Browsing by Author "Piskorowski, Jacek"

Now showing 1 - 2 of 2

Access status: Open Access ,
Generative Gaussian process models in functional phenomena analysis and fault detection
(Data obrony: 2025-03-12) Dudek, Adrian
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Moja rozprawa doktorska dotyczy zastosowania Procesów Gaussowskich (GP) do modelowania złożonych zjawisk funkcjonalnych oraz wykrywania usterek w systemach technicznych. Dążyłem do rozszerzenia roli GP w diagnostyce systemów, koncentrując się na nieliniowych zależnościach i nagłych zmianach stanów, przy uwzględnieniu niepewności predykcyjnej i niedoboru danych poprzez modele generatywne. Moje badania wspierają dwie główne tezy: (1) modele GP mogą ulepszyć analizę funkcjonalną i diagnostykę, uchwytując złożone nieliniowe zależności i zapewniając istotne oszacowanie niepewności; (2) generatywne modele GP są cenne w diagnostyce przy ograniczonych danych, umożliwiając tworzenie syntetycznych zbiorów danych, co poprawia skuteczność algorytmów. Główne osiągnięcia obejmują zastosowanie GP do wykrywania anomalii w procesach przemysłowych, gdzie możliwości przewidywania i szacowania niepewności wspierają wykrywanie usterek, szczególnie w stanach przejściowych. Opracowałem też metody poprawiające wydajność obliczeniową GP, korzystając z aproksymacji Czebyszewa i FFT, oraz badałem zastosowanie GP m.in. w diagnostyce akumulatorów, modelowaniu zanieczyszczenia powietrza i analizie sygnałów przemysłowych. Moja praca ukazuje praktyczną i obliczeniową użyteczność GP w różnorodnych aplikacjach, oferując nowe spojrzenie na diagnostykę w systemach technicznych.
Access status: Open Access ,
Real-time generation of safe trajectories for autonomous vehicles in dynamic environments
(Data obrony: 2024-03-04) Turlej, Wojciech
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
W niniejszej pracy poruszono wyzwania związane z projektowaniem i oceną algorytmów planowania ruchu pojazdów. Zaprezentowano nową metodę planowania wielohipotezowego, która ma na celu rozwiązanie problemu planowania ruchu pojazdu w sytuacjach niepewnych. Proponowana metoda uwzględnia kilka hipotez dotyczących zachowania innych użytkowników drogi, aby zapewnić bezpieczny ruch kontrolowanego pojazdu. Ponadto, w celu zapewnienia odporności systemów planowania ruchu zaprezentowano zestaw metod modelowania sensorów. Skuteczność proponowanych modeli zbadano na przykładzie systemu planowania ruchu opartego o uczenie ze wzmocnieniem, w którym modele wykorzystano w procesie uczenia, uzyskując zwiększoną odporność na różne rodzaje błędów percepcji. Przeanalizowano i omówiono wpływ wykorzystania modeli sensorów w rozwoju algorytmów autonomicznego prowadzenia pojazdów na bezpieczeństwo systemu. Aby umożliwić dokładne testowanie systemów planowania ruchu pojazdu, w szczególności tych opartych o techniki uczenia maszynowego, zaproponowano nową metodę automatycznej generacji scenariuszy testowych. Opracowana metoda generuje scenariusze antagonistyczne wraz z błędami percepcji, pozwalając na aktywną eksplorację potencjalnych słabości i błędów w testowanych algorytmach, a jej skuteczność została zaprezentowana w problemie testowania systemu planowania opartego o uczenie ze wzmocnieniem.