SYSTÉMY PRE ZVÝŠENIA BEZPEČNOSTI VODIČA MOTOROVÉHO VOZIDLA - ZAZNAMENÁVANIE OKA, POHĽADU V REÁLNOM ČASE PRE MONITOROVANIE OSTRAŽITOSTI VODIČA
|
|
- MargaretMargaret Holland
- 6 years ago
- Views:
Transcription
1 Ročník 5., Číslo III., lisopad 200 SYSTÉMY PRE ZVÝŠENIA BEZPEČNOSTI VODIČA MOTOROVÉHO VOZIDLA - ZAZNAMENÁVANIE OKA, POHĽADU V REÁLNOM ČASE PRE MONITOROVANIE OSTRAŽITOSTI VODIČA SYSTEMS DRIVERS SECURITY EYE, REAL TIME Rudolf Volner Anoácia: Táo šúdia pojednáva o možnosiach využiia vizuálnych sysémoch v dopravných echnológiách. Rozoberá možnosi vizuálneho sysému ako sysému pre zvýšenie vonkajšej bezpečnosi ak aj sysému pre počíačové pozorovanie a pre moniorovanie osražiosi vodiča za volanom. Dôvod na skonšruovanie akéhoo sysému bol hlavne predísť časým dopravným nehodám, korých príčina je veľmi časo mikrospánok vodiča. Práve zmenšený supeň osražiosi vodiča sa sal problémom vážneho záujmu pre spoločnosť. Kľúčové slová: bezpečnosť, oko, reálny čas Anoaion: The requiremens on ransporaion sysems concern no only he quaniaive and qualiaive aspecs of ransporaion aciviies, bu sill more also he aspecs of heir reliabiliy and safey. Analyzing he reliabiliy and safey of ransporaion, one finds ha he aciviy of human being is he weakes poin. The echnical reliabiliy of almos all he ransporaion ools has improved quie a lo in recen years, however he human subjec ineracing wih hem has no changed oo much, as concerns his/her reliabiliy and safey of he respecive necessary ineracion. Keywords: securiy, eye, real ime. ÚVOD Sysém, korý závisí na samonom vizuálnom signály môže naraziť na ťažkosi, keď sa vyžadované vizuálne čry nedajú získať presne, alebo spoľahlivo. Napr., vodič s okuliarmi môže zaznamenať vážny problém pri echnike založenej na deekcii charakerisík oka [0]. Okuliare môžu zapríčiniť odraz svela, kvôli korému je pre kameru nemožné moniorovať pohyb očí. ďalej supeň ovorenia oka môže byť u každého človeka iný. Ďalší poencionálny problém s využiím samoného vizuálneho signálu je, že získaná vizuálna čra nemusí byť vždy indikáorom menálneho savu. Napr. nepravidelný pohyb hlavy, alebo pohľad (ako kráky pohľad dozadu alebo do späného zrkadla môže pre akýo sysém znamenať falošný poplach. Všeky ieo vizuálne signály, aj keď sú individuálne nedokonalé, sysemaickým kombinovaním poskyujú presnú charakerisiku supňa osražiosi vodiča. prof. Ing. Rudolf Volner, Ph.D., Deparmen of Air Transpor, Insiue of Transpor, Faculy of Mechanical Engineering, VŠB -Technical universiy of Osrava, Tel.: , rudolf.volner@vsb.cz Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 404 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
2 Ročník 5., Číslo III., lisopad 200 Obrázky operáora Súvisiace informácie fyzický sav spánok eploa čas v dni Získané vizuálne čry pohyb očného viečka orienácia váre pohľad Informačná fúzia Únava? Nie Akivácia alarmu Obr. - Bloková schéma sysému osražiosi vodiča Video snímky Áno Snímanie a deekcia zreníc Nie Úspech? Áno Moniorovanie pohybu očného viečka Zisenie pohľadu Moniorovanie váre PERCLOS Rýchlosť zavorenia oka Snímanie zreníc a odrazu (GLINTu Vlasnosi zreníc Obr. 2 - Prehľad sysému moniorovania osražiosi vodiča Sysém začína deekciou a snímaním zreníc, čo je ďalej využívané na moniorovanie pohybu očných viečok, pohľadu a na určenie orienácie váre. Video obrázky Deekcia zreníc: Odsránenie pozadia 2 Lokalizácia pomocou globálneho prehľadávania 3 Overovanie správnosi Úspech? Súvisiace údaje Inenzia var veľkosť pohyb Snímanie zreníc: Predikcia podľa Kalmana 2 Lokalizácia pomocou lokálneho prehľadávania 3 Overovanie správnosi Nie Úspech? Áno Obr. 3 - Bloková schéma sysému deekcie a snímania zreníc Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 405 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
3 Ročník 5., Číslo III., lisopad SNÍMANIE ZRENICE POMOCOU KALMANOVEJ FILTRÁCIE Pre nepreržié moniorovanie osoby je dôležié snímať jej/jeho zrenice v snímkoch idúcich zaradom (frame o frame v reálnom čase. Dá sa o dosiahnuť vykonávaním deekcie zrenice v každej snímke. Teno spôsob je však v reálnom čase prakicky nemožné uskuočniť, preože by sme museli prehľadávať každý jeden obrázok, v každom rade, čo je veľmi časovo náročné. Dá sa o spraviť efekívnejšie a o využiím plánu predvídania, resp. predikcie a lokalizácie. Predvídanie znamená určenie približných polôh zreníc v ďalšom obrázku na základe normálnej polohy. Lokalizácia určuje presnú polohu pomocou lokálneho vyhľadávania. Prvý krok zaručuje presnú lokalizáciu výhodnú pre druhý krok, preože limiuje prehľadávanú plochu (robí plochu menšou v nasledujúcich snímkoch. Pri zavádzaní ejo schémy sa musia brať do úvahy 2 fakory veľkosi prehľadávacieho okna: Veľké prehľadávacie okno môže viesť k neporebnému prehľadávaniu a je časovo náročné, Príliš malé okno môže ľahšie prehliadnuť informáciu o zrenici. Efekívne je použiie zv. adapívneho prehľadávacieho okna, kde plocha snímky je určená auomaicky na základe veľkosi zrenice a chyby pozície, pričom podsaa činnosi adapívneho prehľadávacieho okna spočíva v Kalmanovej filrácii. Kalmanov filer je súbor opakujúcich sa algorimov, koré odhadujú pozíciu a nepresnosť pohybujúcich sa objekov v nasledujúcej snímke. To znamená: kde hľadať zrenice, aká veľká oblasť má byť prehľadávaná v nasledujúcej snímke okolo predvídanej pozície, aby sme s isoou našli zrenice. Opakovane upravuje pozíciu normálnej polohy a veľkosť prehľadávacieho okna a proces sa opakuje s predchádzajúcimi poserior odhadmi, aby sa navrhli (predikovali nové apriori odhady. Teno proces opakovania je základná vlasnosť Kalmanovho filra čo nám prakickú implemenáciu celého sysému do praxe neuverieľne zjednodušuje. Realizácia snímania očných zreníc založená na Kalmanovej filrácii môže byť nasledovná. Získame sekvenciu snímkou, pričom áo sekvencia snímkou je vzorkovaná v každom obrázku časom, je ďalej spracovávaná na určenie polohy zrenice. Sav zrenice v každej časovej vzorke je charakerizovaný svojou pozíciou a rýchlosťou. Nech ( c, r predsavujú pozíciu bodu zrenice (jej sred v čase a nech ( u, v je jeho rýchlosť v čase v smere c a r. Savový vekor v čase môžeme poom vyjadriť nasledovne ( c r u v x = ( V súvislosi s eóriou Kalmanovej filrácie, savový vekor x + v ďalšom časovom okamihu + lineárne závisí od savu x podľa nasledovného sysémového modelu kde x + + = Φx w (2 Φ - savová prechodová maica, w - predsavuje sysém chýb (porúch, normálové rozdelenie w N 0, Q (3 ( Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 406 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
4 Ročník 5., Číslo III., lisopad 200 Ak predpokladáme, že pohyb zrenice medzi dvomi po sebe idúcimi snímkami je dosaočne malý na o, aby sme považovali pohyb pozícií zreníc zo snímky do snímky za rovnaký (jednoný, poom savová maica prechodu môže obsahovať ieo paramere Φ = ( Ďalej predpokladáme, že rýchly deekor odhadne z ( c =, r predpokladanú pozíciu zrenice v čase. Poom rozmerový model porebný pre Kalmanov filer je z = Hx + v (5 kde maica H sa vzťahuje na normálny sav pre bežné rozmery a v predsavuje rozmerovú nepresnosť v normálovom rozdelení v N( 0, R. Pre jednoduchosť z zahŕňa iba pozíciu, preo môžeme H písať H = ( Charakerisický deekor vyhľadáva oblasť určenú kovariannou maicou aby sa + našiel charakerisický bod v čase +. Na produkciu finálneho odhadu je deekovaný bod skombinovaný z predpokladaným odhadom. Oblasť vyhľadávania sa auomaicky mení na základe. + Nech x + je odhadovaný sav v čase + vyplývajúci z použiia sysémového modelu. Časo sa označuje ako aprior savový odhad. x + sa líši od x + v om, že x + je odhadnuý pomocou oboch aj sysémového modelu (2 aj rozmerového modelu (5. x + je obyčajne označovaný ako poserior savový odhad. Nech a + + sú kovarianné maice pre savové odhady x + a x +. Charakerizujú nepresnosi asociované aprior a poserior savovými odhadmi. Cieľom Kalmanovej filrácie je odhadnúť x + a + danú x,, z, sysémový a rozmerový model. Algorimus Kalmanovej filrácie pre savovú predikciu a akualizáciu dá (updaing možno zosumarizovať nasledovne. Savová predikcia - Pri zadaní normálneho x a jeho kovariannej maice zahŕňa predikcia savu 2 kroky: Určenie savu ( x, + odhadnuie chyby kovariancie ( + x+ = Φx (7 = Φ Φ + Q + (8 Akualizácia dá - Pri zadaní aprior odhadu x +, jeho kovariannej maice + a normálneho rozmeru z + vyplývajúceho z charakerisickej deekcie (buď pomocou jednoduchého prahovania, alebo korelačnou meódou v okolí určenom +. Akualizácia dá môže byť uskuočnená pre odvodenie poserior savu a jeho kovariannej maice. Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 407 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
5 Ročník 5., Číslo III., lisopad 200 Prvou úlohou pri akualizácii dá je vypočíať Kalmanovo zosilnenie K + + T H K + = (9 T H H + R + Maica zosilnenia K sa dá inerpreovať ako záťažový fakor pre určenie rozmeru z + a predikcie Hx + ku poseriori savového odhadu x +. Ďalším krokom je skuočné meranie procesu určené k získaniu z a poom generovanie poseriori savového odhadu x + dosadením rozmeru do rovnice (. x + poom vypočíame nasledovne x + = x+ + K + ( z+ Hx+ (0 Finálnym krokom je získanie poseriori chyby kovariancie odhadu ( K + H = + + I ( Po každom čase a meraní Kalmanov filer rekurzívne upravuje normálny odhad všekých minulých rozmerov a proces sa opakuje s predchádzajúcimi poserior odhadmi použiými pre určenie, alebo predikciu nového apriori odhadu. Aby Kalmanov filer fungoval, musí byť inicializovaný. Musíme špecifikovať počiaočný sav. Kalmanov snímač spúšťame až po úspešnej deekcii zreníc v dvoch po sebe idúcich snímkoch. Nech 2 snímky sú a +, poom počiaočný savový vekor x 0 bude definovaný nasledovne c r u v = c = r = r + + = c + + c r Tak iso porebujeme špecifikovať počiaočnú kovariannú maicu 0 pre počiaočný je opakovane akualizovaná získavaním ďalších snímkou, môžeme ju sav x 0. Preože inicializovať na veľké hodnoy. Ak predpokladáme, že predpokladaná pozícia má chybu ± 0 pixelov od skuočnej hodnoy v oboch smeroch u a v a rýchlosť má chybu ± 5 pixelov od skuočnej hodnoy v oboch smeroch u a v, poom odhadovaná kovarianná chyba je definovaná nasledovne = ( Okrem x0 a 0 odhadneme sysémovú a rozmerovú chybu kovariancie maíc Q a R. Na základe pozorovania pohybu zreníc môžeme s isoou predpokladať sysémový model porúch nasledovným spôsobom. Nech šandardná odchýlka od sysémovej chyby pozície sú 4 pixely pre oba u a v smery. Ďalej predpokladáme, že šandardná odchýlka pre rýchlosnú chybu sú 2 pixely/snímok. Poom smerová kovarianná maica je definovaná Q = ( (2 Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 408 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
6 Ročník 5., Číslo III., lisopad 200 Podobne môžeme predpokladať chybu rozmerového modelu 2 pixely pre oba x a y smery. Poom 4 0 R = (5 0 4 Predpokladáme, že Q a R sú konšanné maice. Použiím savovej predikcie a úpravou rovníc v spojení s počiaočnými podmienkami, je savový vekor a jeho kovarianná maica každého snímku odhadnuá. Kovarianná maica sa posupne sabilizuje po niekoľkých snímkach. Savová kovarianná maica udáva nepresnosť pozície zreníc v. Vyhľadávacia plocha môže byť určená - obr. 4. Elipsa na obrázku predsavuje prehľadávanú oblasť. Hlavná a vedľajšia os elipsy je určená 2 vekormi zo. V praxi pre rýchlejšie vypočíanie veľkosi prehľadávanej plochy sú používané hodnoy [][] 0 0 a [][]. Špecificky je veľkosť prehľadávanej plochy zvolená [ 0][] 0 a + 2 [][] 50, kde základná veľkosť okna je 50 x 50. Prehľadávaná plocha je preo prispôsobená. Ak snímanie zlyhá, deekcia zreníc bude reakivovaná. Snímanie zlyhá práve vedy, ak nasnímaná oblasť má unimodálne rozloženie inenziy, alebo ak binárna časť deekovaná v snímanej oblasi nesúhlasí s určiými geomerickými rozmermi ako sú var a veľkosť. Obr. 4 - Deekcia a snímanie zreníc použiím Kalmanovej filrácie, kde ( c, + r + predpokladané pozície a + sú neisoy súvisiace s (, c + r + Pri šúdiu planosi Kalmanovho filra pre snímanie zreníc sme šudovali rozdiely medzi predpokladanou a akuálnou lokáciou zrenice - obr. 5. sú Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 409 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
7 Ročník 5., Číslo III., lisopad 200 Obr. 5 - Trajekória reálnych a odhadovaných pozícii zreníc v 30 - obrázkovej sekvencii Krížiky znamenajú odhadnué polohy zreníc pomocou Kalmanovho filra a krúžky znázorňujú akuálnu snímanú pozíciu zreníc. Z obrázka je jasné, že predpokladané a akuálne pozície zrenice v značnej miere súhlasia. Hlavnými výhodami oho sysému deekcie a snímania očí je jeho jednoduchosť a presnosť. Nie je pozorovanému objeku na obiaž, eda objek môže byť snímaný a vôbec o om nemusí vedieť. Táo echnika nevyžaduje žiadny fyzický, alebo geomerický model. Je založená na spekrálnych vlasnosiach zrenice. Hoci sa vyžaduje špeciálne osvelenie, nasavenie osvelenia je jednoduché a pozadie je irelevanné. Zrenice môžu byť deekované a snímané v reálnom čase v širokej škále podmienok. 3. POČÍTANIE PARAMETROV POHYBU OČNÉHO VIEČKA Pohyb očného viečka je jeden z vizuálnych prejavov, koré odzrkadľujú supeň únavy osoby. Základným cieľom snímania zreníc je moniorovanie pohybu očného viečka a vypočíanie relevanných paramerov pohybov. Exisuje niekoľko rozmerov charakerizujúce pohyb očného viečka ako frekvencia žmurkania, rvanie zavreia oka, rýchlosť zavárania oka a parameer Perclos. Perclos meria perceno zavorenia oka v čase a zahŕňa čas porebný na normálne zavreie. Ďalším vizuálnym paramerom pre idenifikovanie únavy vodiča je rýchlosť zavárania/ovárania oka, čím rozumieme čas porebný na úplné zavorenie a úplné ovorenie očí. Pre získanie ýcho 2 paramerov (Perclos a rýchlosť zavárania očí predpokladáme koninuálne snímanie zreníc objeku a deermináciu (určenie poču zavreí očí v reálnom čase založenú na ploche zreníc, koré boli zavorené očnými viečkami. Zavorenie oka sa zmenšuje, keď sa veľkosť deekovanej zrenice zmenšuje na zlomok nominálnej veľkosi (20%. Individuálne rvanie zavorenia oka je definované ako časový rozdiel medzi dvoma po sebe idúcimi časovými okamihmi 2 a 3, medzi korými je veľkosť zrenice 20%, alebo menej z maximálnej veľkosi. Individuálna rýchlosť zavorenia oka je definovaná ako časová Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 40 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
8 Ročník 5., Číslo III., lisopad 200 perióda od po 2, alebo od 3 po 4, počas korej je veľkosť zrenice medzi 20% a 80% nominálnej veľkosi obr. 6. Obr. 6 - Závislosť veľkosi očnej zreničky od času 4. ANALÝZA VÝSLEDKOV SIMULOVANIA ZATVÁRANIA OKA V ejo časi budú popísané experimeny uskuočnené za cieľom šúdia planosi dvoch pohybových paramerov oka. Aby sme získali skuočne reálne údaje, ľudský objek schválne rôzne žmurká očami pred zhooveným sysémom, aby simuloval rôzne vzorky pohybu očných viečok, koré predsavujú rôzne supne únavy. Treba si uvedomiť, že nemeriame únavu samonú, ale rôzne vzorky pohybu očných viečok. Obr. 7 - Porovnanie rýchlosí zavárania oka Z grafu vidno, že zaáranie oka osoby korá je čulá rvá 0,7s, kde u ospalého/unaveného človeka rvá zaváranie oka až,68s. Aj eno fak nám naznačuje, že rýchlosť zavorenia oka môže byť poenciálne využiá ako veličina, korá presnejšie určuje supeň únavy vodiča. Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 4 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
9 Ročník 5., Číslo III., lisopad 200 Obr. 8 - Priebeh priemerných hodnô paramera Perclos počas 6 minú Obr. 9 - Priebeh AECS priemerných hodnô počas 6 minú Obr. 0 zobrazuje priemey vzoriek dá do PFS (Pupil Feaure Space - priesor charakerisických čŕ (vlasnosí zreníc, z korého jasne môžeme vidieť, že je u 5 odlišných skupín zodpovedajúcich piaim orienáciám váre. Treba poznamenať, že hoci vieme nakresliť 3D priesor, PFS je vorený siedmimi znakmi, v korom sa skupiny budú viac odlišovať, akže poloha môže byť určená premienuím vlasnosí zreníc do PFS. Obr. 0 - Skupiny pozície váre v priesore charakerisických znakov zreníc Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 42 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
10 Ročník 5., Číslo III., lisopad 200 Obr. - Projekcia ried v PFS Pre maximálne rozdelenie rôznych skupín porebujeme znázorniť PFS, v korom rôzne riedy pozícií sú najlepšie od seba odlíšené. Veľmi známi je algorimus principiálnych komponenov PCA (Principal Componen Algorihm, alebo priesorový algorimus, korého cieľom je nájsť hlavné zložky rozdelenia plôch, alebo vekory kovariannej maice súborov polohy. Vekory sú zoradené a každý sa ýka iného množsva variácii polôh a každá samosaná poloha sa dá presne vyjadriť ako lineárna kombinácia vekorov. Pre vyvorenie PFS sú zhromažďované réningové údaje a niekoľko modelov reprezenujúcich ypické polohy. V našich experimenoch kolíšu pozície medzi 45 až 45 supňov. Orienácia váre môže byť zaradená do jednej zo skupín na základe jej Euklidovskej vzdialenosi ku sredu každej skupiny. 4. Mapovanie pohľadu Po získaní relaívnej pozície medzi zrenicou a odrazom môže byť plocha, korá je koordinovaná pohľadom určená pomocou procedúry lineárneho mapovania. Konvenčný prísup mapovania pohľadu využíva iba premiesnenie sredu zrenice a pozície odrazu ako vekor zrenica odraz. Hlavnou nevýhodou ejo meódy je, že subjek musí nehybne držať hlavu, inak sa pozícia odrazu na obrázku zmení. V praxi je ťažké udržať hlavu v pokoji. Ak sa hlava čo len neparne pohne, meódou snímania pohľadu dosaneme chybný výsledok. Preo musí byť pohyb hlavy zakomponovaný v procedúre odhadu pohľadu. V súvislosi z naším mapovaním je vekor zrenica odraz vyjadrený kde Δx a [ ΔxΔ ] g = yg x g y (6 Δ y - premiesnenia zrenica odraz, g x, g y - súradnice odrazu. Okrem exisujúcich meód, koré využívajú iba pozíciu odrazu. Too efekívne znižuje vplyv pohybu hlavy. Vekorový súčinieľ je daný [ αβγλθ ] T Δ x a Δ y, náš posup obsahuje aj c = (7 Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 43 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
11 Ročník 5., Číslo III., lisopad 200 Bod pohľadu je umiesnený na jednej z deviaich pozícií pohľadu. Vekor zrenica odraz môže byť zmapovaný do plochy snímky pomocou nasledujúcich rovníc kde i g. c = α Δx + β + γg x + λg + θ (8 = y i - index oblasi pohľadu od do 9 predsavujúci jeden z deviaich smerov, α, β, γ, λ, a θ - koeficieny určené kalibráciou ak ako je o popísané ďalej. 4.2 Kalibrácia Procedúra kalibrácie je veľmi jednoduchá a kráka. Rozdelíme kalibračný panel na 9 oblasí reprezenujúcich 9 smerov pohľadu. Počas kalibrácie je porebné, aby bol fixovaný pohľad na cieľ až 27. Po každom pohľade spusí sysém pípanie, aby upozornil používaeľa, že má zmeniť pohľad na iný cieľ. Pri každej fixácii sú spočíané a uložené 3 skupiny vekorov zrenica odraz, akže získame maicu A 27 x 5. Transformácia maice A na cieľový vekor B je daná A. c = B (9 kde maica A je maica 27 x 5 Δx Δx Δx Δx Δx A = Δx M Δx Δx Δx M M M a B je 27 x vekor daný B = [ L 9 9 9] T (2 Vekorový súčinieľ získame vyriešením rovnice (9 použiím meódy najmenších švorcov. M (20 Obr. 2 - Normálny sav riadenia Obr. 3 - Sav únavy Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 44 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
12 Ročník 5., Číslo III., lisopad 200 Obr. 4 - Sav nepozornosi 5. ZÁVER Opisovaný sysém je sysém počíačového vizuálneho sysému pre moniorovanie osražiosi vodiča v reálnom čase. Cieľom je vyvinúť porebný hardware a snímkový algorimus, korý simulánne exrahuje vizuálne informácie, koré ypicky charakerizujú supeň únavy osoby. Sú o pohyb očného viečka, pohľad a orienácia váre. Hlavné komponeny sysému pozosávajú z hardwarového sysému pre získavanie video snímkov vodiča v reálnom čase a z rozličných počíačových vizuálnych algorimov a ich sofware ových implemenácií pre snímanie oka/očí, pre výpoče paramerov pohybu očných viečok, pre rozlišovanie polohy váre a pre odhad pohľadu. POUŽITÁ LITERATÚRA [] VOLNER, R., TICHÁ, D. Road auomobile communicaion sysem elecommunicaion and securiy sysem, Naional Conference wih Inernaional paricipaion Auomaics and Informaics 2000, Ocober 2000, Sofia, Bulgaria, pp , ISBN [2] TICHÁ, D. A Sensiiviy Approach in Digial Filer Design, Proceedings of 3rd Inernaional Workshop Digial Technologies 2006, Žilina, 2006, ISBN [3] ISOMURA, A., HARA, T, KAMIYA, K. Human Facors on Driver's Seering Operaion. JSAE Review, (, p.. [4] WIERWILLE, W.W., e al., Research on vehicle - based driver saus/performance monioring, developmen, validaion, and refinemen of algorihms for deecion of driver drowsiness. 994, Deparemn of ranspor, Washingon DC. p [5] VOLNER, R. Možnosi aplikácie CCTV pri zvyšovaní bezpečnosi riadenia moorového vozidla, Priebežná správa o riešení vyskumného zámeru Transdisciplinární výzkum v oblasi biomedicínckého inženýrsví, Výzkumný záměr MSM , [6] MOOS, P., VOLNER, R. a kol. Rozvoj meod sysémové analýzy, algorimů a saisických meod pro dopravu a spoje, Výzkumný záměr MSM / Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 45 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča
Kapitola S5. Skrutkovica na rotačnej ploche
Kapitola S5 Skrutkovica na rotačnej ploche Nech je rotačná plocha určená osou rotácie o a meridiánom m. Skrutkový pohyb je pohyb zložený z rovnomerného rotačného pohybu okolo osi o a z rovnomerného translačného
More informationJádrové odhady gradientu regresní funkce
Monika Kroupová Ivana Horová Jan Koláček Ústav matematiky a statistiky, Masarykova univerzita, Brno ROBUST 2018 Osnova Regresní model a odhad gradientu Metody pro odhad vyhlazovací matice Simulace Závěr
More informationKľúčové slová: SAR, šum spekl noise, evolučná PDR, lineárna difúzia, Perona-Malikova rovnica, štatistickéfiltre, Leeho filter
Kľúčové slová: SAR, šum spekl noise, evolučná PDR, lineárna difúzia, Perona-Malikova rovnica, štatistickéfiltre, Leeho filter Tvorba šumu spekl radarový senzor vysiela elektromagneticlý pulz a meria odraz
More informationIng. Tomasz Kanik. doc. RNDr. Štefan Peško, CSc.
Ing. Tomasz Kanik Školiteľ: doc. RNDr. Štefan Peško, CSc. Pracovisko: Študijný program: KMMOA, FRI, ŽU 9.2.9 Aplikovaná informatika 1 identifikácia problémovej skupiny pacientov, zlepšenie kvality rozhodovacích
More informationEKONOMETRICKÉ MODELOVANIE EKONOMICKÉHO SYSTÉMU
EKONOMETRICKÉ MODELOVANIE EKONOMICKÉHO SYSTÉMU Ekonomika každej krajiny zahŕňa veľké množsvo rôznych subjekov a inerakcií medzi nimi v rámci krajiny samonej aj smerom k zahraničiu. A preo analyzovať skuočný
More informationTeória grafov. RNDr. Milan Stacho, PhD.
Teória grafov RNDr. Milan Stacho, PhD. Literatúra Plesník: Grafové algoritmy, Veda Bratislava 1983 Sedláček: Úvod do teórie grafů, Academia Praha 1981 Bosák: Grafy a ich aplikácie, Alfa Bratislava 1980
More informationJádrové odhady regresní funkce pro korelovaná data
Jádrové odhady regresní funkce pro korelovaná data Ústav matematiky a statistiky MÚ Brno Finanční matematika v praxi III., Podlesí 3.9.-4.9. 2013 Obsah Motivace Motivace Motivace Co se snažíme získat?
More informationANALÝZA A MODELOVÁNÍ PROVOZU V DATOVÝCH SÍTÍCH
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV TELEKOMUNIKACÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT OF TELECOMMUNICATIONS
More informationSolution Methods for Beam and Frames on Elastic Foundation Using the Finite Element Method
Solution Methods for Beam and Frames on Elastic Foundation Using the Finite Element Method Spôsoby riešenie nosníkov a rámov na pružnom podklade pomocou metódy konečných prvkov Roland JANČO 1 Abstract:
More informationFAKULTA INFORMAČNÍCH TECHNOLOGIÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND
More informationOd zmiešavacieho kalorimetra k ultra citlivej modulovanej kalorimetrii. Jozef Kačmarčík
Od zmiešavacieho kalorimetra k ultra citlivej modulovanej kalorimetrii CENTRUM FYZIKY VEĽMI NÍZKYCH TEPLÔT Ústavu experimentálnej fyziky SAV a Univerzity P.J.Šafárika Centrum excelentnosti SAV Jozef Kačmarčík
More informationKointegračná analýza v ekonometrii
Koinegračná analýza v ekonomerii Marin Lukáčik Juraj Pekár Prognózovanie budúceho vývoja ekonomických ukazovaeľov, koré sú v cenre záujmu užívaeľov informácií, býva časo najdôležiejšou úlohou ekonomických
More informationČeské vysoké učení technické v Praze
České vysoké učení technické v Praze Fakulta elektrotechnická Katedra řídicí techniky Odhad kovariančných matíc šumu lineárneho stochastického systému Diplomová práca Vypracoval: Peter Matisko Školiteľ:
More informationBohuš Leitner, Jaromír Máca 1
AUOREGRESSIVE MODELS AND IS POSSIBILIIES FOR MODELLING OF SOCHASIC LONGIUDINAL UNEVENNESS OF ROAD SURFACES` AUOREGRESNÉ MODELY A ICH MOŽNOSI PRI MODELOVANÍ SOCHASICKÝCH VÝŠKOVÝCH NEROVNOSÍ POVRCHU VOZOVIEK
More informationANALYSIS OF EXTREME HYDROLOGICAL EVENTS ON THE DANUBE USING THE PEAK OVER THRESHOLD METHOD
See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/245419546 ANALYSIS OF EXTREME HYDROLOGICAL EVENTS ON THE DANUBE USING THE PEAK OVER THRESHOLD
More informationObsah. 2 Určenie objemu valčeka Teoretický úvod Postup merania a spracovanie výsledkov... 10
Obsah 1 Chyby merania 1 1.1 áhodné a systematické chyby.................... 1 1.2 Aritmetický priemer a stredná kvadratická chyba......... 1 1.3 Rozdelenie nameraných dát..................... 3 1.4 Limitné
More informationDATA DEPENDENT SYSTEMS AS A TOOL FOR MODELLING OF STOCHASTIC PROCESSES IN TRANSPORT AREA
DATA DEPENDENT SYSTEMS AS A TOOL FOR MODELLING OF STOCHASTIC PROCESSES IN TRANSPORT AREA Bohuš Leiner, Lucia Ďuranová 1 Summary: The aim of he paper is shor descripion of possibiliies of daa dependen sysems
More informationFAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE. Katedra aplikovanej matematiky a štatistiky DIPLOMOVÁ PRÁCA
FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE Kaedra aplikovanej maemaiky a šaisiky DIPLOMOVÁ PRÁCA BRATISLAVA 2005 MAREK ŠVANTNER FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY
More informationFAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO V BRATISLAVE DIPLOMOVÁ PRÁCA Michal Polák
FAKULA MAEMAIKY, FYZIKY A INFORMAIKY UNIVERZIA KOMENSKÉHO V BRAISLAVE DIPLOMOVÁ PRÁCA 2004 Michal Polák FAKULA MAEMAIKY, FYZIKY A INFORMAIKY UNIVERZIA KOMENSKÉHO V BRAISLAVE KAEDRA EKONOMICKÝCH A FINANČNÝCH
More informationTransactions of the VŠB Technical University of Ostrava Civil Engineering Series, No. 2, Vol. 15, 2015 paper #16. Jozef MELCER 1
1.11/tvsb-1-16 Transactions of the VŠB Technical University of Ostrava Civil Engineering Series, No., Vol. 1, 1 paper #16 Jozef MELCER 1 INFLUENCE OF DAMPING ON FRF OF VEHICLE COMPUTING MODEL Abstract
More informationErrors-in-variables models
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Ida Fürjesová Errors-in-variables models Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské práce: RNDr. Michal
More informationUsing the Kalman filter Extended Kalman filter
Using he Kalman filer Eended Kalman filer Doz. G. Bleser Prof. Sricker Compuer Vision: Objec and People Tracking SA- Ouline Recap: Kalman filer algorihm Using Kalman filers Eended Kalman filer algorihm
More informationAndrew C Lorenc 07/20/14. Met Oce Prepared for DAOS meeting, August 2014, Montreal.
Ensemble Forecas Sensiiviy o Observaions EFSO) and Flow-Following Localisaion in 4DEnVar Andrew C Lorenc 07/20/14 Me Oce andrew.lorenc@meoce.gov.uk Prepared for DAOS meeing, Augus 2014, Monreal. Inroducion
More informationných časových radov a vybrané modely triedy ARCH Michaela Chocholatá
Volailia finančných ných časových radov a vybrané modely riedy ARCH Michaela Chocholaá Úvod finančné časové rady poskyujú informácie o vývoji cien na finančných rhoch,.j. napríklad o vývoji cien akciíči
More informationGINI MEAN DIFFERENCE AND EWMA CHARTS. Muhammad Riaz, Department of Statistics, Quaid-e-Azam University Islamabad,
GINI MEAN DIFFEENCE AND EWMA CHATS Muhammad iaz, Deparmen of Saisics, Quaid-e-Azam Universiy Islamabad, Pakisan. E-Mail: riaz76qau@yahoo.com Saddam Akbar Abbasi, Deparmen of Saisics, Quaid-e-Azam Universiy
More informationSegmentace textury. Jan Kybic
Segmentace textury Případová studie Jan Kybic Zadání Mikroskopický obrázek segmentujte do tříd: Příčná vlákna Podélná vlákna Matrice Trhliny Zvolená metoda Deskriptorový popis Učení s učitelem ML klasifikátor
More informationSúťaž PALMA junior a programovanie v jazyku Python
Súťaž PALMA junior a programovanie v jazyku Python Ján Guniš Ľubomír Šnajder Prírodovedecká fakulta Univerzity P. J. Šafárika v Košiciach DidInfo + DidactIG 2017, Banská Bystrica Obsah Súťaž PALMA junior
More informationInternational Journal of Computer Science Trends and Technology (IJCST) Volume 3 Issue 6, Nov-Dec 2015
Inernaional Journal of Compuer Science Trends and Technology (IJCST) Volume Issue 6, Nov-Dec 05 RESEARCH ARTICLE OPEN ACCESS An EPQ Model for Two-Parameer Weibully Deerioraed Iems wih Exponenial Demand
More informationAn recursive analytical technique to estimate time dependent physical parameters in the presence of noise processes
WHAT IS A KALMAN FILTER An recursive analyical echnique o esimae ime dependen physical parameers in he presence of noise processes Example of a ime and frequency applicaion: Offse beween wo clocks PREDICTORS,
More informationAir Traffic Forecast Empirical Research Based on the MCMC Method
Compuer and Informaion Science; Vol. 5, No. 5; 0 ISSN 93-8989 E-ISSN 93-8997 Published by Canadian Cener of Science and Educaion Air Traffic Forecas Empirical Research Based on he MCMC Mehod Jian-bo Wang,
More informationUrčenie hodnoty Value at Risk využitím simulačnej metódy Monte Carlo v neživotnom poistení
Určenie hodnoty Value at Risk využitím simulačnej metódy Monte Carlo v neživotnom poistení Vladimír Mucha 1 Abstrakt Cieľom príspevku je poukázať na využitie simulačnej metódy Monte Carlo pri určovaní
More informationShiva Akhtarian MSc Student, Department of Computer Engineering and Information Technology, Payame Noor University, Iran
Curren Trends in Technology and Science ISSN : 79-055 8hSASTech 04 Symposium on Advances in Science & Technology-Commission-IV Mashhad, Iran A New for Sofware Reliabiliy Evaluaion Based on NHPP wih Imperfec
More informationTERMINOLÓGIA A JEDNOTKY OPTICKÉHO ŽIARENIA
TERMINOLÓGIA A JEDNOTKY OPTICKÉHO ŽIARENIA OEaLT Prednáška 2 Rádiometrické a fotometrické veličiny iny a jednotky Rádiometrická Fotometrická veličina symbol jednotka veličina sym -bol jednotka Energia
More informationTracking. Announcements
Tracking Tuesday, Nov 24 Krisen Grauman UT Ausin Announcemens Pse 5 ou onigh, due 12/4 Shorer assignmen Auo exension il 12/8 I will no hold office hours omorrow 5 6 pm due o Thanksgiving 1 Las ime: Moion
More informationPROGRAMY NA SPRACOVANIE A VIZUALIZÁCIU EXPERIMENTÁLNYCH DÁT
PROGRAMY NA SPRACOVANIE A VIZUALIZÁCIU EXPERIMENTÁLNYCH DÁT Ladislav ŠEVČOVIČ http://people.tuke.sk/ladislav.sevcovic Strana 1 z 20 Strana 2 z 20 V prezentácii sú použité názvy programových produktov,
More informationMETRICKÉ ÚLOHY V PRIESTORE
1. ÚVOD METRICKÉ ÚLOHY V PRIESTORE Monika ĎURIKOVIČOVÁ 1 Katedra Matematiky, Strojnícka fakulta STU, Abstrakt: Popisujeme možnosti použitia programového systému Mathematica pri riešení špeciálnych metrických
More informationNIEKOĽKO APLIKÁCIÍ DIFERENCIÁLNYCH ROVNÍC V EKONÓMII
IEKOĽKO APLIKÁCIÍ DIFERECIÁLYCH ROVÍC V EKOÓII Kaarína Sakáová Dôežiou úohou ri riešení mnohých robémov v rôznych obasiach vedy je určenie neznámej funkcie na zákade jej vasnosí V maemaickej anaýze (aj
More informationAugmented Reality II - Kalman Filters - Gudrun Klinker May 25, 2004
Augmened Realiy II Kalman Filers Gudrun Klinker May 25, 2004 Ouline Moivaion Discree Kalman Filer Modeled Process Compuing Model Parameers Algorihm Exended Kalman Filer Kalman Filer for Sensor Fusion Lieraure
More informationInternational Journal of Scientific & Engineering Research, Volume 4, Issue 10, October ISSN
Inernaional Journal of Scienific & Engineering Research, Volume 4, Issue 10, Ocober-2013 900 FUZZY MEAN RESIDUAL LIFE ORDERING OF FUZZY RANDOM VARIABLES J. EARNEST LAZARUS PIRIYAKUMAR 1, A. YAMUNA 2 1.
More informationTransactions of the VŠB Technical University of Ostrava, Mechanical Series No. 2, 2010, vol. LVI article No. 1776
Transactions of the VŠB Technical University of Ostrava, Mechanical Series o. 2, 200, vol. LVI article o. 776 Zuzana ADRÁSSYOVÁ *, Martin KOTUS ** EVALUATIO OF CC MILLIG MACHIE CAPABILITY FOR TRASMISSIOS
More informationEstimation of Poses with Particle Filters
Esimaion of Poses wih Paricle Filers Dr.-Ing. Bernd Ludwig Chair for Arificial Inelligence Deparmen of Compuer Science Friedrich-Alexander-Universiä Erlangen-Nürnberg 12/05/2008 Dr.-Ing. Bernd Ludwig (FAU
More informationUNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY. Robustné metódy vo faktorovej analýze
UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY Robustné metódy vo faktorovej analýze DIPLOMOVÁ PRÁCA Bratislava 2013 Bc. Zuzana Kuižová UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA
More informationQuantification of the safety level of a safety-critical control system K. Rástočný 1, J. Ilavský 1
Ročník 2010 Číslo II Quantification of the safety level of a safety-critical control system K. Rástočný 1, J. Ilavský 1 1 University of Žilina, aculty of Electrical Engineering, Department of Control and
More informationEXTREME SEVERAL-DAY PRECIPITATION TOTALS AT HURBANOVO DURING THE TWENTIETH CENTURY
Rožnovský, J., Litschmann, T. (ed.): XIV. Česko-slovenská bioklimatologická konference, Lednice na Moravě 2.-4. září 2, ISBN -85813-99-8, s. 9-19 EXTREME SEVERAL-DAY PRECIPITATION TOTALS AT HURBANOVO DURING
More informationA L A BA M A L A W R E V IE W
A L A BA M A L A W R E V IE W Volume 52 Fall 2000 Number 1 B E F O R E D I S A B I L I T Y C I V I L R I G HT S : C I V I L W A R P E N S I O N S A N D TH E P O L I T I C S O F D I S A B I L I T Y I N
More informationMetódy vol nej optimalizácie
Matematické programovanie Metódy vol nej optimalizácie p. 1/35 Informácie o predmete Informácie o predmete p. 2/35 Informácie o predmete METÓDY VOL NEJ OPTIMALIZÁCIE Prednášajúca: M. Trnovská (M 267) Cvičiaci:
More informationCptS 570 Machine Learning School of EECS Washington State University. CptS Machine Learning 1
CpS 570 Machine Learning School of EECS Washingon Sae Universiy CpS 570 - Machine Learning 1 Form of underlying disribuions unknown Bu sill wan o perform classificaion and regression Semi-parameric esimaion
More informationThe Golden Ratio and Signal Quantization
The Golden Ratio and Signal Quantization Tom Hejda, tohecz@gmail.com based on the work of Ingrid Daubechies et al. Doppler Institute & Department of Mathematics, FNSPE, Czech Technical University in Prague
More informationRecent Developments In Evolutionary Data Assimilation And Model Uncertainty Estimation For Hydrologic Forecasting Hamid Moradkhani
Feb 6-8, 208 Recen Developmens In Evoluionary Daa Assimilaion And Model Uncerainy Esimaion For Hydrologic Forecasing Hamid Moradkhani Cener for Complex Hydrosysems Research Deparmen of Civil, Consrucion
More informationOdhady veľkosti pokrytí náhodne indukovaných podgrafov n-rozmernej hyperkocky
KATEDRA INFORMATIKY FAKULTA MATEMATIKY FYZIKY A INFORMATIKY UNIVERZITA KOMENSKÉHO Odhady veľkosti pokrytí náhodne indukovaných podgrafov nrozmernej hyperkocky Diplomová práca Bc. Ján Kliman študijný odbor:
More informationZhihan Xu, Matt Proctor, Ilia Voloh
Zhihan Xu, Ma rocor, lia Voloh - GE Digial Energy Mike Lara - SNC-Lavalin resened by: Terrence Smih GE Digial Energy CT fundamenals Circui model, exciaion curve, simulaion model CT sauraion AC sauraion,
More informationLucia Fuchsová Charakteristiky pravděpodobnostních
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Lucia Fuchsová Charakteristiky pravděpodobnostních předpovědí Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské
More informationIntroduction to Mobile Robotics
Inroducion o Mobile Roboics Bayes Filer Kalman Filer Wolfram Burgard Cyrill Sachniss Giorgio Grisei Maren Bennewiz Chrisian Plagemann Bayes Filer Reminder Predicion bel p u bel d Correcion bel η p z bel
More informationNEISTOTY. Základné pojmy a definície z oblasti neistôt meraní
NEISTOTY Základné pojmy a definície z oblasti neistôt meraní Ladislav Ševčovič Košice 23. septembra 2007 OBSAH 1 Základné pojmy a definície z oblasti neistôt meraní 3 2 Chyby elektrických meracích prístrojov
More informationHomework 2: Kinematics and Dynamics of Particles Due Friday Feb 8, 2019
EN4: Dynamics and Vibraions Homework : Kinemaics and Dynamics of Paricles Due Friday Feb 8, 19 School of Engineering Brown Universiy 1. Sraigh Line Moion wih consan acceleraion. Virgin Hyperloop One is
More informationDeep Learning: Theory, Techniques & Applications - Recurrent Neural Networks -
Deep Learning: Theory, Techniques & Applicaions - Recurren Neural Neworks - Prof. Maeo Maeucci maeo.maeucci@polimi.i Deparmen of Elecronics, Informaion and Bioengineering Arificial Inelligence and Roboics
More informationReliability of Technical Systems
eliabiliy of Technical Sysems Main Topics Inroducion, Key erms, framing he problem eliabiliy parameers: Failure ae, Failure Probabiliy, Availabiliy, ec. Some imporan reliabiliy disribuions Componen reliabiliy
More informationNÁVOD NA VYJADROVANIE NEISTOTY V KVANTITATÍVNYCH SKÚŠKACH (EA - 4/16: 2003)
SLOVENSKÁ NÁRODNÁ AKREDITAČNÁ SLUŽBA METODICKÁ SMERNICA NA AKREDITÁCIU METHODICAL GUIDELINE FOR ACCREDITATION NÁVOD NA VYJADROVANIE NEISTOTY V KVANTITATÍVNYCH SKÚŠKACH (EA - 4/16: 2003) GUIDELINES ON THE
More informationOdvodenie niektorých geometrických veličín z GPS meraní
Acta Montanstca Slovaca Ročník 10 (2005), číslo 3, 310-316 Odvodene nektorých geometrckých velčín z GPS meraní Adel Alfrehat 1, Janka Sabová a Marcel Mozeš 2 Dervaton of some geometrc parameters from GPS
More informationGeometry of the Berry Phase
... a concise µ-seminar exposition... October 11, Řež The problem formulation What is given: The problem formulation What is given: separable Hilbert space H The problem formulation What is given: separable
More informationFiltering Turbulent Signals Using Gaussian and non-gaussian Filters with Model Error
Filering Turbulen Signals Using Gaussian and non-gaussian Filers wih Model Error June 3, 3 Nan Chen Cener for Amosphere Ocean Science (CAOS) Couran Insiue of Sciences New York Universiy / I. Ouline Use
More informationRIEŠENIE PROBLÉMOV METÓDOU MONTE CARLO V TABUĽKOVOM KALKULÁTORE MS EXCEL ÚVOD
South Bohemia Mathematical Letters Volume 23, (2015), No. 1, 18-27. RIEŠENIE PROBLÉMOV METÓDOU MONTE CARLO V TABUĽKOVOM KALKULÁTORE MS EXCEL ŠTEFAN GUBO ABSTRAKT. Metóda Monte Carlo patrí medzi metódy
More informationFAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE. Ekonomická a finančná matematika
FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY UNIVERZITY KOMENSKÉHO V BRATISLAVE Ekonomcká a fnančná maemaka EKONOMETRICKÝ MODEL AGREGÁTNEHO DOPYTU SLOVENSKEJ REPUBLIKY Dploman: Lenka Drnáková Školeľ: Doc.
More informationNon-parametric techniques. Instance Based Learning. NN Decision Boundaries. Nearest Neighbor Algorithm. Distance metric important
on-parameric echniques Insance Based Learning AKA: neares neighbor mehods, non-parameric, lazy, memorybased, or case-based learning Copyrigh 2005 by David Helmbold 1 Do no fi a model (as do LDA, logisic
More informationSocial groups and social network formation [Online Appendix]
Social groups an social nework formaion [Online Appenix] Bassel Tarbush Alexaner Teyelboym Sepember 2, 25 This appenix provies supplemenary maerial for he paper Social groups an social nework formaion
More informationState-Space Models. Initialization, Estimation and Smoothing of the Kalman Filter
Sae-Space Models Iniializaion, Esimaion and Smoohing of he Kalman Filer Iniializaion of he Kalman Filer The Kalman filer shows how o updae pas predicors and he corresponding predicion error variances when
More informationPredikcia úmrtnosti na Slovensku
1 Ak nie je uvedené inak, zdrojom grafov v tomto príspevku sú štatistické tabuľky úmrtnosti v SR a výpočty autora. 2 Viac o SVD nájdeme napríklad na http://www.ling.ohiostate.edu/~kbaker/pubs/singular_value_decomposition_tutorial.pdf
More information1 Subdivide the optimization horizon [t 0,t f ] into n s 1 control stages,
Opimal Conrol Formulaion Opimal Conrol Lecures 19-2: Direc Soluion Mehods Benoî Chachua Deparmen of Chemical Engineering Spring 29 We are concerned wih numerical soluion procedures for
More informationUNIVERSITÀ DI PISA DIPARTIMENTO DI INGEGNERIA MECCANICA, NUCLEARE E DELLA PRODUZIONE VIA DIOTISALVI 2, PISA
G r u p p o R I c e r c a N u c le a r e S a n P I e r o a G r a d o N u c l e a r a n d I n d u s r I a l E n g I n e e r I n g UNIVERSIÀ DI PISA DIPARIMENO DI INGEGNERIA MECCANICA NUCLEARE E DELLA PRODUZIONE
More informationSimulation Model for the Monitoring System of Air Brake of the Train and Determining the Place of Breakage
Inernaional Journal of Traffic and Transporaion Engineering 04, 3(4: 84-88 DOI: 0593/jije0403040 Simulaion Model for he Monioring Sysem of Air Brake of he Train and Deermining he Place of Breakage Oleksandr
More informationTvarovač riadiacich signálov: poznámka k voľbe periódy vzorkovania a minimalizácia chýb spôsobených kvantovaním času.
Rok / Year: Svazek / Volume: Číslo / Number: 2011 13 2 Tvarovač riadiacich signálov: poznámka k voľbe periódy vzorkovania a minimalizácia chýb spôsobených kvantovaním času. Control signal shaping: note
More informationDistribution Based Change-Point Problem with Two Types of Imperfect Debugging in. Software Reliability
BIJIT - BVICAM s Inernaional Journal of Informaion Technology Bharai Vidyapeeh s Insiue of Compuer Applicaions and Managemen (BVICAM, New Delhi Disribuion Based Change-Poin Problem wih Two Types of Imperfec
More informationDOOR TO DOOR FREIGHT TRANSPORTATION F O R M U L A T I O N S
DOOR TO DOOR FREIGHT TRANSPORTATION F O R M U L A T I O N S PROJET RESPET Aims o develop quaniaive approaches o door o door freigh ransporaion Members: LAAS-CNRS INRIA LIA DHL JASSP MAIN GOALS Model door
More informationHYPERSPECTRAL IMAGE CLASSIFICATIO BASED O A FAST BREGMA SPARSE MULTI OMIAL LOGISTIC REGRESSIO ALGORITHM. Portugal - (jun,
HYPERSPECRAL IMAGE CLASSIFICAIO BASED O A FAS BREGMA SPARSE MULI OMIAL LOGISIC REGRESSIO ALGORIHM J. Li a, *, J. Bioucas-Dias a, Anonio Plaza b a Insiuo de elecomunicações, Insiuo Superior écnico, 049-00,
More informationMonitoring and data filtering II. Dynamic Linear Models
Ouline Monioring and daa filering II. Dynamic Linear Models (Wes and Harrison, chaper 2 Updaing equaions: Kalman Filer Discoun facor as an aid o choose W Incorporae exernal informaion: Inervenion General
More informationRefraction coefficient determination and modelling for the territory of the Kingdom of Saudi Arabia
Presened a he FIG ongress 08, May 6-, 08 in Isanbul, Turkey Refracion coefficien deerminaion and modelling for he erriory of he Kingdom of Saudi Arabia Ohman AL-KHERAYEF, KSA Vasil VALHINOV, BG Rossen
More informationModely, metódy a algoritmy pre analýzu longitudinálnych dát
Vedecká rada Fakulty matematiky, fyziky a informatiky Univerzity Komenského v Bratislave Mgr Gejza Wimmer Autoreferát dizertačnej práce Modely, metódy a algoritmy pre analýzu longitudinálnych dát pre získanie
More informationCATAVASII LA NAȘTEREA DOMNULUI DUMNEZEU ȘI MÂNTUITORULUI NOSTRU, IISUS HRISTOS. CÂNTAREA I-A. Ήχος Πα. to os se e e na aș te e e slă ă ă vi i i i i
CATAVASII LA NAȘTEREA DOMNULUI DUMNEZEU ȘI MÂNTUITORULUI NOSTRU, IISUS HRISTOS. CÂNTAREA I-A Ήχος α H ris to os s n ș t slă ă ă vi i i i i ți'l Hris to o os di in c ru u uri, în tâm pi i n ți i'l Hris
More informationNon-parametric techniques. Instance Based Learning. NN Decision Boundaries. Nearest Neighbor Algorithm. Distance metric important
on-parameric echniques Insance Based Learning AKA: neares neighbor mehods, non-parameric, lazy, memorybased, or case-based learning Copyrigh 2005 by David Helmbold 1 Do no fi a model (as do LTU, decision
More informationTesting for a Single Factor Model in the Multivariate State Space Framework
esing for a Single Facor Model in he Mulivariae Sae Space Framework Chen C.-Y. M. Chiba and M. Kobayashi Inernaional Graduae School of Social Sciences Yokohama Naional Universiy Japan Faculy of Economics
More informationUNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELOVANIE VEKU ÁUT V PREVÁDZKE
UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY MODELOVANIE VEKU ÁUT V PREVÁDZKE Bakalárska práca 2011 Andrej Horský UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY
More informationMikrokontaktová spektroskopia silne korelovaných elektrónových systémov
Mikrokontaktová spektroskopia silne korelovaných elektrónových systémov Gabriel PRISTÁŠ Školiteľ: Marián REIFFERS Ústav exerimentálnej fyziky, OFNT, SAV, Košice 1. Prehľad činností v r. 2006 2. Silne korelované
More informationThe Stacked Semi-Groups and Fuzzy Stacked Systems on Transportation Models
Inernaional Journal of Scienific and Research Publicaions, Volume 4, Issue 8, Augus 2014 1 The Sacked Semi-Groups and Fuzzy Sacked Sysems on Transporaion Models Aymen. A. Ahmed Imam *, Mohammed Ali Bshir
More informationApplication Note AN Software release of SemiSel version 3.1. New semiconductor available. Temperature ripple at low inverter output frequencies
Applicaion Noe AN-8004 Revision: Issue Dae: Prepared by: 00 2008-05-21 Dr. Arend Winrich Ke y Words: SemiSel, Semiconducor Selecion, Loss Calculaion Sofware release of SemiSel version 3.1 New semiconducor
More informationF This leads to an unstable mode which is not observable at the output thus cannot be controlled by feeding back.
Lecure 8 Las ime: Semi-free configuraion design This is equivalen o: Noe ns, ener he sysem a he same place. is fixed. We design C (and perhaps B. We mus sabilize if i is given as unsable. Cs ( H( s = +
More informationSelected characteristics of vibration signal at a minimal energy consumption for the rock disintegration
Acta Montanistica Slovaca Ročník 16 (211), číslo 3, 29-215 Selected characteristics of vibration signal at a minimal energy consumption for the rock disintegration Viera Miklúšová 1 The rock disintegration
More informationScientific Research of the Institute of Mathematics and Computer Science DIFFERENT VARIANTS OF THE BOUNDARY ELEMENT METHOD FOR PARABOLIC EQUATIONS
Scieniic Research o he Insiue o Mahemaics and Compuer Science DIERENT VARIANTS O THE BOUNDARY ELEMENT METHOD OR PARABOLIC EQUATIONS Ewa Majchrzak,, Ewa Ładyga Jerzy Mendakiewicz, Alicja Piasecka Belkhaya
More informationObjavovanie znalostí v databázach. Ján Paralič
Objavovanie znalostí v databázach Ján Paralič Košice 2003 Ing. Ján Paralič, PhD. Katedra kybernetiky a umelej inteligencie Fakulta elektrotechniky a informatiky Technická univerzita v Košiciach Jan.Paralic@tuke.sk
More informationInterdependent Risk in Interacting Infrastructure Systems
40h Hawaii Inernaional Conference on Sysem Science, January 007, Waikoloa, Big Island, Hawaii, 007 IEEE Inerdependen Risk in Ineracing Infrasrucure Sysems B. A. Carreras Oak Ridge Naional Laboraory, Oak
More informationEvaluation of Mean Time to System Failure of a Repairable 3-out-of-4 System with Online Preventive Maintenance
American Journal of Applied Mahemaics and Saisics, 0, Vol., No., 9- Available online a hp://pubs.sciepub.com/ajams/// Science and Educaion Publishing DOI:0.69/ajams--- Evaluaion of Mean Time o Sysem Failure
More informationDETECT FLOW OF STEAM IN AIR BY ELECTRICAL CAPACITANCE TOMOGRAPHY
DETECT FLOW OF STEAM IN AIR BY ELECTRICAL CAPACITANCE TOMOGRAPHY Katarína RATKOVSKÁ 1 - Miroslava CÚTTOVÁ 2 Abstract:.In practice, the steam can also occur in cases where there not be formed, and then
More informationMatematika 17. a 18. storočia
Matematika 17. a 18. storočia René Descartes Narodený : 31 Marec 1596 v La Haye (teraz Descartes),Touraine, France Zomrel : 11 Feb 1650 v Stockholm, Sweden Riešenie kvadratických rovníc podľa Descarta
More informationPair-wise Network Topology Authenticated Hybrid Cryptographic Keys for Wireless Sensor Networks using Vector Algebra
Pair-wise Newor Topology Auhenicaed Hybrid Crypographic Keys for Wireless Sensor Newors using Vecor Algebra Marco Pugliese Forunao Sanucci Cener of Excellence DEWS Universiy of L Aquila L Aquila, ITALY
More informationDemodulation of Digitally Modulated Signals
Addiional maerial for TSKS1 Digial Communicaion and TSKS2 Telecommunicaion Demodulaion of Digially Modulaed Signals Mikael Olofsson Insiuionen för sysemeknik Linköpings universie, 581 83 Linköping November
More informationFakulta Matematiky, Fyziky a Informatiky Univerzita Komenského, Bratislava THEILOVA REGRESIA
Fakulta Matematiky, Fyziky a Informatiky Univerzita Komenského, Bratislava THEILOVA REGRESIA Róbert Tóth Bratislava 2013 Fakulta Matematiky, Fyziky a Informatiky Univerzita Komenského, Bratislava THEILOVA
More informationThe Potential Effectiveness of the Detection of Pulsed Signals in the Non-Uniform Sampling
The Poenial Effeciveness of he Deecion of Pulsed Signals in he Non-Uniform Sampling Arhur Smirnov, Sanislav Vorobiev and Ajih Abraham 3, 4 Deparmen of Compuer Science, Universiy of Illinois a Chicago,
More informationCalculation of the Two High Voltage Transmission Line Conductors Minimum Distance
World Journal of Engineering and Technology, 15, 3, 89-96 Published Online Ocober 15 in SciRes. hp://www.scirp.org/journal/wje hp://dx.doi.org/1.436/wje.15.33c14 Calculaion of he Two High Volage Transmission
More informationProcess of quantitative evaluation of validity of rock cutting model
Acta ontanistica Slovaca Ročník 7 (), číslo 3, 79-83 Process of quantitative evaluation of validity of rock cutting model Jozef Futó, Lucia Ivaničová, František Krepelka and ilan Labaš ost of complex technical
More informationChapter 5 Digital PID control algorithm. Hesheng Wang Department of Automation,SJTU 2016,03
Chaper 5 Digial PID conrol algorihm Hesheng Wang Deparmen of Auomaion,SJTU 216,3 Ouline Absrac Quasi-coninuous PID conrol algorihm Improvemen of sandard PID algorihm Choosing parameer of PID regulaor Brief
More informationPlatforma průmyslové spolupráce
Platforma průmyslové spolupráce CZ.1.07/2.4.00/17.0041 Název Operátory pro zpracování proudů dat Popis a využití práce s operátory v jazyce Esper pro Java Benchmarking výuka: pokročilá Java Jazyk textu
More information