| |
| |
|
Identification of Driver's Drowsiness Using Driving Information and EEG
Jiřina, Marcel ; Novotný, S. ; Bouchner, P.
This report summarizes the first results with identification of sleepy state in drivers. The driving information as the deviation from the centerline of road and the steering wheel position as well as two-point eeg was used. The process consists of preprocessing data, in fact a transformation into form proper for classification, and a classification into one of two classes, wakefulness and drowsiness. Results show that it is possible to distinguish these two states with relatively large error, which possibly can be tackled by the use of proper methodology.
|
|
Klasifikátor založený na inverzních hodnotách indexů II. teorie a příloha
Jiřina, Marcel ; Jiřina jr., M.
Je prezentována teorie nové metody pro klasifikaci dat do tříd. Metoda je založena na součtech reciprokých hodnot indexů sousedů. Ukazuje se, že indexy sousedů jsou v úzkém vztahu k přibližné polynomiální aproximaci transformace vzdáleností sousedů. Součet těchto převrácených hodnot tvoří useknutou harmonickou řadu v důsledku konečného počtu pvků. Pro sousedy jedné třídy se vytváří součet vybraných prvků této řady. Dokazuje se, že poměr těchto součtů dává právě odhad pravděpodobnosti, že dotazový bod patří do právě té třídy.
Plný tet: v1041-08 - PDF Plný text: content.csg - PDF
|
|
Klasifikátor založený na inverzních hodnotách indexů
Jiřina, Marcel ; Jiřina jr., M.
Je prezentována teorie nové metody pro klasifikaci dat do tříd. Metoda je založena na součtech reciprokých hodnot indexů sousedů. Ukazuje se, že indexy sousedů jsou v úzkém vztahu k přibližné polynomiální aproximaci transformace vzdáleností sousedů. Součet těchto převrácených hodnot tvoří useknutou harmonickou řadu v důsledku konečného počtu pvků. Pro sousedy jedné třídy se vytváří součet vybraných prvků této řady. Dokazuje se, že poměr těchto součtů dává právě odhad pravděpodobnosti, že dotazový bod patří do právě té třídy. Schopnosti klasifikace jsou ukázány na praktických datech z UCI MLR a výsledky jsou porovnány s publikovanými výsledky jiných metod.
Plný tet: v1034-08 - PDF Plný text: content.csg - PDF
|
| |
|
Metoda váhované metriky s nehladkým procesem učení
Jiřina, Marcel ; Jiřina jr., M.
Navrhuje se nový přístup k metodě váhované metriky pro optimalizovanou klasifikaci dat pomocí pravidla nejbližšího souseda. Nový přístup je založen na aplikaci aktualizačního pravidla podobného aktualizačnímu pravidlu u neuronové sítě Madalina a na dynamické optimalizaci velikosti kroku podobné Rungeho metodě polovičního kroku. Je podána krátká teorie a jsou ukázány klasifikační schopnosti metody.
Plný tet: v1026-08 - PDF Plný text: content.csg - PDF
|
| |
|
Genetická selekce a klonování u metody GMDH-MIA
Jiřina, Marcel ; Jiřina jr., M.
Algoritmus GMDH-MIA byl modifikován použitím selekční procedury z genetických algoritmů a zahrnutím klonování. Selekční procedura najde rodiče pro nový neuron mezi již existujícími neurony podle jejich fitness a s určitou pravděpodobností také mezi vstupy sítě. Podstatou klonování je malá modifikace parametrů nejlepšího neuronu. Geneticky modifikovaná síť GMDH s kolonováním (GMC-GMDH) je schopna lepších výsledků než jiné výkonné metody. Je to ukázáno na některých datech z Machine Learning Repository.
|
| |