1.ABSTRAKT REZULTATY I WNIOSKI PODSUMOWANIE LITERATURA...5 DODATEK C. OPIS INFORMATYCZNY PROCEDUR... 7
|
|
- Janina Wójcik
- 6 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: Klasyfikacja uderzeń serce (QRS_CLAS). PR04307 Spis treści: 1.ABSTRAKT WSTĘP KONCEPCJA PROPONOWANEGO ROZWIĄZANIA REZULTATY I WNIOSKI PODSUMOWANIE LITERATURA...5 DODATEK A: OPIS OPRACOWANYCH NARZĘDZI I METODY POSTĘPOWANIA... 5 DODATEK B: REALIZACJA PROPONOWANEGO ROZWIĄZANIA... 5 DODATEK C. OPIS INFORMATYCZNY PROCEDUR... 7 DODATEK D. SPIS ZAWARTOŚCI DOŁĄCZONYCH NOŚNIKÓW (CD ROMU)... 8 Wykonali: Robert Lubaś, Łukasz Sejmej V rok IS konsultant: dr hab. inż. Piotr Augustyniak Wersja 1.1 Kraków, luty
2 1. Abstrakt Realizacja projektu polega na zaimplementowaniu algorytmu klasyfikacji zespołów QRS w celu określenia w dalszych etapach automatycznej analizy ich morfologii. Baza sygnałów służąca do testowania algorytmu zawierała 10 plików trzykanałowych zapisów holterowskich oraz odpowiadające im pliki z wynikami klasyfikacji zespołów QRS. Został zaproponowany i zaimplementowany algorytm klasyfikacji. Wyniki działania zostały porównane z wynikami dostarczonymi z bazą. 2. Wstęp Po przeprowadzeniu badania w urządzeniu rejestrującym sygnał EKG jest poddawany w pełni automatycznej analizie. Po zakończeniu przetwarzania urządzenia wyświetla lub drukuje rezultaty badania. Automatyczna analiza zwykle przebiega w kilku etapach. Zadaniem projektu QRS_CLAS jest klasyfikacja uderzeń serca. Polega na wyodrębnieniu grup (rodzajów kształtów) zespołów QRS podobnych do siebie w zakresie tolerancji. Ilość odmiennych grup oraz procentowy udział w całym zapisie jest dla lekarza reprezentacją aktywnych ośrodków bodźcotwórczych. Końcowych etapem jest wskazanie reprezentanta - czyli zespoły QRS, który najlepiej reprezentuje klasę. Klasyfikacji można dokonać na podstawie sygnału w obrębie zespołu lub na podstawie cech reprezentujących zespół QRS. Klasyfikacja polega na umieszczeniu klasyfikowanego zespołu w istniejącej klasie lub utworzeniu nowej klasy. Stwierdzenie przynależności odbywa się poprzez porównanie sygnału ze wzorcem klasy. W przypadku klasyfikacji wektora cech, klasyfikuję się każdy zespół QRS w postaci wektorów współczynników kształtu. Wektor może zawierać tzw. współczynnik Malinowskiej, stosunek dodatniej części amplitudy do ujemnej, procentowy udział próbek, w których prędkość przekracza trzecią część prędkości maksymalnej. Korzyść jaka płynie z zastosowania wektora cech to mniejszy nakład obliczeniowy. Ten etap automatycznej analizy jest niezbędny do wyznaczenia morfologii uderzeń serca. Najbardziej istotnym elementem morfologii cyklu EKG jest zespół QRS. To on zawiera kluczowe informacje o stanie zdrowia pacjenta. Aktualność problemu automatycznej klasyfikacji sygnałów EKG znajduję potwierdzenie w liczbie publikacji, które okazywały się w ostatnich latach. Po przeanalizowaniu artykułów łatwo jest zauważyć, że dwa najpopularniejsze narzędzia wykorzystywane obecnie w przetwarzaniu EKG to -2-
3 sieci neuronowe i transformata falkowa oraz kombinacje powyższych z innymi metodami. Wiele metod zostało przetestowanych tylko dla pewnego wąskiego zbioru sygnałów. Budowane klasyfikatory rozwiązują problem dwuklasowy co stanowi duże uproszczenie klasyfikacji w przypadku kilkunastu rodzajów arytmii jakie znajdują się w bazie MIT-BIH. Stosowane metody testów nie tylko zakładają różną liczbę klas, które są analizowane, ale także różnią się definiowanym wskaźnikiem jakości klasyfikacji, przez co ocena wyników jest trudna. Po analizie publikacji naukowych można wymienić kilka metod klasyfikacji zespołów QRS: ANN and Wavelet DFT, DWT i algorytmy genetyczne SVM WT oparte na ANN j48 drzewa decyzyjne 3. Koncepcja proponowanego rozwiązania Wprowadzenie. Proponowane przez nas rozwiązanie bazuje na pracy [1] Opisany tam algorytm pracuje na sygnałach pobranych z bazy MIT-BIH oraz Physiobank. Algorytm ten został przez nas wybrany ze względu na dość dużą skuteczność detekcji klas, dobry model oraz brak większych ograniczeń w dalszym modyfikowaniu, co umożliwi nam dalszy rozwój, edycję i wykroczenie we własnym zakresie poza podstawowe ramy metody. Algorytm klasyfikacji dzieli się na dwie części. W pierwszej opartej na algorytmie ogólnej ekstrakcji cech następuje uzupełnienie tabeli cech dla każdego fragmentu sygnału który otrzymujemy z części odpowiedzialnej za detekcję załamków QRS. W drugiej części następuje klasyfikacja zespołów QRS, z założeniem że wykryte zostały wszystkie załamki wraz z poprawnie odczytanymi zakresami Przygotowanie sygnału. Po wczytaniu dostarczonego sygnału z bazy sygnałów medycznych oraz punktów detekcyjnych (numer próbki przy którym nastąpiła detekcja zespołu QRS) zostaje przeprowadzona normalizacja i kwantyzacja. Tak przygotowane dane są poddawane ekstrakcji cech. -3-
4 3.3.Ekstrakcja cech. Do utworzenia wektora cech reprezentujących zespół QRS wykorzystywane są następujące współczynniki: Stosunek pola powierzchni figury zespołu QRS do obwodu Długość załamka QRS Odległość Q od R Odległość R od S 3.4. Klasyfikacja zespołów QRS. Po utworzeniu wektora współczynników kształtu następuję klasteryzacja każdego wykrytego zespołu QRS. Każdy współczynnik reprezentuje inną wielkość i z tego powodu wartość tolerancji jest dobierana indywidualnie. 4. Rezultaty i wnioski Do przestawienia rezultatów działanie aplikacji została napisana funkcja porównująca kolumnę pierwszą i szóstą z plików referencyjnych (qrs_attr.out). Przestawione poniżej wyniki oznaczają procentową zgodność klasyfikacji zespołów QRS dla każdego dostarczonego sygnału EKG oraz średnia szybkość działania algorytmu. Wyniki zostaną przedstawione w postaci tabeli: Plik (dcm) ah_21_1 ah_21_2 ah_21_3 ah_21_4 ah_23_1 ah_23_2 ah_29_1 ah_29_2 ah_29_3 ah_29_4 Plik (out) qrs_attr qrs_attr qrs_attr qrs_attr qrs_attr qrs_attr qrs_attr qrs_attr qrs_attr qrs_attr Zgodność % 30,45 15,33 13,53 27,97 15,43 3,38 7,44 16,83 4,89 13,54 Szybkość [ms] 32,01 54,00 40,59 23,00 134,00 53,27 69, ,00 30,56 Największa zgodność z wynikami z plików referencyjnych sięga 30%, najniższa z kolei to 3,38%. Ze względu na to, że współczynniki kształtu oraz wartość tolerancji dobierane były heurystycznie wyniki klasyfikacji naszym zdaniem nie są zadowalające. Prawdopodobnie zmiany w doborze wartości tolerancji poprawiłyby zgodność z referencyjnymi wynikami. Szybkość wykonania mieści się w przedziale od 32 do 134 milisekund. Jest to średni czas wykonania jednej pełnej iteracji, w skład której wchodzą następujące operacje: wczytanie sygnału, wczytanie punktów detekcji zespołu QRS, przekształcenia sygnału, wyliczenia wektora cech oraz klasyfikacja. -4-
5 5. Podsumowanie Celem projektu było stworzenia algorytmu automatyczne klasyfikacji zespołów QRS (wyodrębnienie zespołów o podobnych w zakresie tolerancji kształtów). Jest to jeden z etapów automatycznej analizy sygnału EKG. Być może w przyszłości, dzięki stale prowadzonym pracom nad stworzeniem jak najlepszych algorytmów automatycznej analizy EKG, będzie możliwe przeprowadzanie badań na wysokim poziomie w domu, co na pewno poprawi diagnozowanie chorób związanych z zaburzeniem pracy serca. 6. Literatura [1] Hee-Soo Park, Soo-Min Woo, Yang-Soo Kim, Bub-Joo Kang, Sang-Woo Ban, "ECG Pattern Classification Based on Generic Feature Extraction" Dongguk University, Republic of Korea 200 [2] Augustniak Piotr, "Przetwarzanie sygnałów elektrodiagnostycznych, UWND - AGH,
6 DODATEK A: Opis opracowanych narzędzi i metody postępowania Stworzony program pozwala na analizę sygnału EKG zapisanego w standardzie DCM. Porównanie wyników odbywa się poprzez skonfrontowanie ich z wynika referencyjnych dostarczonym wraz z bazą sygnałów. Aplikacja została napisana z wykorzystaniem środowiska programowania Microsoft Visual Studio Testy odbywały się na systemie operacyjnym Microsoft Windows 7 (64bit), zainstalowanym na komputerze klasy PC, wyposażonym w procesor Intel Core 2 Quad 9550 (2.8GHz) oraz 4GB pamięci RAM. Wyjście aplikacji jest drukowane na konsoli. Zawiera następujące informacje: Numer klasy Liczbę załamków w danej klasie Szablon klasy Listę punktów detekcyjnych Procentową zgodność z wynikami referencyjnymi Średni czas wykonania -6-
7 DODATEK B: Realizacja proponowanego rozwiązania Na podstawie wektora cech dokonujemy klasyfikacji kolejnych załamków poprzez przypisanie ich do istniejącej klasy bądź utworzenie nowej. W przypadku utworzenia nowej klasy cechy pierwszego załamka stają się wyjściowymi właściwościami klasy. Ustalone otoczenie w pewnym zakresie od właściwości klasy również do tej klasy należy. Wielkość tych progów ustalona została na podstawie analizy zakresów wartości właściwości oraz docelowej przybliżonej ilości klas. Gdy istnieje przynajmniej jedna klasa generowana jest ocena zgodności z każdą z istniejących klas na podstawie wektora cech oraz wag określających istotność tych cech. W tym przypadku istnieją trzy możliwości dalszych kroków: załamek bez wątpliwości należy do danej klasy zostaje on do niej przypisany, a właściwości klasy są ponownie ustalane są średnią artmetyczną wszystkich jego załamków, jednak z założeniem że żadna z właściwości nie może przejść wyjść poza klasę. Warunek ten zabezpiecza nas przed bezsensownym wędrowaniem klas po całej przestrzeni cech. załamek może należeć do kilku klas ten przypadek ma miejsce gdy różne cechy zbliżają analizowany fragment sygnału do różnych klas, zaś ocena przynależności nie generuje wyraźnej przewagi jednej możliwości. W takim przypadku jesteśmy zmuszenie przypisać go do klasy załamków niemożliwych do przydzielenia. załamek nie należy do żadnej z klas występuje w momencie gdy ocena dla każdej z możliwości jest zbyt niska by móc załamek przypisać jednoznacznie do którejkolwiek z klas. Wtedy przyjmujemy że dany fragment sygnału tworzy nową klasę Liczba klas nie musi być z góry narzucona, algorytm stworzy tyle ile potrzebuje, zależnie od zmian progów, wymaganych poziomów zgodności może to być więcej lub mniej. Na podstawie ogólnych obserwacji, zakresów wartości wektorów cech i domyślnej ilości oczekiwanych klas ustaliliśmy te wartości na logicznych poziomach. Klasyfikacja działa dość sprawnie i logicznie, właściwości poszczególnych klas są generowane na podstawie wejścia co pozwala na płynne przypisywanie i zmiany właściwości. Dzięki temu uzyskane wyniki są dużo lepsze niż w przypadku odgórnego ustalania właściwości klas, które zdecydowanie nie sprawdza się przy klasteryzacji, w przypadku której definiowane byłyby one na ślepo. -7-
8 DODATEK C. Opis informatyczny procedur Poniżej przedstawiono opis najważniejszych funkcji programu. Bardziej szczegółowy opis można znaleźć w kodzie źródłowym programu. /***************************************************************************/ /* void clustering(float** input, int* inputdata, int DetPoint, int size) */ /* Przeznaczenie: */ /* Funkcja dokonuje klasyfikacji na podstawie wektora cech */ /* Argumenty funkcji: */ /* input - tablica[][] zawierająca współczynniki kształtu */ /* inputdata - tablica[] z parametrami */ /* size - ilość punktów detekcyjnych */ /* Autor: */ /* Robert Lubaś, Łukasz Sejmej */ /* Ostatnia modyfikacja: */ /* 15 stycznia 2011 */ /***************************************************************************/ /**************************************************************************/ /* int** make_norm_qua(int** fun, int* inputdata) */ /* Przeznaczenie: */ /* Normalizacja i kwantyzacja */ /* Argumenty funkcji: */ /* fun - wartości funkcji dyskretnej dla której chcemy */ /* przeprowadzić normalizacje i kwantyzację */ /* inputdata - tablica[] z parametrami */ /* Wartość zwracana: */ /* Dyskretna tablica znormalizowanej i zkwantyzowanej funkcji */ /* Autor: */ /* Robert Lubaś, Łukasz Sejmej */ /* Ostatnia modyfikacja: */ /* 15 stycznia 2011 */ /***************************************************************************/ /**************************************************************************/ /* int** read_qrs(char *sigfilename, int* siglenght, */ /* int detpoints, int* inputdata) */ /* Przeznaczenie: */ /* Wczytywanie pojedynczego zespołu QRS */ /* Argumenty funkcji: */ /* sigfilename - nazwa pliku z zapisanym sygnałem */ /* siglenght - długość sygnalu */ /* detpoints - punkt detekcyjny dla którego sczytujemy QRS */ /* inputdata - tablica[] z parametrami */ /* Wartość zwracana: */ /* Tablica o rozmiarze ilość_kanałów X długość_sygnału */ /* Autor: */ /* Robert Lubaś, Łukasz Sejmej */ /* Ostatnia modyfikacja: */ /* 15 stycznia 2011 */ -8-
9 /**************************************************************************/ /**************************************************************************/ /* int** read_det_points(char *reffilename, int* dlugos_sygnalu, */ /* int punktdetekcyjny, int* inputdata) */ /* Przeznaczenie: */ /* Wczytanie punktów detekcji z pliku */ /* Argumenty funkcji: */ /* reffilename - nazwa pliku z zapisanym sygnałem */ /* punktdetekcyjny - punkt detekcyjny dla którego sczytujemy QRS */ /* Wartość zwracana: */ /* Ilość punktów detekcyjnych */ /* Autor: */ /* Robert Lubaś, Łukasz Sejmej */ /* Ostatnia modyfikacja: */ /* 15 stycznia 2011 */ /**************************************************************************/ /***************************************************************************/ /*float** make_feature_vec(int** input, int* inputdata, int featurenum) */ /* Przeznaczenie: */ /* Tworzenia wektora cech */ /* Argumenty funkcji: */ /* input - tablica danych */ /* inputdata - tablica danych przekazywanych ze struktury */ /* featurenum - ilość cech */ /* Wartość zwracana: */ /* Wektor cech */ /* Autor: */ /* Robert Lubaś, Łukasz Sejmej */ /* Ostatnia modyfikacja: */ /* 15 stycznia 2011 */ /***************************************************************************/ -9-
10 DODATEK D. Spis zawartości dołączonych nośników (CD ROMu) W poszczególnych folderach nośnika znajdują się: SRC - Kompletne foldery robocze z plikami źródłowymi programów i aplikacji sprzętowych zorganizowane w strukturę właściwą dla pakietu projektowego Microsoft Visual Studio 2010 EXE - postać programu gotowa do uruchomienia DOC - aktualna wersja niniejszego raportu w postaci elektronicznej -10-
AKADEMIA 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 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. 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: Określenie
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 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 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 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 szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
Bardziej szczegółowoAlgorytmy 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 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 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 szczegółowoTemat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Projektowanie sterownika rozmytego Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie
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 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 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 szczegółowoPrzetwarzanie sygnałów w systemach diagnostyki medycznej. Klasyfikacja uderzeń serca. Raport częściowy
Przetwarzanie sygnałów w systemach diagnostyki medycznej Klasyfikacja uderzeń serca Raport częściowy Informatyka Stosowana, rok V Autorzy: Tomasz Gabiga Rafał Rudol 1. Abstrakt Autorzy: Tomasz Gabiga,
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 szczegółowoPodstawy informatyki. Elektrotechnika I rok. Język C++ Operacje na danych - wskaźniki Instrukcja do ćwiczenia
Podstawy informatyki Elektrotechnika I rok Język C++ Operacje na danych - wskaźniki Instrukcja do ćwiczenia Katedra Energoelektroniki i Automatyki Systemów Przetwarzania Energii AGH Kraków 2017 Tematyka
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 szczegółowoWykład I. Podstawowe pojęcia. Studia Podyplomowe INFORMATYKA Architektura komputerów
Studia Podyplomowe INFORMATYKA Architektura komputerów Wykład I Podstawowe pojęcia 1, Cyfrowe dane 2 Wewnątrz komputera informacja ma postać fizycznych sygnałów dwuwartościowych (np. dwa poziomy napięcia,
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 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 szczegółowoKlasyfikacja publikacji biomedycznych w konkursie JRS 2012 Data Mining Competition - Szkic koncepcji
Kierunek: Informatyka Zastosowania Informatyki w Medycynie Klasyfikacja publikacji biomedycznych w konkursie JRS 2012 Data Mining Competition - Szkic koncepcji 1. WSTĘP AUTORZY Joanna Binczewska gr. I3.1
Bardziej szczegółowoetrader Pekao Podręcznik użytkownika Strumieniowanie Excel
etrader Pekao Podręcznik użytkownika Strumieniowanie Excel Spis treści 1. Opis okna... 3 2. Otwieranie okna... 3 3. Zawartość okna... 4 3.1. Definiowanie listy instrumentów... 4 3.2. Modyfikacja lub usunięcie
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
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 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 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 szczegółowoViLab- program służący do prowadzenia obliczeń charakterystyki energetycznej i sporządzania świadectw charakterystyki energetycznej
ViLab- program służący do prowadzenia obliczeń charakterystyki energetycznej i sporządzania świadectw charakterystyki energetycznej ViLab jest samodzielnym programem służącym do prowadzenia obliczeń charakterystyki
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 szczegółowoJak napisać program obliczający pola powierzchni różnych figur płaskich?
Część IX C++ Jak napisać program obliczający pola powierzchni różnych figur płaskich? Na początku, przed stworzeniem właściwego kodu programu zaprojektujemy naszą aplikację i stworzymy schemat blokowy
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 szczegółowoPobierz dane z Programu PŁATNIKA. e-deklaracji
Pobierz dane z Programu PŁATNIKA do e-deklaracji 1 epp.net ComSoft Radom 2014 (eksport Płatnik do e-deklaracje) Instrukcja Obsługi ZIiA ComSoft Radom 2 Spis: Wstęp 4 Prawa autorskie 5 Wymagania techniczne
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoTEORETYCZNE PODSTAWY INFORMATYKI
1 TEORETYCZNE PODSTAWY INFORMATYKI 16/01/2017 WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Repetytorium złożoność obliczeniowa 2 Złożoność obliczeniowa Notacja wielkie 0 Notacja Ω i Θ Rozwiązywanie
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 szczegółowoInstalacja SQL Server Express. Logowanie na stronie Microsoftu
Instalacja SQL Server Express Logowanie na stronie Microsoftu Wybór wersji do pobrania Pobieranie startuje, przechodzimy do strony z poradami. Wypakowujemy pobrany plik. Otwiera się okno instalacji. Wybieramy
Bardziej szczegółowoAdrian Horzyk
Metody Inteligencji Obliczeniowej Metoda K Najbliższych Sąsiadów (KNN) Adrian Horzyk horzyk@agh.edu.pl AGH Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoProjektowanie systemów za pomocą języków wysokiego poziomu ESL
Akademia Górniczo Hutnicza im. Stanisława Staszica w Krakowie Wydział IET Katedra Elektroniki Projektowanie systemów za pomocą języków wysokiego poziomu ESL Ćwiczenie 2 Implementacja funkcji Hash z użyciem
Bardziej szczegółowoPomoc do programu Oferent
Pomoc do programu Oferent Wersja dokumentu: 1.1 Data ostatniej modyfikacji: 12.03.2012 Informacja o zmianach w stosunku do poprzedniej wersji dokumentu: Dodano informację o wymaganiach platformy Silverlight
Bardziej szczegółowoSCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa
Autorzy scenariusza: SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH
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 szczegółowo1. ABSTRAKT KLASYFIKACJA... 15
AKADEMIA GÓRNICZO-HUTNICZA im. St. Staszica w KRAKOWIE MIĘDZYWYDZIAŁOWA SZKOŁA INŻYNIERII BIOMEDYCZNEJ Przedmiot: Dedykowane algorytmy diagnostyki medycznej Numer projektu: QRS_clas_11 Temat projektu:
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 szczegółowoProgramowanie komputerów
Programowanie komputerów Wykład 1-2. Podstawowe pojęcia Plan wykładu Omówienie programu wykładów, laboratoriów oraz egzaminu Etapy rozwiązywania problemów dr Helena Dudycz Katedra Technologii Informacyjnych
Bardziej szczegółowoS O M SELF-ORGANIZING MAPS. Przemysław Szczepańczyk Łukasz Myszor
S O M SELF-ORGANIZING MAPS Przemysław Szczepańczyk Łukasz Myszor Podstawy teoretyczne Map Samoorganizujących się stworzył prof. Teuvo Kohonen (1982 r.). SOM wywodzi się ze sztucznych sieci neuronowych.
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE. QuIDE Quantum IDE PODRĘCZNIK UŻYTKOWNIKA
AKADEMIA GÓRNICZO-HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE QuIDE Quantum IDE PODRĘCZNIK UŻYTKOWNIKA Joanna Patrzyk Bartłomiej Patrzyk Katarzyna Rycerz jpatrzyk@quide.eu bpatrzyk@quide.eu kzajac@agh.edu.pl
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 szczegółowoSzpieg 2.0 Instrukcja użytkownika
Szpieg 2.0 Instrukcja użytkownika Spis treści: Wstęp: 1. Informacje o programie 2. Wymagania techniczne Ustawienia: 3. Połączenie z bazą danych 4. Konfiguracja email 5. Administracja Funkcje programu:
Bardziej szczegółowoInstrukcja instalacji i obsługi programu Szpieg 3
COMPUTER SERVICE CENTER 43-300 Bielsko-Biała ul. Cieszyńska 52 tel. +48 (33) 819 35 86, 819 35 87, 601 550 625 Instrukcja instalacji i obsługi programu Szpieg 3 wersja 0.0.2 123 SERWIS Sp. z o. o. ul.
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 szczegółowoAutomatyzacja procesu badania neuronowego systemu wnioskuj¹cego opartego na programie Statistica w praktycznym zastosowaniu***
AUTOMATYKA 2009 Tom 13 Zeszyt 3 Joanna Grabska-Chrz¹stowska*, Wojciech Lazar** Automatyzacja procesu badania neuronowego systemu wnioskuj¹cego opartego na programie Statistica w praktycznym zastosowaniu***
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 szczegółowoMicrosoft PowerPoint Poziom Zaawansowany PROGRAM SZKOLENIOWY. Plan szkolenia zawiera: Microsoft Excel Poziom Zaawansowany
Microsoft PowerPoint Poziom Zaawansowany PROGRAM SZKOLENIOWY Plan szkolenia zawiera: Microsoft Excel Poziom Zaawansowany Program szkoleniowy Microsoft Excel Poziom Zaawansowany 16 h dydaktycznych (12 h
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 szczegółowoLogiczny model komputera i działanie procesora. Część 1.
Logiczny model komputera i działanie procesora. Część 1. Klasyczny komputer o architekturze podanej przez von Neumana składa się z trzech podstawowych bloków: procesora pamięci operacyjnej urządzeń wejścia/wyjścia.
Bardziej szczegółowoZadanie 1. Suma silni (11 pkt)
2 Egzamin maturalny z informatyki Zadanie 1. Suma silni (11 pkt) Pojęcie silni dla liczb naturalnych większych od zera definiuje się następująco: 1 dla n = 1 n! = ( n 1! ) n dla n> 1 Rozpatrzmy funkcję
Bardziej szczegółowoAKADEMIA GÓRNICZO-HUTNICZA im. Stanisława Staszica w Krakowie. Wydział Geologii, Geofizyki i Ochrony Środowiska. Bazy danych 2
AKADEMIA GÓRNICZO-HUTNICZA im. Stanisława Staszica w Krakowie Wydział Geologii, Geofizyki i Ochrony Środowiska Wydajnośd w bazach danych Grzegorz Surdyka Informatyka Stosowana Kraków, 9 Spis treści. Wstęp...
Bardziej szczegółowoJeśli X jest przestrzenią o nieskończonej liczbie elementów:
Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów
Bardziej szczegółowoProgram Rejestr zużytych materiałów. Instrukcja obsługi
Program Rejestr zużytych materiałów. Instrukcja obsługi Autor: Andrzej Woch Tel. 663 772 789 andrzej@awoch.com www.awoch.com Spis treści Wstęp... 1 Informacje dla administratora i ADO... 1 Uwagi techniczne...
Bardziej szczegółowoBIT S.A. BIT Rejestry. Instrukcja instalacji. Wersja 3
BIT S.A. BIT Rejestry Instrukcja instalacji Wersja 3 Spis treści Wstęp... 2 Funkcje aplikacji... 2 Historia zmian aplikacji BIT Rejestry... 3 Instalacja aplikacji... 4 Czynności wstępne... 4 Proces instalacji
Bardziej szczegółowoMemeo Instant Backup Podręcznik Szybkiego Startu
Wprowadzenie Memeo Instant Backup pozwala w łatwy sposób chronić dane przed zagrożeniami cyfrowego świata. Aplikacja regularnie i automatycznie tworzy kopie zapasowe ważnych plików znajdujących się na
Bardziej szczegółowoinstrukcja użytkownika terminala ARGOX PA-20 SYSTEMY AUTOMATYCZNEJ IDENTYFIKACJI
instrukcja użytkownika terminala ARGOX PA-20 SYSTEMY AUTOMATYCZNEJ IDENTYFIKACJI SPIS TREŚCI 04 Opis opcji terminala 05 SKANOWANIE 06 Skanowanie kod 07 Skanowanie kod ilość 08 Skanowanie kod ilość cena
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 szczegółowoKLASYFIKACJA. Słownik języka polskiego
KLASYFIKACJA KLASYFIKACJA Słownik języka polskiego Klasyfikacja systematyczny podział przedmiotów lub zjawisk na klasy, działy, poddziały, wykonywany według określonej zasady Klasyfikacja polega na przyporządkowaniu
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 szczegółowoOptymalizacja systemów
Optymalizacja systemów Laboratorium - problem detekcji twarzy autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, P. Klukowski Cel zadania Celem zadania jest zapoznanie się z gradientowymi algorytmami optymalizacji
Bardziej szczegółowoCzęść XVII C++ Funkcje. Funkcja bezargumentowa Najprostszym przypadkiem funkcji jest jej wersja bezargumentowa. Spójrzmy na przykład.
Część XVII C++ Funkcje Funkcja bezargumentowa Najprostszym przypadkiem funkcji jest jej wersja bezargumentowa. Spójrzmy na przykład. 2 3 Tworzymy deklarację i definicję funkcji o nazwie pobierzln() Funkcja
Bardziej szczegółowoWprowadzenie do informatyki
Grzegorz Śliwiński Radosław Maciaszczyk Wprowadzenie do informatyki Laboratorium Temat: Wirtualizacja Katedra Architektury Komputerów i Telekomunikacji Szczecin - 2019 I. Podłączenie do aplikacji zdalnej
Bardziej szczegółowoLABORATORIUM PRZEMYSŁOWYCH SYSTEMÓW STEROWANIA
AKADEMIA GÓRNICZO- HUTNICZA IM. STANISŁAWA STASZICA W KRAKOWIE LABORATORIUM PRZEMYSŁOWYCH SYSTEMÓW STEROWANIA Wydział Inżynierii Mechanicznej i Robotyki Katedra Automatyzacji Procesów Przedmiot: Przemysłowe
Bardziej szczegółowoSystemy uczące się Lab 4
Systemy uczące się Lab 4 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 26 X 2018 Projekt zaliczeniowy Podstawą zaliczenia ćwiczeń jest indywidualne wykonanie projektu uwzględniającego
Bardziej szczegółowoDHL CAS ORACLE Wymagania oraz instalacja
DHL CAS ORACLE Wymagania oraz instalacja Opis: Niniejszy dokument opisuje wymagania niezbędne do instalacji bazy danych DHL CAS ORACLE. Przedstawia również sam proces instalacji. Przeznaczony jest dla
Bardziej szczegółowooperacje porównania, a jeśli jest to konieczne ze względu na złe uporządkowanie porównywanych liczb zmieniamy ich kolejność, czyli przestawiamy je.
Problem porządkowania zwanego również sortowaniem jest jednym z najważniejszych i najpopularniejszych zagadnień informatycznych. Dane: Liczba naturalna n i ciąg n liczb x 1, x 2,, x n. Wynik: Uporządkowanie
Bardziej szczegółowoInstalacja programu dreryk
Program dla praktyki lekarskiej Instalacja programu dreryk Kontakt: serwis@dreryk.pl +48-42-2912121 www.dreryk.pl Copyright Ericpol Telecom sp. z o.o. 2006 Copyright Ericpol Telecom sp. z o.o. 1 System
Bardziej szczegółowoe-sprawdzian instrukcja programu do sprawdzania wiedzy ucznia przy pomocy komputera (WINDOWS & LINUX)
instrukcja programu do sprawdzania wiedzy ucznia przy pomocy komputera (WINDOWS & LINUX) Spis treści: 1. Wstęp. 2. Prawne aspekty używania programu. 3. Jak zdobyć e-sprawdzian. 4. Uruchomienie programu.
Bardziej szczegółowoParametry techniczne. Testy
Dyski SSD stają się pomału podstawą każdego komputera. Dzięki swoim parametrom, które pod wieloma względami biją klasyczne konstrukcje HDD, oferują niezwykle wysoką wydajność. Przekłada się to między innymi
Bardziej szczegółowoINSTRUKCJA OBSŁUGI PROGRAMU DO ODCZYTU PAMIĘCI FISKALNEJ DATECS OPF
INSTRUKCJA OBSŁUGI PROGRAMU DO ODCZYTU PAMIĘCI FISKALNEJ DATECS OPF Wersja: 0.0.0.3 Październik 2012 SPIS TREŚCI: 1. Wstęp 2. Wymagania sprzętowe, instalacja. 3. Opis współpracy komputera z kasą 4. Konfiguracja
Bardziej szczegółowoPrzywracanie systemu. Do czego służy Przywracanie systemu?
Przywracanie systemu Przywracanie systemu (ang. System restore) to komponent systemów operacyjnych Windows ME, Windows XP, Windows Vista czy Windows 7. Do czego służy Przywracanie systemu? Narzędzie Przywracanie
Bardziej szczegółowoNiezwykłe tablice Poznane typy danych pozwalają przechowywać pojedyncze liczby. Dzięki tablicom zgromadzimy wiele wartości w jednym miejscu.
Część XIX C++ w Każda poznana do tej pory zmienna może przechowywać jedną liczbę. Jeśli zaczniemy pisać bardziej rozbudowane programy, okaże się to niewystarczające. Warto więc poznać zmienne, które mogą
Bardziej szczegółowoLaboratorium Komputerowe Systemy Pomiarowe
Jarosław Gliwiński, Łukasz Rogacz Laboratorium Komputerowe Systemy Pomiarowe ćw. Programowanie wielofunkcyjnej karty pomiarowej w VEE Data wykonania: 15.05.08 Data oddania: 29.05.08 Celem ćwiczenia była
Bardziej szczegółowoPrzetwornik analogowo-cyfrowy
Przetwornik analogowo-cyfrowy Przetwornik analogowo-cyfrowy A/C (ang. A/D analog to digital; lub angielski akronim ADC - od słów: Analog to Digital Converter), to układ służący do zamiany sygnału analogowego
Bardziej szczegółowoPattern 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 szczegółowoPodstawy Programowania C++
Wykład 3 - podstawowe konstrukcje Instytut Automatyki i Robotyki Warszawa, 2014 Wstęp Plan wykładu Struktura programu, instrukcja przypisania, podstawowe typy danych, zapis i odczyt danych, wyrażenia:
Bardziej szczegółowoNazwa wariantu modułu (opcjonalnie): Laboratorium programowania w języku C++
Uniwersytet Śląski w Katowicach str. 1 Kierunek i poziom studiów: Chemia, poziom pierwszy Sylabus modułu: Laboratorium programowania (0310-CH-S1-019) Nazwa wariantu modułu (opcjonalnie): Laboratorium programowania
Bardziej szczegółowoDiagnostyka pamięci RAM
Diagnostyka pamięci RAM 1 (Pobrane z slow7.pl) Uszkodzenie pamięci RAM jest jednym z najczęściej występujących problemów związanych z niestabilnym działaniem komputera. Efektem uszkodzenia kości RAM są
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 szczegółowoAplikacje WWW - laboratorium
Aplikacje WWW - laboratorium PHP. Celem ćwiczenia jest przygotowanie prostej aplikacji internetowej wykorzystującej technologię PHP. Aplikacja pokazuje takie aspekty, obsługa formularzy oraz zmiennych
Bardziej szczegółowoWymagania systemowe oraz sposób instalacji systemu Lokale Spis treści
Wymagania systemowe oraz sposób instalacji systemu Lokale Spis treści Wymagania sprzętowe i systemowe :...2 Instalacja dla systemów Windows 32-bit...3 Instalacja dla systemów Windows 64-bit/Linux...6 1
Bardziej szczegółowoINSTRUKCJA OBSŁUGI ⓫ Dodatki
INSTRUKCJA OBSŁUGI ⓫ Dodatki 2 CONTENTS I. ZAKTUALIZOWANY INTERFEJS PROGRAMU SCADA Pro II. OPIS NOWEGO INTERFEJSU 1. Dodatki 1.1 Język 1.2 Parametr 1.3 Zestawienie materiałów 1.4 Wydruk obliczeń 1.5 Widok
Bardziej szczegółowoDeployment w Visual Studio 2010
Deployment w Visual Studio 2010 Deployment (pol. wdrożenie) proces dystrybucji ukończonej aplikacji, lub komponentu w celu zainstalowania na innym komputerze Inna definicja wszystkie czynności, które umożliwiają
Bardziej szczegółowoInformatyka I. Klasy i obiekty. Podstawy programowania obiektowego. dr inż. Andrzej Czerepicki. Politechnika Warszawska Wydział Transportu 2018
Informatyka I Klasy i obiekty. Podstawy programowania obiektowego dr inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2018 Plan wykładu Pojęcie klasy Deklaracja klasy Pola i metody klasy
Bardziej szczegółowoPROE wykład 2 operacje na wskaźnikach. dr inż. Jacek Naruniec
PROE wykład 2 operacje na wskaźnikach dr inż. Jacek Naruniec Zmienne automatyczne i dynamiczne Zmienne automatyczne: dotyczą kontekstu, po jego opuszczeniu są usuwane, łatwiejsze w zarządzaniu od zmiennych
Bardziej szczegółowoInstrukcja obsługi SafeIT - modułu zdalnego sterowania do sterowników kotłów CO firmy Foster v1.0
Instrukcja obsługi SafeIT - modułu zdalnego sterowania do sterowników kotłów CO firmy Foster v1.0 Wersja z dnia: 2017-08-21 Spis treści Opis... 3 1. Zasady bezpieczeństwa... 3 Instalacja... 3 Użytkowanie...
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 szczegółowoBiblioteka: sound. RGui. Podstawowe funkcje do działań na plikach.wav i próbkach dźwięku. Autor biblioteki: Matthias Heymann
RGui Biblioteka: sound Podstawowe funkcje do działań na plikach.wav i próbkach dźwięku. Autor biblioteki: Matthias Heymann Opracowała: Magdalena Wanat PLIKI.wav Format plików dźwiękowych stworzonych przez
Bardziej szczegółowoPo uruchomieniu programu nasza litera zostanie wyświetlona na ekranie
Część X C++ Typ znakowy służy do reprezentacji pojedynczych znaków ASCII, czyli liter, cyfr, znaków przestankowych i innych specjalnych znaków widocznych na naszej klawiaturze (oraz wielu innych, których
Bardziej szczegółowoImplementacja filtru Canny ego
ANALIZA I PRZETWARZANIE OBRAZÓW Implementacja filtru Canny ego Autor: Katarzyna Piotrowicz Kraków,2015-06-11 Spis treści 1. Wstęp... 1 2. Implementacja... 2 3. Przykłady... 3 Porównanie wykrytych krawędzi
Bardziej szczegółowo