełniających zależność S B F = S W FΛ, piewszy az zastosowano w pacach [45,93]. Maciez F = [f,,f d ] zawiea jako kolumny, uogólnione wektoy własne. Zakładając, że D największych takich watości własnych jest umieszczonych na j,,j D pzekątnych pozycjach Λ, wówczas maciez wynosi P LDA = [f j,,f jd ] T. Pzyjmując opisane założenia do zależności (.2), należy zaznaczyć, że ząd maciezy S B nie może być większy niż C -, gdzie C oznacza liczbę klas, stąd D C -. Na dodatek ząd d x d wymiaowej maciezy S W nie może pzekaczać L - C, dlatego mając niewystaczające dane 3

14 uczące, pojawia się potencjalny poblem względem wymiau d wejściowego wektoa chaakteystyk. W systemie SR zapezentowanym w pacy [87] LDA połączono z MLLT (ang. Maximum Likelihood Linea Tansfom). To pzekształcenie poszukuje kwadatowej, nieosobliwej maciezy otacji danych P MLLT, któa maksymalizuje pawdopodobieństwo obsewacji danych w oyginalnej pzestzeni chaakteystyk, pzy założeniu diagonalnej kowaiancji danych w pzekształcanej pzestzeni [47]. Taka otacja danych jest kozystna, odkąd w większości systemów ASR, diagonalne kowaiancje są specjalnie pzyjmowane, podczas modelowania klas obsewacji waunkowego ozkładu pawdopodobieństwa z mieszanymi gaussowskimi modelami. Maciez P MLLT otzymywana jest z zależności [47]: Lc L ( c) T = ag max P det( P) (det( diag( PΣ P ))) (.3) c C 2 PMLLT Można to ozwiązać numeycznie, co pokazano w pacy [9]. Należy zaznaczyć, że LDA i MLLT są pzekształceniami danych, mającymi na celu popawienie wydajności klasyfikacji oaz maksymalizację pawdopodobieństwa modelowania danych. Opisane metody populaniejsze zastosowanie znalazły w systemach ozpoznawania obazów, bo w zeczywistości spowadzają się do podobnej analizy obazu ust każdej amki z sekwencji wideo. Wpowadzają zbyt duże utudnienia w wychwyceniu najbadziej infomacyjnych cech sygnałów dynamicznej wideo mowy, któych największe skupisko zawieają kawędzie ust. Analiza wyglądu ust jest zbyt mało odpona na zmienności wyglądu, powodując niepotzebne zakłócenia. Definiowanie wideo chaakteystyk na podstawie kształtu ust W zestawieniu z metodami bazującymi na chaakteystykach wyglądu ust, metody bazujące na ekstakcji chaakteystyk kształtu ust zakładają, że najwięcej infomacji czytania mowy zawatych jest w kontuze ust mówcy [79], lub badziej ogólnie, w kontuze całej twazy (tj. opócz ust bieze się pod uwagę szczękę, policzki, itd.). Dwa typy chaakteystyk wchodzą w skład opisywanej kategoii: typ geometyczny oaz model kształtu bazowych chaakteystyk. W obu pzypadkach wymagany jest algoytm do lokalizacji wewnętznej lub zewnętznej kawędzi ust oaz w pzypadku całej twazy, do lokalizacji punktów chaakteystycznych kształtu twazy. Jednym z takich algoytmów jest algoytm do ekstakcji geometycznych chaakteystyk. Mając kontu ust, okeślony pzez wystaczającą i sensowną liczbę punktów 4

15 chaakteystycznych, w łatwy sposób można wyznaczyć takie elementy jak wysokość, szeokość, obwód i pole ust, zawieające znaczącą infomację o wideo mowie. Nie pzypadkowo tak duża liczba systemów SR pacuje, używając wszystkich lub poszczególnych elementów ust [2,3,4,3,44,49,50,53,58,86,06,7]. Z kontuu ust mogą być uzyskane dodatkowe wizualne chaakteystyki, takie jak momenty obazu ust, czy też Fouieowskie deskyptoy kontuu ust, niezmienne podczas dobnych pzekształceń obazu. Istotnie, liczba centalnych momentów wewnętznego kontuu binanego obazu, lub znomalizowanych momentów, jak to zdefiniowano w pacy [34], może być ozpatywana jako wizualne chaakteystyki [29]. Znomalizowany szeeg Fouieowskich współczynników paametyzacji kontuu [34], może ównież być używany do uwydatnienia wspomnianych wcześniej geometycznych chaakteystyk w niektóych systemach SR, w celu polepszenia automatycznego czytania mowy [49,88]. Innym algoytmem do lokalizacji kawędzi ust jest algoytm chaakteystyk modelu ust. W pacy [6] opisano kilka paametycznych modeli użytych do tekingu kształtu twazy i ust. Paamety tych modeli mogą być z łatwością użyte jako wizualne chaakteystyki. Pzykładowo w pacy [2] zastosowano do estymacji kontuu ust, algoytm bazujący na elastycznej kzywej, używając jako wizualne chaakteystyki, wektoy zawieające punkty chaakteystyczne, opisujące te kzywe. W pacy [02], jak ównież w pacy [5] użyto wzozec paametów ust. Populanym modelem ust jest ASM (ang. Active Shape Model). ASM jest elastycznym modelem statystycznym, któy epezentuje dany obiekt pzez zestaw okeślonych punktów [27,73]. Takim obiektem może być wewnętzny lub zewnętzny kontu ust [72], lub połączenie óżnych kontuów twazy, jak w pacy [79]. Do wyznaczania ASM, na początku oznaczane jest K punktów okeślających kontu ust w zadanych obazach uczących, a następnie współzędne punktów umieszczane są w 2K wymiaowym wektoze: ( S ) T x = [ x, y, x2, y2,..., xk, y K ]. (.4) Mając dany zestaw wektoów (.4) można użyć PCA do wyznaczenia optymalnego, otogonalnego liniowego pzekształcenia P (S) PCA, co daje statystyczny model ust lub twazy. W celu wyznaczenia osi piewotnej waiacji kształtu, każdy zestaw uczący musi być wyównany popzez tansfomacje takie jak: pzesunięcie, obót i skalowanie [27,35]. Dla zlokalizowanego kontuu ust, chaakteystyki wizualne wyznacza się z y (S) = P (S) PCA x (S). Należy zauważyć, że wektoy (.4) mogą być uzyskane z algoytmu tekingu bazującego na B-splajnach jak w [30]. 5

16 Opisane metody bazujące na kształcie ust i twazy mówcy, wykozystuje się w połączeniu z metodami poównywania z wzocem. Wpowadza to konieczność ciągłego skalowania i dopasowywania do szablonu każdej z amek sekwencji wideo wypowiedzi. Połączone chaakteystyki wyglądu i kształtu Cechy wizualne, bazujące na wyglądzie oaz kształcie są z natuy dość óżne, ponieważ kodują infomacje wysokiego i niskiego poziomu o uchach twazy i ust mówcy. Nie jest więc zaskoczeniem, że złożenie obu kategoii chaakteystyk zostało wykozystane w wielu systemach ASR. W większości pzypadków chaakteystyki obu kategoii po postu połączono. Pzykładowo w pacy [4] połączono geometyczne chaakteystyki ust z pojekcją PCA zbiou pikseli zawatych wewnątz ust. W pacy [73], jak ównież [37] połączono chaakteystyki ASM z PCA uzyskanymi z egionu ust, składającego się z fagmentów obazu wokół kontuu ust. W pacy [2] połączono wektoy punktów opisujących elastyczne kzywe kontuu ust z chaakteystykami PCA watości kolou pikseli postokątnego egionu ust. Innym podejściem do połączenia tych dwóch klas chaakteystyk jest utwozenie pojedynczego modelu kształtu i wyglądu twazy. AAM (ang. Active Appeaance Model) [26] dostacza stuktuę do statystycznego ich połączenia. Budowa AAM wymaga tzech aplikacji PCA: Obliczenia pzestzeni własnej kształtu, któe modeluje defomację kształtu, dając w wyniki maciez P (S) PCA, obliczoną tak jak w (.4). Obliczenia pzestzeni własnej wyglądu, w celu zamodelowania zmian wyglądu, dając w wyniku maciez P (A) PCA wektoów wyglądu egionu ust. Jeżeli ozważyć watości kolou pikseli egionu ust o wymiaach M x N, takie wektoy wyznacza się z ( A) T x = [, g, b, 2, g 2, b2,..., MN, g MN, bmn ], (.5) podobnie jak wektoy (.). Obliczenia połączonych pzestzeni własnych kształtu i wyglądu. Wygląd jest maciezą P (A,S) PCA, wektoów uczących ( A, S ) ( A) T ( A) T ( S ) T ( S ) T T ( A) T ( S ) T T x = [ x WPPCA, x PPCA ] = [ y W, y ], (.6) gdzie: W jest odpowiednio pzeskalowaną diagonalną maciezą [79]. Celem PCA jest usunięcie koelacji zbędnych ze względu na kształt i wygląd, a także utwozenie pojedynczego modelu, opisującego zwięźle kształt i występującą defomację wyglądu. Taki pojedynczy model użyto w do SR w pacach [79] i [84]. 6

17 Połączenie obu metod analizujących kształt i wygląd pozwala na uzyskanie większej liczby infomacyjnych cech wideo mowy, ale skoo każda z metod osobno wymaga skomplikowanej analizy, to w połączeniu, dodatkowo niepotzebnie wydłuży poces ekstakcji cech wideo w systemach AVSR. Najwięcej infomacji w wideo mowie wnoszą zewnętzne kawędzie ust oaz pojawiający się, bądź też nie, język między zębami, podczas wypowiadania poszczególnych fonemów, stąd analiza właśnie tych elementów twazy jest w zupełności wystaczająca do popawnego działania systemów AVSR [68]. Integacja sygnałów audio-wideo w pocesie ozpoznawania mowy W systemach ozpoznawania audio-wideo mowy, opócz ekstakcji wizualnych chaakteystyk, konieczna jest jeszcze ekstakcja audio chaakteystyk z akustycznego nagania wypowiedzi. Pzykładowo chaakteystykami audio mowy mogą być współczynniki analizy cepstalnej w częstotliwościowej skali mel MFCC (ang. Mel Fequency Cepstal Coefficients), lub liniowego kodowania pedykcyjnego LPC (ang. Linea Pediction Coding), zazwyczaj wydobywane z szybkością 00 Hz [32,92]. Dla kontastu, wizualne chaakteystyki są geneowane najczęściej z szybkością 25 klatek/s. Ważnym zadaniem jest odpowiednie połączenie chaakteystyk obu sygnałów. Spoo miejsca w liteatuze poświęcono zagadnieniom fuzji chaakteystyk sygnałów audio i wideo mowy, np w [2,0,37,5,84,88,06]. Zapoponowane techniki óżnią się między sobą pzeznaczeniem i podstawowymi założeniami. Achitektua kilku takich metod [06] bazuje wyłącznie na akustycznych modelach pecepcji mowy człowieka [78]. Jednak w większości pzypadków badania dotyczące ozpoznawania audio-wideo mowy powadzone są dla ozdzielonego układu obu sygnałów audio i wideo mowy. Techniki integacji sygnałów audio i wideo mogą być zasadniczo podzielone na metody fuzji chaakteystyk, dając wspólny wekto chaakteystyk, pzeznaczony do ozpoznawania [2,87,06] oaz fuzji poszczególnych wyników ozpoznawania każdego z sygnałów z osobna [37,5,84,88]. Modelowanie audio-wideo mowy Pzy pojektowaniu systemów ASR ozważa się dwa centalne aspekty: geneowania chaakteystyk obsewacji oaz statystycznego modelowania tego pocesu geneowania. Podstawową jednostką mowy jest fonem, geneowany pzez specyficzne ułożenie i uch elementów taktu głosowego. Nie wszystkie óżne fonemy audio mają óżne odpowiedniki w postaci wideo mowy, stąd liczba ozóżnialnych fonemów wideo mowy jest znacznie 7

18 mniejsza od liczby fonemów audio. Chaakteystykę ozóżnialnych odpowiedników fonemów wideo mowy zapezentowano w [30,78]. Takie wizualne odwzoowanie fonemów wywodzi się z zagadnień dotyczących czytania z uchu ust. Wspomniane odwzoowanie może być geneowane na podstawie statystycznych technik gupowania, zapoponowanych w [44]. Najczęściej spotykanym podejściem ealizującym ozpoznawanie mowy jest zastosowanie do modelowania mowy, modeli UMM. Modele te jako sygnał wejściowy pzyjmują wektoy będące sekwencją obsewacji, uzyskanych w pocesie ekstakcji cech sygnału. W systemach ozpoznawania samej audio mowy jest to najczęściej spotykane podejście [32,92,4]. Istnieje jednak kilka innych apaatów wykozystywanych do ozpoznawania mowy, takich jak: DTW (ang. Dynamic Time Waping), użyte pzykładowo w [86], sztuczne sieci neuonowe (ang. Atificial Neual Netwok, ANN), jak w [67], połączenie ANN-DTW [0,36], oaz połączenie ANN-HMM [50]. W pzypadku UMM najczęściej stosuje się dwa zasadnicze typy modeli: dysketne modele UMM [99], oaz ciągłe modele UMM [02]. Techniki fuzji sygnałów audio i wideo Fuzja chaakteystyk używa pojedynczego klasyfikatoa w celu zamodelowania spzężonych wektoów synchonicznych w czasie chaakteystyk audio i wideo, lub ich odpowiednich tansfomacji. Do takich metod zalicza się spzęganie cech [2], ważenie cech [06], obie znane ównież jako fuzja bezpośedniej identyfikacji [06] oaz ekstakcja cech hieachiczną dyskyminacją liniową [87]. Modele ejestacji cech opisane w [06] ównież należą do tej kategoii. Wzmocnienie cech audio na podstawie danych wizualnych [42] oaz spzężone chaakteystyki audio-wideo [43], ównież zaliczają się do tego typu fuzji. W metodzie spzęgania cech AV-Concat, dane są wektoy cech audio i wideo o (A) t i o (V) t zędu D A i D V, synchoniczne w czasie. Połączony, spzężony wekto chaakteystyk audio-wideo w czasie t oznaczono: o ( AV ) t = [ o, o ] ( A) T t ( V ) T t T R D, (.7) gdzie D = D A + D V. Tak jak we wszystkich metodach fuzji chaakteystyk, poces geneacji sekwencji chaakteystyk (.7) jest modelowany pzez pojedynczy model UMM z emisją pawdopodobieństwa ( AV ) t K = c P[ o c] w N ( o ; m, s ), (.8) k = ck D ( AV ) t ck ck 8

19 dla wszystkich klas c C [2]. Tego typu fuzja stanowi poste podejście do audio-wideo ASR, implementowane z niewielkimi zmianami w większości istniejących systemów. Jednak ząd (.7) może być dosyć duży, powodując niewłaściwe okeślenie pawdopodobieństwa sekwencji obsewacji. Chaakteystyki sygnału wideo zawieają pzy ozpoznawaniu mowy mniej infomacji, niż chaakteystyki audio, nawet w pzypadku badzo dużych zakłóceń kanału audio. Należy się więc spodziewać, że odpowiednia epezentacja małego zędu (.7) powinna powadzić do takiej samej lub nawet lepszej wydajności HMM. W pacy [90] zapoponowano LDA do edukcji zędu. Po LDA użyto otacji danych bazującej na MLLT w celu osiągnięcia największego pawdopodobieństwa modelowania danych. W systemie ASR [90] zapoponowana metoda składa się z dwuetapowej aplikacji LDA i MLLT, analizującej współczynniki MFCC sygnału audio oaz DWT sygnału wideo. Ostatecznie wekto fuzji chaakteystyk hieachiczną dyskyminacją AV-HiLDA wynosi: o = P P o. (.9) HiLDA t ( AV ) ( AV ) ( AV ) MLLT LDA t W celu popawienia skuteczności ozpoznawania mowy w waunkach mocno zakłóconego sygnału audio, można dołączyć sygnał wideo mowy AV-Enh, uzyskując połączoną stuktuę, zapoponowaną w [43]. W takiej metody wekto wzmocnionych chaakteystyk audio o (AEnh) t może być uzyskany jako liniowa tansfomacja spzężonych wektoów chaakteystyk audio-wideo (.7), dana wzoem: o = P o, (.0) ( AEnh) ( AV ) ( AV ) t Enh t gdzie maciez P (AV) Enh = [p (AV), p (AV) 2,, p (AV) DA] składa się z D-wymiaowych wektoów wieszy p (AV)T i, dla i =,,D A i ma wymia D A x D. Postym sposobem oszacowania maciezy P (AV) Enh może być apoksymacja o (AEnh) t o (AClean) t w sensie odległości euklidesowej, gdzie wekto o (AClean) t oznacza niezakłócone chaakteystyki audio, dostępne dodatkowo, opócz chaakteystyk i zakłóconych wektoów audio, dla wielu chwil czasowych t w zestawie uczącym T. Fuzja wyników ozpoznawania w ASR Chociaż opisane metody fuzji chaakteystyk posiadają udokumentowane wyniki popawienia ozpoznawania audio-wideo mowy w poównaniu z ozpoznawaniem samej audio mowy [84], to nie mają uniwesalnych modeli, niezawodnych dla każdego z stumieni. Infomacyjna zawatość mowy oaz óżnica mocy sygnałów audio i wideo, może być uzależniona od: odzaju danej wypowiedzi, zakłócenia sygnału audio w okeślonym śodowisku, zakłócenia 9

20 sygnału wideo, niedokładności tekingu twazy i ust oaz specyficznych chaakteystyk mówców. Odpowiednia fuzja wyników ozpoznawania, zapożyczona z liteatuy dotyczącej kombinacji klasyfikatoów, pozwala na uzyskanie niezawodności dla każdego ze stumieni. Rozpoznawanie mowy ciągłej wpowadza tudność dla zagadnień fuzji klasyfikatoów, spowodowaną faktem, że sekwencje klas ównież mszą być estymowane. Najwydajniejszą jak dotąd metodą jest wczesna integacja stanów modeli UMM każdego ze stumieni AV-MS-Joint. W ogólnej postaci, klasa pawdopodobieństwa obsewacji ozszezonego modelu UMM, jest wynikiem pawdopodobieństwa obsewacji komponentów pojedynczych stumieni. Taki model stosowano w systemach ozpoznawania audio mowy, gdzie pzykładowo oddzielnymi stumieniami były współczynniki enegii sygnału i współczynniki MFCC [4]. W dziedzinie ozpoznawania audio-wideo mowy, model UMM zawiea dwa stumienie, piewszy powiązany z sygnałem audio i dugi powiązany z sygnałem wideo. Rozszezony model UMM obszenie użyto w zadaniach ozpoznawania audio-wideo mowy z mocno okojonymi bazami słów [37,58,82,88]. Mając dany połączony wekto obsewacji o (AV) t, wynik emisji stanów ozszezonego modelu UMM uzyskiwany jest z: P[ o ( AV ) t c] = K sc [ s AV k = w sck N D s ( o ( s) t ; m sck, s sck )] λ sct. (.) Należy zaznaczyć, że zależność (.) jest odpowiednikiem liniowej kombinacji w dziedzinie logaytmu pawdopodobieństwa. λ sct oznacza epezentujące stumień wagi, pzyjmujące tylko dodatnie watości i ogólnie, będące funkcjami s, dla stanów c C modeli UMM, amki wypowiedzi w chwili czasowej t. Paamety ozszezonego modelu UMM opisuje zależność: a = [ a,{[ λ }] AV T AV T T λ AC, VC ], c C, (.2) gdzie a AV = [ T, b T A, b T V] T zawiea pawdopodobieństwo pzejścia oaz paamety pawdopodobieństwa emisji b A i b V komponentów pojedynczych stumieni. Podobne ozwiązanie daje połączona estymacja paametów a AV, w odniesieniu do nazuconej synchonizacji stanów [92,4]. Jak już wcześniej wspomniano, metodę AV-MS-Joint stosowano jak do tej poy dla niewielkich zadań ozpoznawania mocno oganiczonej ilości wypowiedzi. Metoda wymaga utwozenia połączonego wektoa, a co za tym idzie, synchonizacji wpowadzającej sztuczne dodawanie obsewacji, dla zachowania zgodności wektoów obsewacji sygnałów audio i wideo. Takie sztuczne zwiększanie wektoa obsewacji wideo powoduje zakłócenia zeczywistej sekwencji obsewacji wideo mowy. 20

21 .3. Cel i teza pacy, bonione ozwiązania naukowe Jak wykazano w pzeglądzie dotychczasowych ozwiązań, metody ozpoznawania audiowideo mowy są znacznie skuteczniejsze od metod ozpoznawania audio mowy. Jednak sposoby ekstakcji cech wideo mowy i fuzji chaakteystyk obu sygnałów (audio i wideo) są tudne do zaimplementowania w paktycznych systemach. Opócz tego, metody ozpoznawania audio-wideo mowy polskiej znajdują się na etapie początkowym. Celem pacy jest opacowanie metody ozpoznawania słów izolowanych audio-wideo mowy polskiej w opaciu o modele UMM, opieająca się na tezie: Fuzja sygnału audio mowy i sygnału wizualnego uchu ust, czyli wideo mowy, jest pzesłanką do opacowania efektywnej metody ozpoznawania audio-wideo mowy polskiej, któa posiada poównywalne właściwości z pezentowanymi dotychczas ozwiązaniami ozpoznawania mowy, stosowanymi dla innych języków; dodatkowym ozwiązanym poblemem jest dopasowanie metody do waunków pacy w śodowisku z zakłóconym sygnałem audio. Skuteczność opacowywanej metody AV_Mowa_PL ma być potwiedzona ekspeymentalnie w teminach osiągniętych poziomów błędów. Należy także pzepowadzić ekspeymentalny dobó acjonalnych (optymalnych) paametów dla poszczególnych etapów metody. Bonione ozwiązania naukowe. Metoda AV_Mowa_PL ozpoznawania słów izolowanych audio-wideo mowy polskiej. Fuzja chaakteystyk audio i wideo mowy zealizowana popzez wykozystanie wspólnych oaz oddzielnych modeli UMM. Chaakteystyki metody są poównywalne z chaakteystykami osiągniętymi w zapezentowanych metodach dla innych języków. 2. Metody ES i CZS, a także ich fuzja do definiowania początku i końca słów izolowanych audio mowy. 3. Metoda śledzenia uchu ust, w któej wykozystano automatyczne metody: detekcji twazy na podstawie kolou skóy; lokalizacji oczu; definiowania obszau ust, a także opacowaną metodę CSM do wykywania kącików i zewnętznych kawędzi ust, oaz 2

22 metodę EPdo ekstakcji i kodowania wymaganych paametów z uchomego obazu ust, w pocesie twozenia wektoów obsewacji wideo mowy. 5. Metody S, AS_I, AS_II fuzji chaakteystyk sygnałów audio i wideo mowy. 6. Słuszność wykozystania metody AV_Mowa_PL do identyfikacji użytkownika na podstawie audio-wideo mowy. 7. Ekspeymentalne potwiedzenie faktu, że metoda AV_Mowa_PL jest efektywna w waunkach podwyższonego zakłócenia sygnału audio. Paca zawiea wyniki badań, uzyskane w amach ealizacji pojektu badawczego pomotoskiego NR 4 TC , finansowanego pzez Ministestwo Nauki i Infomatyzacji. 22

23 2. SZKIC METODY AV_Mowa_PL Pzedstawiono podstawowe założenia i wymagania dotyczące metody AV_Mowa_PL ozpoznawania audio-wideo mowy polskiej w opaciu o modele UMM. Omówiono poceduy ekstakcji chaakteystyk audio i wideo, oaz sposoby ich fuzji. 2.. Wymagania funkcjonalne do opacowania metody AV_Mowa_PL Wymagania do opacowania metody AV_Mowa_PL można podzielić na wymagania teoetyczne (niezbędne podczas opacowywania i analizy poszczególnych pocedu metody), wymagania spzętowo-systemowe (pozwalające na swobodne zaimplementowanie systemu), wymagania do pocedu pzepowadzenia założonych badań i założenia wstępne (pzyjęte dla pawidłowego funkcjonowania metody). Teoetyczne pzygotowania z zakesu cyfowego pzetwazania sygnałów, cyfowego pzetwazania obazów, atykulacji i pecepcji mowy, znajomości zagadnień technik biometycznych, sztucznej inteligencji, nazędzi ucząco-ozpoznających oaz pogamowania, stanowiły założenia, jakie postawiono pzed opacowaniem metody AV_Mowa_PL. Wymagania spzętowo-systemowe w zasadzie, opócz spzętu komputeowego z systemem opeacyjnym, pod któym działa śodowisko Matlab, dotyczą tylko konieczności posiadania mikofonu i kamey intenetowej o ozdzielczości nagywania 640 x 480 pikseli pzy szybkości 5 klatek/s. Paametów odnoszących się do pocesoa, pamięci i katy gaficznej nie okeślono, gdyż badania nie były powadzone dla danych wejściowych pzetwazanych w czasie zeczywistym. W celu spawnego działania metody należy pzyjąć pewne założenia wstępne. Dotyczą one sposobu ejestowania wypowiedzi audio i wideo mowy, śodowiska pacy oaz możliwości paktycznego zastosowania metody. Do ozpoznawania audio-wideo mowy potzebne jest naganie wypowiedzi audio i zaejestowany obaz uchu ust, podczas wypowiadania danego słowa. Dlatego opócz mikofonu, konieczne jest użycie kamey ustawionej na wypowiadającego komendy użytkownika tak, aby cała twaz znalazła się w kadze kamey. Jako uządzenie do pzechwytywania obazu można użyć kameę intenetową o ozdzielczości nagywania 640 x 480 pikseli. Pzy takiej ozdzielczości możliwe jest wychwycenie twazy użytkownika oaz zeczywistego kontuu ust podczas nagywanej wypowiedzi. Stosując kameę intenetową o 23

24 maksymalnej ozdzielczości nagywania 320 x 240 pikseli, należy tak ją ustawić, aby wyłapywała tylko obsza samych ust, gdyż w innym pzypadku nie uzyska się zeczywistego kontuu ust. Użytkownik powinien wypowiadać poszczególne komendy posto do obiektywu kamey, staając się pzy tym tzymać głowę w pozycji zbliżonej do pionowej. Podczas ejestacji dźwięku, mikofon powinien znajdować się w odległości około 20 cm tak, aby nie wychwytywał niezamiezonego dmuchania w mikofon podczas wypowiadania niektóych fonemów. Mikofon nie powinien wchodzić w kad kamey. Wymagania dotyczące otoczenia nie są ściśle specyzowane względem akustyki, gdyż założeniem metody AV_Mowa_PL jest ozpoznawanie mowy w śodowisku ze szczególnie zakłóconym sygnałem audio. Dla celów badawczych wykozystano cichy pokój, a zakłócenia sztucznie dodawano do sygnału audio mowy. Pzyjęto natomiast wymagania dotyczące ejestacji obazu. Założono, że pomieszczenie powinno być dobze oświetlone, światłem jednolitym, nie powodującym zbyt dużych pzekłamań w ejestowanych koloach. Źódło światła powinno być skieowane na użytkownika systemu Specyfika podstawowych infomacyjnych pocedu metody Metoda AV_Mowa_PL składa się z kilku podstawowych bloków funkcjonowania. Każdy z tych bloków odpowiada za pawidłowe działanie całego systemu, dlatego aby osiągnąć zadawalające wyniki, należy poszczególne etapy acjonalnie ealizować. Konieczne jest pójście na kompomis, wybieając pomiędzy pawidłowym funkcjonowaniem systemu, a zeczywistą szybkością eagowania na wpowadzane dane wejściowe. Piewszym etapem ozpoznawania audio-wideo mowy jest odpowiednie naganie wypowiedzi audio i wideo mowy użytkownika. Pzyjęto częstotliwość póbkowania dźwięku 8 khz, a częstotliwość nagywania obazu 5 klatek/s. Pzy takich paametach nagywania jedna klatka obazu zawiea około 533 póbki sygnału. Sygnał audio zostaje oddzielony od sygnału wideo, gdyż w dalszych etapach, ekstakcja wymaganych chaakteystyk ealizowana jest oddzielnie dla każdego z kanałów. Podczas nagywania sygnału audio nie można stosować kompesji, powadzącej do bezpowotnej utaty niektóych ważnych cech. Sygnał wideo mowy można kompesować, używając jednego z kodeków zaimplementowanych w Matlabie. 24

25 Analiza sygnału audio W pocesie analizy audio sygnału w piewszym koku należy pzygotować książkę kodową, będącą niezbędnym mechanizmem pzy ekstakcji wymaganych chaakteystyk sygnału audio i twozeniu wektoów obsewacji. Poces twozenia książki kodowej wykonuje się za każdym azem, gdy do systemu dodawany jest nowy użytkownik. Książka kodowa odzwieciedla pzestzeń akustyczną danego użytkownika. Po utwozeniu książki kodowej wejściowe sygnały danego użytkownika poddawane są kwantyzacji wektoowej, pzechodząc pzez te same bloki pocesu twozenia książki kodowej. Na Rys.2. pokazano podstawowe infomacyjne bloki analizy audio sygnału. Rys. 2. Podstawowe bloki analizy sygnału audio Analizę kanału audio należy ozpocząć od odfiltowania sygnału, usuwając elementy sygnału będące jego zakłóceniami. Filtacja sygnału pozwala na jego wygładzenie, polepszenie stosunku sygnału do szumu, oganiczenie szeokości pasma pzenoszenia oaz wykywanie zjawisk objawiających się zmianami widma. Dodatkowo wykonując filtację antyaliasingową, zapobiega się zniekształceniom oaz zjawisku nakładania się widm, często powstającym w takcie pzetwazania analogowo-cyfowego (A/C), kiedy góne częstotliwości sygnału są wyższe niż połowa wyższej częstotliwości póbkowania sygnału [7]. W systemie pacującym w waunkach zbliżonych do idealnych można pominąć etap wstępnej filtacji, w celu pzyspieszenia działania. Jednak założeniem systemu ozpoznawania audio-wideo mowy jest popawne działanie w waunkach szczególnie zakłóconych, dlatego w pacy zastosowano wstępną filtację. 25

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość

Bardziej szczegółowo

MIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH

MIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH Politechnika Białostocka Wydział Elektyczny Kateda Elektotechniki Teoetycznej i Metologii nstukcja do zajęć laboatoyjnych z pzedmiotu MENCTWO WEKOŚC EEKTYCZNYCH NEEEKTYCZNYCH Kod pzedmiotu: ENSC554 Ćwiczenie

Bardziej szczegółowo

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metody optymalizacji d inż. Paweł Zalewski kademia Moska w Szczecinie Optymalizacja - definicje: Zadaniem optymalizacji jest wyznaczenie spośód dopuszczalnych ozwiązań danego polemu ozwiązania najlepszego

Bardziej szczegółowo

Ocena siły oddziaływania procesów objaśniających dla modeli przestrzennych

Ocena siły oddziaływania procesów objaśniających dla modeli przestrzennych Michał Benad Pietzak * Ocena siły oddziaływania pocesów objaśniających dla modeli pzestzennych Wstęp Ekonomiczne analizy pzestzenne są ważnym kieunkiem ozwoju ekonometii pzestzennej Wynika to z faktu,

Bardziej szczegółowo

REZONATORY DIELEKTRYCZNE

REZONATORY DIELEKTRYCZNE REZONATORY DIELEKTRYCZNE Rezonato dielektyczny twozy małostatny, niemetalizowany dielektyk o dużej pzenikalności elektycznej ( > 0) i dobej stabilności tempeatuowej, zwykle w kształcie cylindycznych dysków

Bardziej szczegółowo

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy

Bardziej szczegółowo

Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, Spis treści

Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, Spis treści Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, 2011 Spis treści Przedmowa 11 Rozdział 1. WPROWADZENIE 13 1.1. Czym jest automatyczne rozpoznawanie mowy 13 1.2. Poziomy

Bardziej szczegółowo

AKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE.

AKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE. uma Pzedsiębiocy /6 Lipiec 205. AKAEMIA INWESTORA INYWIUALNEGO CZĘŚĆ II. AKCJE. WYCENA AKCJI Wycena akcji jest elementem analizy fundamentalnej akcji. Następuje po analizie egionu, gospodaki i banży, w

Bardziej szczegółowo

METEMATYCZNY MODEL OCENY

METEMATYCZNY MODEL OCENY I N S T Y T U T A N A L I Z R E I O N A L N Y C H w K i e l c a c h METEMATYCZNY MODEL OCENY EFEKTYNOŚCI NAUCZNIA NA SZCZEBLU IMNAZJALNYM I ODSTAOYM METODĄ STANDARYZACJI YNIKÓ OÓLNYCH Auto: D Bogdan Stępień

Bardziej szczegółowo

Model klasyczny gospodarki otwartej

Model klasyczny gospodarki otwartej Model klasyczny gospodaki otwatej Do tej poy ozpatywaliśmy model sztucznie zakładający, iż gospodaka danego kaju jest gospodaką zamkniętą. A zatem bak było międzynaodowych pzepływów dób i kapitału. Jeżeli

Bardziej szczegółowo

II.6. Wahadło proste.

II.6. Wahadło proste. II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia

Bardziej szczegółowo

KALIBRACJA WIZYJNEGO SYSTEMU POZYCJONOWANIA PRZEDMIOTU OBRABIANEGO NA OBRABIARCE CNC

KALIBRACJA WIZYJNEGO SYSTEMU POZYCJONOWANIA PRZEDMIOTU OBRABIANEGO NA OBRABIARCE CNC MODELOWANIE INŻYNIERSKIE n 46, ISSN 1896-771X KALIBRACJA WIZYJNEGO SYSTEMU POZYCJONOWANIA PRZEDMIOTU OBRABIANEGO NA OBRABIARCE CNC 1a Stefan Domek, 2b Miosław Pajo, 2c Maek Gudziński, 3d Kzysztof Okama,

Bardziej szczegółowo

L(x, 0, y, 0) = x 2 + y 2 (3)

L(x, 0, y, 0) = x 2 + y 2 (3) 0. Małe dgania Kótka notatka o małych dganiach wyjasniające możliwe niejasności. 0. Poszukiwanie punktów ównowagi Punkty ównowagi wyznaczone są waunkami x i = 0, ẋi = 0 ( Pochodna ta jest ówna pochodnej

Bardziej szczegółowo

KOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH

KOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH KOLOKACJA SYSTEMÓW BEZPRZEWODOWYCH NA OBIEKTACH MOBILNYCH Janusz ROMANIK, Kzysztof KOSMOWSKI, Edwad GOLAN, Adam KRAŚNIEWSKI Zakład Radiokomunikacji i Walki Elektonicznej Wojskowy Instytut Łączności 05-30

Bardziej szczegółowo

Zależność natężenia oświetlenia od odległości

Zależność natężenia oświetlenia od odległości Zależność natężenia oświetlenia CELE Badanie zależności natężenia oświetlenia powiezchni wytwazanego pzez żaówkę od niej. Uzyskane dane są analizowane w kategoiach paw fotometii (tzw. pawa odwotnych kwadatów

Bardziej szczegółowo

WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POLITECHNIKI KRAKOWSKIEJ Instytut Fizyki LABORATORIUM PODSTAW ELEKTROTECHNIKI, ELEKTRONIKI I MIERNICTWA

WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POLITECHNIKI KRAKOWSKIEJ Instytut Fizyki LABORATORIUM PODSTAW ELEKTROTECHNIKI, ELEKTRONIKI I MIERNICTWA WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POITEHNIKI KRAKOWSKIEJ Instytut Fizyki ABORATORIUM PODSTAW EEKTROTEHNIKI, EEKTRONIKI I MIERNITWA ĆWIZENIE 7 Pojemność złącza p-n POJĘIA I MODEE potzebne do zozumienia

Bardziej szczegółowo

WYKŁAD 1. W przypadku zbiornika zawierającego gaz, stan układu jako całości jest opisany przez: temperaturę, ciśnienie i objętość.

WYKŁAD 1. W przypadku zbiornika zawierającego gaz, stan układu jako całości jest opisany przez: temperaturę, ciśnienie i objętość. WYKŁAD 1 Pzedmiot badań temodynamiki. Jeśli chcemy opisać układ złożony z N cząstek, to możemy w amach mechaniki nieelatywistycznej dla każdej cząstki napisać ównanie uchu: 2 d i mi = Fi, z + Fi, j, i,

Bardziej szczegółowo

Sprawozdanie EKSPERTYZA SYSTEMU WG: DIN EN ISO 9001:2000 DIN EN ISO 14001:2005 OHSAS 18001:2007. Valeo Service Sp. z o.o. Warszawa.

Sprawozdanie EKSPERTYZA SYSTEMU WG: DIN EN ISO 9001:2000 DIN EN ISO 14001:2005 OHSAS 18001:2007. Valeo Service Sp. z o.o. Warszawa. Spawozdanie EKSPERTYZA SYSTEMU WG: DIN EN ISO 9001:2000 DIN EN ISO 14001:2005 OHSAS 18001:2007 Valeo Sevice Sp. z o.o. Waszawa DQS GmbH Deutsche Gesellschaft zu Zetifizieung von Managementsystemen mazec

Bardziej szczegółowo

Modelowanie przepływu cieczy przez ośrodki porowate Wykład III

Modelowanie przepływu cieczy przez ośrodki porowate Wykład III Modelowanie pzepływu cieczy pzez ośodki poowate Wykład III 6 Ogólne zasady ozwiązywania ównań hydodynamicznego modelu pzepływu. Metody ozwiązania ównania Laplace a. Wpowadzenie wielkości potencjału pędkości

Bardziej szczegółowo

OPTYMALIZACJA KSZTAŁTU WIELOKĄTNYCH OBSZARÓW

OPTYMALIZACJA KSZTAŁTU WIELOKĄTNYCH OBSZARÓW MODELOWANIE INśYNIERSKIE ISSN 896-77X 35, s. 63-68, Gliwice 008 OPTYMALIZACJA KSZTAŁTU WIELOKĄTNYCH OBSZARÓW MODELOWANYCH RÓWNANIAMI NAVIERA-LAMEGO NA PODSTAWIE PURC I ALGORYTMÓW GENETYCZNYCH EUGENIUSZ

Bardziej szczegółowo

WYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA

WYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA WYKŁAD OPTYMALIZACJA WIELOKYTEIALNA Wstęp. W wielu pzypadkach pzy pojektowaniu konstukcji technicznych dla okeślenia ich jakości jest niezędne wpowadzenie więcej niż jednego kyteium oceny. F ) { ( ), (

Bardziej szczegółowo

Ćwiczenie 9 ZASTOSOWANIE ŻYROSKOPÓW W NAWIGACJI

Ćwiczenie 9 ZASTOSOWANIE ŻYROSKOPÓW W NAWIGACJI 9.1. Cel ćwiczenia Ćwiczenie 9 ZASTSWANIE ŻYRSKPÓW W NAWIGACJI Celem ćwiczenia jest pezentacja paktycznego wykozystania efektu żyoskopowego w lotniczych pzyządach nawigacyjnych. 9.2. Wpowadzenie Żyoskopy

Bardziej szczegółowo

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ.

ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. ROZWIĄZUJEMY PROBLEM RÓWNOWAŻNOŚCI MASY BEZWŁADNEJ I MASY GRAWITACYJNEJ. STRESZCZENIE Na bazie fizyki klasycznej znaleziono nośnik ładunku gawitacyjnego, uzyskano jedność wszystkich odzajów pól ( elektycznych,

Bardziej szczegółowo

BADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH OPARTYCH NA ANALIZIE TECHNICZNEJ WPROWADZENIE

BADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH OPARTYCH NA ANALIZIE TECHNICZNEJ WPROWADZENIE Edyta Macinkiewicz Kateda Zaządzania, Wydział Oganizacji i Zaządzania Politechniki Łódzkiej e-mail: emac@p.lodz.pl BADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH

Bardziej szczegółowo

MONITORING STACJI FOTOWOLTAICZNYCH W ŚWIETLE NORM EUROPEJSKICH

MONITORING STACJI FOTOWOLTAICZNYCH W ŚWIETLE NORM EUROPEJSKICH 51 Aleksande Zaemba *, Tadeusz Rodziewicz **, Bogdan Gaca ** i Maia Wacławek ** * Kateda Elektotechniki Politechnika Częstochowska al. Amii Kajowej 17, 42-200 Częstochowa e-mail: zaemba@el.pcz.czest.pl

Bardziej szczegółowo

PRACA MOC ENERGIA. Z uwagi na to, że praca jest iloczynem skalarnym jej wartość zależy również od kąta pomiędzy siłą F a przemieszczeniem r

PRACA MOC ENERGIA. Z uwagi na to, że praca jest iloczynem skalarnym jej wartość zależy również od kąta pomiędzy siłą F a przemieszczeniem r PRACA MOC ENERGIA Paca Pojęcie pacy używane jest zaówno w fizyce (w sposób ścisły) jak i w życiu codziennym (w sposób potoczny), jednak obie te definicje nie pokywają się Paca w sensie potocznym to każda

Bardziej szczegółowo

Wartości wybranych przedsiębiorstw górniczych przy zastosowaniu EVA *

Wartości wybranych przedsiębiorstw górniczych przy zastosowaniu EVA * ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO n 786 Finanse, Rynki Finansowe, Ubezpieczenia n 64/1 (2013) s. 269 278 Watości wybanych pzedsiębiostw góniczych pzy zastosowaniu EVA * Adam Sojda ** Steszczenie:

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady

Bardziej szczegółowo

MODELOWANIE PRĄDÓW WIROWYCH W ŚRODOWISKACH SŁABOPRZEWODZĄCYCH PRZY WYKORZYSTANIU SKALARNEGO POTENCJAŁU ELEKTRYCZNEGO

MODELOWANIE PRĄDÓW WIROWYCH W ŚRODOWISKACH SŁABOPRZEWODZĄCYCH PRZY WYKORZYSTANIU SKALARNEGO POTENCJAŁU ELEKTRYCZNEGO Pzemysław PŁONECKI Batosz SAWICKI Stanisław WINCENCIAK MODELOWANIE PRĄDÓW WIROWYCH W ŚRODOWISKACH SŁABOPRZEWODZĄCYCH PRZY WYKORZYSTANIU SKALARNEGO POTENCJAŁU ELEKTRYCZNEGO STRESZCZENIE W atykule pzedstawiono

Bardziej szczegółowo

Modelowanie zmienności i dokładność oszacowania jakości węgla brunatnego w złożu Bełchatów (pole Bełchatów)

Modelowanie zmienności i dokładność oszacowania jakości węgla brunatnego w złożu Bełchatów (pole Bełchatów) Akademia Góniczo-Hutnicza, Kopalnia Węgla Bunatnego, Wydział Geologii, Geofizyki i Ochony śodowiska Bełchatów Wasztaty Gónicze 24 Jacek Mucha, Tadeusz Słomka, Wojciech Mastej, Tomasz Batuś Akademia Góniczo-Hutnicza,

Bardziej szczegółowo

Wykład 17. 13 Półprzewodniki

Wykład 17. 13 Półprzewodniki Wykład 17 13 Półpzewodniki 13.1 Rodzaje półpzewodników 13.2 Złącze typu n-p 14 Pole magnetyczne 14.1 Podstawowe infomacje doświadczalne 14.2 Pąd elektyczny jako źódło pola magnetycznego Reinhad Kulessa

Bardziej szczegółowo

POLITECHNIKA OPOLSKA Wydział Elektrotechniki i Automatyki

POLITECHNIKA OPOLSKA Wydział Elektrotechniki i Automatyki POLITECHNIKA OPOLSKA Wydział Elektotechniki i Automatyki Mg inż. Michał Tomaszewski MODEL PRZEDSIĘBIORSTWA DYSTRYBUCYJNEGO DZIAŁAJĄCEGO NA OTWARTYM RYNKU ENERGII ELEKTRYCZNEJ Autoefeat pacy doktoskiej

Bardziej szczegółowo

PRZEMIANA ENERGII ELEKTRYCZNEJ W CIELE STAŁYM

PRZEMIANA ENERGII ELEKTRYCZNEJ W CIELE STAŁYM PRZEMIANA ENERGII ELEKTRYCZNE W CIELE STAŁYM Anaizowane są skutki pzepływu pądu pzemiennego o natężeniu I pzez pzewodnik okągły o pomieniu. Pzyęto wstępne założenia upaszcząace: - kształt pądu est sinusoidany,

Bardziej szczegółowo

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru Kognitywistyka II Teoie inteligencji i sposoby jej pomiau (4) Teoia zetelności wyników testu Rzetelność czyli dokładność pomiau W języku potocznym temin zetelność oznacza niezawodność (dokładność). W psychometii

Bardziej szczegółowo

POMIAR PĘTLI HISTEREZY MAGNETYCZNEJ

POMIAR PĘTLI HISTEREZY MAGNETYCZNEJ POMAR PĘTL STEREZ MAGNETZNEJ 1. Opis teoetyczny do ćwiczenia zamieszczony jest na stonie www.wtc.wat.edu.pl w dziale DDAKTKA FZKA ĆZENA LABORATORJNE.. Opis układu pomiaowego Mateiały feomagnetyczne (feyt,

Bardziej szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja 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 szczegółowo

XXXVII OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXXVII OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXXVII OIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne ZADANIE D Nazwa zadania: Obacający się pęt swobodnie Długi cienki pęt obaca się swobodnie wokół ustalonej pionowej osi, postopadłej do niego yc.

Bardziej szczegółowo

PRÓBA OCENY KIERUNKÓW I TEMPA ZMIAN INFRASTRUKTURY TRANSPORTOWEJ W KRAJACH NOWO PRZYJĘTYCH I ASPIRUJĄCYCH DO UNII EUROPEJSKIEJ

PRÓBA OCENY KIERUNKÓW I TEMPA ZMIAN INFRASTRUKTURY TRANSPORTOWEJ W KRAJACH NOWO PRZYJĘTYCH I ASPIRUJĄCYCH DO UNII EUROPEJSKIEJ B A D A N I A O P E A C Y J N E I D E C Y Z J E N 006 Kaol KUKUŁA*, Jacek STOJNY* PÓBA OCENY KIEUNKÓW I TEMPA ZMIAN INFASTUKTUY TANSPOTOWEJ W KAJACH NOWO PZYJĘTYCH I ASPIUJĄCYCH DO UNII EUOPEJSKIEJ Pzedstawiono

Bardziej szczegółowo

Wzmacniacze tranzystorowe prądu stałego

Wzmacniacze tranzystorowe prądu stałego Wzmacniacze tanzystoo pądu stałego Wocław 03 kład Dalingtona (układ supe-β) C kład stosowany gdy potzebne duże wzmocnienie pądo (np. do W). C C C B T C B B T C C + β ' B B C β + ( ) C B C β β β B B β '

Bardziej szczegółowo

KONKURS Z MATEMATYKI DLA UCZNIÓW SZKÓŁ PODSTAWOWYCH

KONKURS Z MATEMATYKI DLA UCZNIÓW SZKÓŁ PODSTAWOWYCH Konkusy w województwie podkapackim w oku szkolnym 08/09 KONKURS Z MTEMTYKI L UZNIÓW SZKÓŁ POSTWOWYH ETP REJONOWY KLUZ OPOWIEZI Zasady pzyznawania punktów za każdą popawną odpowiedź punkt za błędną odpowiedź

Bardziej szczegółowo

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

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 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 szczegółowo

cz. 1. dr inż. Zbigniew Szklarski

cz. 1. dr inż. Zbigniew Szklarski Wykład 10: Gawitacja cz. 1. d inż. Zbiniew Szklaski szkla@ah.edu.pl http://laye.uci.ah.edu.pl/z.szklaski/ Doa do pawa powszechneo ciążenia Ruch obitalny planet wokół Słońca jak i dlaczeo? Reulane, wieloletnie

Bardziej szczegółowo

Energia kinetyczna i praca. Energia potencjalna

Energia kinetyczna i praca. Energia potencjalna negia kinetyczna i paca. negia potencjalna Wykład 4 Wocław Univesity of Technology 1 NRGIA KINTYCZNA I PRACA 5.XI.011 Paca Kto wykonał większą pacę? Hossein Rezazadeh Olimpiada w Atenach 004 WR Podzut

Bardziej szczegółowo

Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy

Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić

Bardziej szczegółowo

Próba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki

Próba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki Póba okeślenia miay jakości infomacji na guncie teoii gafów dla potzeb dydaktyki Zbigniew Osiak E-mail: zbigniew.osiak@gmail.com http://ocid.og/0000-0002-5007-306x http://via.og/autho/zbigniew_osiak Steszczenie

Bardziej szczegółowo

Wykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii.

Wykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii. Wykład: paca siły, pojęcie enegii potencjalnej. Zasada zachowania enegii. Uwaga: Obazki w tym steszczeniu znajdują się stonie www: http://www.whfeeman.com/tiple/content /instucto/inde.htm Pytanie: Co to

Bardziej szczegółowo

Optymalizacja ciągła

Optymalizacja 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 szczegółowo

Elementarne przepływy potencjalne (ciąg dalszy)

Elementarne przepływy potencjalne (ciąg dalszy) J. Szanty Wykład n 4 Pzepływy potencjalne Aby wytwozyć w pzepływie potencjalnym siły hydodynamiczne na opływanych ciałach konieczne jest zyskanie pzepływ asymetycznego.jest to możliwe pzy wykozystani kolejnego

Bardziej szczegółowo

Pole magnetyczne. 5.1 Oddziaływanie pola magnetycznego na ładunki. przewodniki z prądem. 5.1.1 Podstawowe zjawiska magnetyczne

Pole magnetyczne. 5.1 Oddziaływanie pola magnetycznego na ładunki. przewodniki z prądem. 5.1.1 Podstawowe zjawiska magnetyczne Rozdział 5 Pole magnetyczne 5.1 Oddziaływanie pola magnetycznego na ładunki i pzewodniki z pądem 5.1.1 Podstawowe zjawiska magnetyczne W obecnym ozdziale ozpatzymy niektóe zagadnienia magnetostatyki. Magnetostatyką

Bardziej szczegółowo

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny

Bardziej szczegółowo

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

w 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 szczegółowo

MODELOWANIE USŁUG TRANSPORTOWYCH W OBSZARZE DZIAŁANIA CENTRUM LOGISTYCZNO-DYSTRYBUCYJNEGO

MODELOWANIE USŁUG TRANSPORTOWYCH W OBSZARZE DZIAŁANIA CENTRUM LOGISTYCZNO-DYSTRYBUCYJNEGO PACE NAUKOWE POLIECHNIKI WASZAWSKIEJ z. 64 anspot 2008 Jolanta ŻAK Wydział anspotu Politechniki Waszawskie Zakład Logistyki i Systemów anspotowych ul. Koszykowa 75, 00-662 Waszawa logika@it.pw.edu.pl MODELOWANIE

Bardziej szczegółowo

{ 1, 2,, n } Ponadto wówczas mówimy, że formuła: oraz równoważna jej formuła:

{ 1, 2,, n } Ponadto wówczas mówimy, że formuła: oraz równoważna jej formuła: RCHUNEK ZDŃ 6 Do ozstzygania, któe fomuły achunku zdań są tautologiami, czyli pawami logiki, stosować możemy tzy odzaje metod: 1) metodę matycową (zeo-jedynkową), 2) metodę założeniową, 3) metodę aksjomatyczną.

Bardziej szczegółowo

WYZNACZANIE SIŁ MIĘŚNIOWYCH I REAKCJI W STAWACH KOŃCZYNY DOLNEJ PODCZAS NASKOKU I ODBICIA

WYZNACZANIE SIŁ MIĘŚNIOWYCH I REAKCJI W STAWACH KOŃCZYNY DOLNEJ PODCZAS NASKOKU I ODBICIA MODELOWANIE INŻYNIERSKIE ISSN 896-77X 44, s. 49-56, Gliwice 0 WYZNACZANIE SIŁ MIĘŚNIOWYCH I REAKCJI W SAWACH KOŃCZYNY DOLNEJ PODCZAS NASKOKU I ODBICIA KRZYSZO DRAPAŁA, KRZYSZO DZIEWIECKI, ZENON MAZUR,

Bardziej szczegółowo

UCHWAŁA NR XXVI/152/2012 RADY MIEJSKIEJ W POLANICY-ZDROJU. z dnia 23 października 2012 r.

UCHWAŁA NR XXVI/152/2012 RADY MIEJSKIEJ W POLANICY-ZDROJU. z dnia 23 października 2012 r. UCHWAŁA NR XXVI/152/2012 RADY MIEJSKIEJ W POLANICY-ZDROJU z dnia 23 paździenika 2012. w spawie uchwalenia miejscowego planu zagospodaowania pzestzennego MPZP NOWY WIELISŁAW II Na podstawie at. 18 ust.

Bardziej szczegółowo

2 Przykład C2a C /BRANCH C. <-I--><Flux><Name><Rmag> TRANSFORMER RTop_A RRRRRRLLLLLLUUUUUU 1 P1_B P2_B 2 S1_B SD_B 3 SD_B S2_B

2 Przykład C2a C /BRANCH C. <-I--><Flux><Name><Rmag> TRANSFORMER RTop_A RRRRRRLLLLLLUUUUUU 1 P1_B P2_B 2 S1_B SD_B 3 SD_B S2_B PRZYKŁAD A Utwozyć model sieci z dwuuzwojeniowym, tójfazowym tansfomatoem 110/0kV. Model powinien zapewnić symulację zwać wewnętznych oaz zadawanie watości początkowych indukcji w poszczególnych fazach.

Bardziej szczegółowo

Uniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2

Uniwersytet Warszawski Teoria gier dr Olga Kiuila LEKCJA 2 LEKCJA 2 Pzykład: Dylemat Cykoa (albo Poke Dogowy) Dwie osoby wsiadają w samochody, ozpędzają się i z dużą pędkością jadą na siebie - ten kto piewszy zahamuje lub zjedzie z tasy jest "cykoem" i pzegywa.

Bardziej szczegółowo

należą do grupy odbiorników energii elektrycznej idealne elementy rezystancyjne przekształcają energię prądu elektrycznego w ciepło

należą do grupy odbiorników energii elektrycznej idealne elementy rezystancyjne przekształcają energię prądu elektrycznego w ciepło 07 0 Opacował: mg inż. Macin Wieczoek www.mawie.net.pl. Elementy ezystancyjne. należą do gupy odbioników enegii elektycznej idealne elementy ezystancyjne pzekształcają enegię pądu elektycznego w ciepło.

Bardziej szczegółowo

BRYŁA SZTYWNA. Umowy. Aby uprościć rozważania w tym dziale będziemy przyjmować następujące umowy:

BRYŁA SZTYWNA. Umowy. Aby uprościć rozważania w tym dziale będziemy przyjmować następujące umowy: Niektóe powody aby poznać ten dział: BRYŁA SZTYWNA stanowi dobe uzupełnienie mechaniki punktu mateialnego, opisuje wiele sytuacji z życia codziennego, ma wiele powiązań z innymi działami fizyki (temodynamika,

Bardziej szczegółowo

ROZWIAZANIA ZAGADNIEŃ PRZEPŁYWU FILTRACYJNEGO METODAMI ANALITYCZNYMI.

ROZWIAZANIA ZAGADNIEŃ PRZEPŁYWU FILTRACYJNEGO METODAMI ANALITYCZNYMI. Modelowanie pzepływu cieczy pzez ośodki poowate Wykład VII ROZWIAZANIA ZAGADNIEŃ PRZEPŁYWU FILTRACYJNEGO METODAMI ANALITYCZNYMI. 7. Pzepływ pzez goblę z uwzględnieniem zasilania wodami infiltacyjnymi.

Bardziej szczegółowo

STANDARDY EMISJI ZANIECZYSZCZEŃ DO POWIETRZA Z PROCESÓW ENERGETYCZNEGO SPALANIA PALIW ANALIZA ZMIAN

STANDARDY EMISJI ZANIECZYSZCZEŃ DO POWIETRZA Z PROCESÓW ENERGETYCZNEGO SPALANIA PALIW ANALIZA ZMIAN STANISŁAW KIRSEK, JOANNA STUDENCKA STANDARDY EMISJI ZANIECZYSZCZEŃ DO POWIETRZA Z PROCESÓW ENERGETYCZNEGO SPALANIA PALIW ANALIZA ZMIAN THE STANDARDS OF AIR POLLUTION EMISSION FROM THE FUELS COMBUSTION

Bardziej szczegółowo

LIST EMISYJNY nr 3 /2014 Ministra Finansów

LIST EMISYJNY nr 3 /2014 Ministra Finansów LIST EMISYJNY n /0 Minista Finansów z dnia stycznia 0. w spawie emisji kótkookesowych oszczędnościowych obligacji skabowych o opocentowaniu stałym ofeowanych w sieci spzedaży detalicznej Na podstawie at.

Bardziej szczegółowo

Rodzajowy rachunek kosztów Wycena zuŝycia materiałów

Rodzajowy rachunek kosztów Wycena zuŝycia materiałów Rodzajowy achunek kosztów (wycena zuŝycia mateiałów) Wycena zuŝycia mateiałów ZuŜycie mateiałów moŝe być miezone, wyceniane, dokumentowane i ewidencjonowane w óŝny sposób. Stosowane metody wywieają jednak

Bardziej szczegółowo

GRAWITACJA. przyciągają się wzajemnie siłą proporcjonalną do iloczynu ich mas i odwrotnie proporcjonalną do kwadratu ich odległości r.

GRAWITACJA. przyciągają się wzajemnie siłą proporcjonalną do iloczynu ich mas i odwrotnie proporcjonalną do kwadratu ich odległości r. GRAWITACJA Pawo powszechnego ciążenia (pawo gawitacji) Dwa punkty mateialne o masach m 1 i m pzyciągają się wzajemnie siłą popocjonalną do iloczynu ich mas i odwotnie popocjonalną do kwadatu ich odległości.

Bardziej szczegółowo

Pattern Classification

Pattern Classification Pattern Classification All materials in these slides were taken from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons, 2000 with the permission of the authors

Bardziej szczegółowo

Zrobotyzowany system docierania powierzchni płaskich z zastosowaniem plików CL Data

Zrobotyzowany system docierania powierzchni płaskich z zastosowaniem plików CL Data MECHANIK NR 8-9/2015 25 Zobotyzowany system docieania powiezcni płaskic z zastosowaniem plików CL Data Robotic system fo flat sufaces lapping using CLData ADAM BARYLSKI NORBERT PIOTROWSKI * DOI: 10.17814/mecanik.2015.8-9.335

Bardziej szczegółowo

Elektroenergetyczne sieci rozdzielcze SIECI 2004 V Konferencja Naukowo-Techniczna

Elektroenergetyczne sieci rozdzielcze SIECI 2004 V Konferencja Naukowo-Techniczna Elektoenegetyczne sieci ozdzielcze SIECI 2004 V Konfeencja Naukowo-Techniczna Politechnika Wocławska Instytut Enegoelektyki Andzej SOWA Jaosław WIATER Politechnika Białostocka, 15-353 Białystok, ul. Wiejska

Bardziej szczegółowo

GEOMETRIA PŁASZCZYZNY

GEOMETRIA PŁASZCZYZNY GEOMETRIA PŁASZCZYZNY. Oblicz pole tapezu ównoamiennego, któego podstawy mają długość cm i 0 cm, a pzekątne są do siebie postopadłe.. Dany jest kwadat ABCD. Punkty E i F są śodkami boków BC i CD. Wiedząc,

Bardziej szczegółowo

Binarne Diagramy Decyzyjne

Binarne Diagramy Decyzyjne Sawne tablice logiczne Plan Binane diagamy decyzyjne Oganiczanie i kwantyfikacja Logika obliczeniowa Instytut Infomatyki Plan Sawne tablice logiczne Binane diagamy decyzyjne Plan wykładu 1 2 3 4 Plan wykładu

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,

Bardziej szczegółowo

AKUSTYKA MOWY. Podstawy rozpoznawania mowy część I

AKUSTYKA MOWY. Podstawy rozpoznawania mowy część I AKUSTYKA MOWY Podstawy rozpoznawania mowy część I PLAN WYKŁADU Część I Podstawowe pojęcia z dziedziny rozpoznawania mowy Algorytmy, parametry i podejścia do rozpoznawania mowy Przykłady istniejących bibliotek

Bardziej szczegółowo

Katalog usług Kariera i Praca dlastudenta.pl

Katalog usług Kariera i Praca dlastudenta.pl Katalog usług Kaiea i Paca dlastudenta.pl Dołącz do gona naszych zadowolonych Klientów! Paca Paktyki Szkolenia Dlaczego dlastudenta.pl? Dlaczego wato zamieścić ogłoszenie na dlastudenta.pl: największy

Bardziej szczegółowo

OKREŚLANIE WARTOŚCI MOMENTU STATYCZNEGO DLA STANU NIERUCHOMEGO WAŁU SILNIKA INDUKCYJNEGO W PRZEKSZTAŁTNIKOWYM UKŁADZIE NAPĘDOWYM DŹWIGU

OKREŚLANIE WARTOŚCI MOMENTU STATYCZNEGO DLA STANU NIERUCHOMEGO WAŁU SILNIKA INDUKCYJNEGO W PRZEKSZTAŁTNIKOWYM UKŁADZIE NAPĘDOWYM DŹWIGU Zeszyty Poblemowe Maszyny Elektyczne N 75/6 15 Jan Anuszczyk, Maiusz Jabłoński Politechnika Łódzka, Łódź OKREŚLANE WARTOŚC MOMENTU STATYCZNEGO DLA STANU NERUCHOMEGO WAŁU SLNKA NDUKCYJNEGO W PRZEKSZTAŁTNKOWYM

Bardziej szczegółowo

Modele powszechnych przesiewowych noworodków. wad słuchu'

Modele powszechnych przesiewowych noworodków. wad słuchu' Audiofonologia Tom X 1997 Henyk Skażyński Małgozata Muelle-Malesińska Kzysztof Kochanek Andzej Sendeski Joanna Ratyńska nstytut Fizjologii i Patologii Słuchu Waszawa Modele powszechnych pzesiewowych nowoodków

Bardziej szczegółowo

System do sterowania ruchem kamery przemysłowej za pomocą komend głosowych

System do sterowania ruchem kamery przemysłowej za pomocą komend głosowych System do sterowania ruchem kamery przemysłowej za pomocą komend głosowych Dariusz Krala 1 1 Wydział Inżynierii Mechanicznej i Informatyki Kierunek Informatyka, Rok V {dariusz.krala}@gmail.com Streszczenie

Bardziej szczegółowo

Kompresja dźwięku w standardzie MPEG-1

Kompresja dźwięku w standardzie MPEG-1 mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 7, strona 1. Kompresja dźwięku w standardzie MPEG-1 Ogólne założenia kompresji stratnej Zjawisko maskowania psychoakustycznego Schemat blokowy

Bardziej szczegółowo

Opis ćwiczeń na laboratorium obiektów ruchomych

Opis ćwiczeń na laboratorium obiektów ruchomych Gdańsk 3.0.007 Opis ćwiczeń na laboatoium obiektów uchomych Implementacja algoytmu steowania obotem w śodowisku symulacyjnym gy obotów w piłkę nożną stwozonym w Katedze Systemów Automatyki Politechniki

Bardziej szczegółowo

Uwagi: LABORATORIUM WYTRZYMAŁOŚCI MATERIAŁÓW. Ćwiczenie nr 16 MECHANIKA PĘKANIA. ZNORMALIZOWANY POMIAR ODPORNOŚCI MATERIAŁÓW NA PĘKANIE.

Uwagi: LABORATORIUM WYTRZYMAŁOŚCI MATERIAŁÓW. Ćwiczenie nr 16 MECHANIKA PĘKANIA. ZNORMALIZOWANY POMIAR ODPORNOŚCI MATERIAŁÓW NA PĘKANIE. POLITECHNIKA KRAKOWSKA WYDZIAŁ MECHANZNY INSTYTUT MECHANIKI STOSOWANEJ Zakład Mechaniki Doświadczalnej i Biomechaniki Imię i nazwisko: N gupy: Zespół: Ocena: Uwagi: Rok ak.: Data ćwicz.: Podpis: LABORATORIUM

Bardziej szczegółowo

9.1 POMIAR PRĘDKOŚCI NEUTRINA W CERN

9.1 POMIAR PRĘDKOŚCI NEUTRINA W CERN 91 POMIAR PRĘDKOŚCI NEUTRINA W CERN Rozdział należy do teoii pt "Teoia Pzestzeni" autostwa Daiusza Stanisława Sobolewskiego http: wwwtheoyofspaceinfo Z uwagi na ozważania nad pojęciem czasu 1 możemy pzyjąć,

Bardziej szczegółowo

Rozpoznawanie obrazów

Rozpoznawanie obrazów Rozpoznawanie obrazów Laboratorium Python Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, M. Zięba, J. Kaczmar Cel zadania Celem zadania jest implementacja liniowego zadania

Bardziej szczegółowo

METODY STATYCZNE Metody pomiaru twardości.

METODY STATYCZNE Metody pomiaru twardości. METODY STATYCZNE Metody pomiau twadości. Opacował: XXXXXXXX studia inŝynieskie zaoczne wydział mechaniczny semest V Gdańsk 00. Cel ćwiczenia. Celem ćwiczenia jest zapoznanie się z metodami pomiaów twadości,

Bardziej szczegółowo

ANALIZA DANYCH W STATA 8.0

ANALIZA DANYCH W STATA 8.0 ANALIZA DANYCH W STATA 8.0 ZAJĘCIA 3 1. Rozpoczęcie 1. Stwozyć w katalogu C:/temp katalog stata_3 2. Ściągnąć z intenetu ze stony http://akson.sgh.waw.pl/~mpoch plik zajecia3.zip (kyje się on pod tekstem

Bardziej szczegółowo

ĆWICZENIE 5. Badanie przekaźnikowych układów sterowania

ĆWICZENIE 5. Badanie przekaźnikowych układów sterowania ĆWICZENIE 5 Badanie zekaźnikowych układów steowania 5. Cel ćwiczenia Celem ćwiczenia jest badanie zekaźnikowych układów steowania obiektem całkującoinecyjnym. Ćwiczenie dotyczy zekaźników dwu- i tójołożeniowych

Bardziej szczegółowo

DOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY

DOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY DOLNOŚLĄSKA WOJEWÓDZKA KOMENDA OCHOTNICZYCH HUFCÓW PRACY - Wocław, Wybzeże J. Słowackiego 9 tel. (7) --7, -9-8 e-mail: dolnoslaska@ohp.pl fax (7) -9- N konta: NBP O/Wocław 9 7 9 88 N egon: 78 NIP: 89---9

Bardziej szczegółowo

aplikacji dla Zawiera Forum Dyskusyjne Katalog polskich Katalog

aplikacji dla Zawiera Forum Dyskusyjne Katalog polskich Katalog Zawiea pe³n¹ wesjê Oganize 6 W Wstęp F Foum Dyskusyjne www.lotuspolska.pl Katalog polskich dla K Katalog Polska, ul. 1-go Siepnia 8, 02-134 Waszawa, tel. (022) 878 67 60, fax (022) 878 67 64 Wstęp Szanowni

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZENIA

INSTRUKCJA DO ĆWICZENIA NSTRKJA DO ĆWZENA Temat: Rezonans w obwodach elektycznych el ćwiczenia elem ćwiczenia jest doświadczalne spawdzenie podstawowych właściwości szeegowych i ównoległych ezonansowych obwodów elektycznych.

Bardziej szczegółowo

Podstawowe konstrukcje tranzystorów bipolarnych

Podstawowe konstrukcje tranzystorów bipolarnych Tanzystoy Podstawowe konstukcje tanzystoów bipolanych Zjawiska fizyczne występujące w tanzystoach bipolanych, a w związku z tym właściwości elektyczne tych tanzystoów, zaleŝą od ich konstukcji i technologii

Bardziej szczegółowo

Wymagania na poszczególne oceny z informatyki dla klasy 4-6

Wymagania na poszczególne oceny z informatyki dla klasy 4-6 Wymagania na poszczeglne oceny z infomatyki dla klasy 4-6 1. ń ń. 2.. 3.. 4. Wymagan ń. 5. Stopień dopuszczający Uczeń i stosuje zasady ń w pacowni komputeowej jest kompute komputeoweg o podaje ń komputea

Bardziej szczegółowo

BADANIE SILNIKA WYKONAWCZEGO PRĄDU STAŁEGO

BADANIE SILNIKA WYKONAWCZEGO PRĄDU STAŁEGO LABORATORIUM ELEKTRONIKI I ELEKTROTECHNIKI BADANIE SILNIKA WYKONAWCZEGO PRĄDU STAŁEGO Opacował: d inŝ. Aleksande Patyk 1.Cel i zakes ćwiczenia. Celem ćwiczenia jest zapoznanie się z budową, właściwościami

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Laboratorium MATLAB Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z liniowym zadaniem najmniejszych

Bardziej szczegółowo

STUDIA INFORMATICA 2001 Volume 22 Number 3 (45)

STUDIA INFORMATICA 2001 Volume 22 Number 3 (45) STUDIA INFORMATICA 2001 Voume 22 Numbe 3 (45) Pzemysław KOWALSKI, Kzysztof SKABEK Instytut Infomatyki Teoetycznej i Stosowanej PAN PRZETWARZANIE INFORMACJI WIZYJNEJ W KOMPUTEROWYM SYSTEMIE Z MOBILNĄ GŁOWICĄ

Bardziej szczegółowo

cz.2 dr inż. Zbigniew Szklarski

cz.2 dr inż. Zbigniew Szklarski Wykład 11: Gawitacja cz. d inż. Zbigniew Szklaski szkla@agh.edu.pl http://laye.uci.agh.edu.pl/z.szklaski/ Pawo Gaussa - PZYKŁADY: Masa punktowa: ds Powiezchnia Gaussa M g g S g ds S g ds 0 cos180 S gds

Bardziej szczegółowo

Atom (cząsteczka niepolarna) w polu elektrycznym

Atom (cząsteczka niepolarna) w polu elektrycznym Dieektyki Dieektyki substancje, w któych nie występują swobodne nośniki ładunku eektycznego (izoatoy). Może być w nich wytwozone i utzymane bez stat enegii poe eektyczne. dieektyk Faaday Wpowadzenie do

Bardziej szczegółowo

00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym.

00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym. 1 00502 Kinematyka D Dane osobowe właściciela akusza 00502 Podstawy kinematyki D Część 2 Iloczyn wektoowy i skalany. Wektoowy opis uchu. Względność uchu. Pędkość w uchu postoliniowym. Instukcja dla zdającego

Bardziej szczegółowo

Pracownia komputerowa

Pracownia komputerowa Stanisław Lampeski Ćwiczenia z chemii fizycznej Pacownia komputeowa Opis wykonania ćwiczeń WYDZIAŁ CHEMII UAM Poznań 009 Mateiały umieszczone na stonie: http://www.staff.amu.edu.pl/~slampe Spis teści Wstęp...

Bardziej szczegółowo

Omówienie różnych metod rozpoznawania mowy

Omówienie różnych metod rozpoznawania mowy Omówienie różnych metod rozpoznawania mowy Na podstawie artykułu: Comparative study of automatic speech recognition techniques Beniamin Sawicki Wydział Inżynierii Mechanicznej i Robotyki Inżynieria Akustyczna

Bardziej szczegółowo

Poszukiwanie formy. 1) Dopuszczalne przemieszczenie pionowe dla kombinacji SGU Ciężar własny + L1 wynosi 40mm (1/500 rozpiętości)

Poszukiwanie formy. 1) Dopuszczalne przemieszczenie pionowe dla kombinacji SGU Ciężar własny + L1 wynosi 40mm (1/500 rozpiętości) Poszukiwanie formy Jednym z elementów procesu optymalizacji konstrukcji może być znalezienie optymalnej formy bryły, takiej, by zostały spełnione wymagane założenia projektowe. Oczywiście są sytuacje,

Bardziej szczegółowo

Aktywny rozdzielacz zasilania x3 LM317

Aktywny rozdzielacz zasilania x3 LM317 Infomacje o podukcie Utwozo 29-01-2017 Aktywny ozdzielacz zasilania x3 LM317 Cena : 30,00 zł N katalogowy : ELEK-053 Poducent : Dostępność : Dostępny Stan magazynowy : badzo wysoki Śednia ocena : bak ecenzji

Bardziej szczegółowo

TERMODYNAMIKA PROCESOWA. Wykład V

TERMODYNAMIKA PROCESOWA. Wykład V ERMODYNAMIKA PROCESOWA Wykład V Równania stanu substancji czystych Równanie stanu gazu doskonałego eoia stanów odpowiadających sobie Równania wiialne Pof. Antoni Kozioł, Wydział Chemiczny Politechniki

Bardziej szczegółowo