V tem članku smo predstavili kategorizacijjo slik SAR znotraj dualno kompleksne in orientirane valčne transformacije. Uporabili smo kompleksne deskriptorje znotraj valčne transformacije in znotraj valčne transformacije izvedli tudi Fourierevo transformacijo, descriptorje pa prilagodili za kategorizacijo slik. Izdelali smo podatkovno bazo z 2000 slikami velikosti 200 kvadratnih metrov in jih razdelili v dvajset kategorij, vsaka kategorija pa je bila predstavljena z 100 vzorci, torej slik 200×200 točk. Izvedli smo nadzorovano učenje s podpornimi vektorji in dosegli zelo dobre rezultate v primerjavi z obstoječimi metodami.
COBISS.SI-ID: 17758486
V tem članku smo primerjali metode za kategorizacijjo slik SAR z uporabo nadzorovane, ne parametrične kategorizacije tako, da smo uporabili značilke znotraj orientirane kompleksne valčne transformacije in jih primerjali s parametrično klasifikacijo slik SAR. Parametrične metode modelirajo sceno in ocenijo parametre scene, ki jih klasificiramo. Ugotovili smo, da so ne-parametrične metode mnogo bolj učinkovite od parametričnih metod, ki so računsko zelo zahtevne, saj uporabljajo iterativne algoritme za določitev vrednosti značilk.
COBISS.SI-ID: 18252822
V tem članku smo predstavili načrtovanje robustnega vodenja servo-mehanizma na osnovi večkriterijske cenilke. Cenilko sestavlja več nepovezanih kriterijev na osnovi sprektralnih polinomov.
COBISS.SI-ID: 17704982
Članek predstavlja algoritem za določanje razdalje med slepim vozliščem in referenčnim vozliščem v brezžičnem senzorskem omrežju (ang. Wireless Sensor Network – WSN) z zajemanjem meritev indikatorja moči sprejetega signala (ang. Received Signal Strength Indicator – RSSI) na antenskem sklopu sprejemnika. Za ocenjevanje razdalj smo uporabili Bayesovo sklepanje in filter z delci (ang. particle filter). Z Bayesovim sklepanjem prvega reda in s predhodno izbranim modelom širjenja signala (log-normalni model ali odbojni model) smo določili razdaljo iz zajetih meritev RSSI. Apriorno verjetnost v Bayesovem sklepanju smo modelirali z Gauss-Markovimi naključnimi polji (ang. Gauss-Markov Random Field – GMRF), za opis verjetja pa je bila uporabljena Gamma porazdelitvena funkcija. Ocena razdalje je izvedena s cenilko največje posteriorne verjetnosti (ang. Maximum a posterior – MAP). Bayesovo sklepanje drugega reda, pri katerem smo vrednotili maksimirane robne porazdelitve, smo uporabili za določitev najboljših parametrov apriorne verjetnosti in stopnjo modela oziroma števila anten antenskega sklopa. Za nadaljnjo oceno razdalje smo uporabili filter z delci z metodo prevzorčenja (ang. Sequential Importance Resampling – SIR). Znotraj filtra smo za postopek tipanja uporabili Gaussovo porazdelitveno funkcijo in za posodobitev uteži primerjali med uporabo Gamma porazdelitvene funkcije in Gaussove funkcije. Eksperimentalni rezultati, ki zajemajo realne meritve RSSI-jev in ocenjene razdalje z Bayesovim sklepanjem in filtra z delci, nam kažejo, da je možno oceniti razdaljo med slepim in referenčnim vozliščem 0,03 m natančno. Pri tem je natančnost metode odvisna od samega prostora in odbojev v njem ter od uporabljenih modelov in strojne opreme. Natančnost oziroma napaka je podana kot absolutna vrednost razlike dejanske in ocenjene razdalje.
COBISS.SI-ID: 18253078
V tem članku smo predstavili načrtovanje sistemov vodenja z zakasnitvami na osnovi kvazi polinomov, kjer smo razvili metodo za modeliranje in načrtovanje zaprto-zančnih struktur, ki upoštevajo zakasnitve v telekomunikacijskih omrežjih. Upoštevali smo notranje zakasnitve v sistemu in vhodno-izhodne zakasnitve.
COBISS.SI-ID: 18067478