Attributes | Values |
---|
rdf:type
| |
Description
| - Biosensors are analytical devices that transforms chemical information, ranging from the concentration of a specific sample component to total composition analysis, into an analytical signal and that utilizes a biochemical mechanism for the chemical recognition. The complexity of biosensor construction and generation of measured signal requires the development of new method for signal evaluation and its possible defects recognition. A new method based on artificial neural networks (ANN) was developed for recognition of characteristic behavior of signals joined with malfunction of sensor. New algorithm uses unsupervised Kohonen self-organizing neural networks. The work with ANN has two phases ? adaptation and prediction. During the adaptation step the classification model is build. Measured data form groups after projection into two-dimensional space based on theirs similarity. After identification of these groups and establishing the connection with signal disorders ANN can be used for evaluation of n (en)
- V této práci byly aplikovány umělé neuronové sítě pro vyhodnocení signálu při měření pomocí biosenzoru. Ze šesti různých poruch průběhu signálu je možné čtyři z nich (nízká odezva po přídavku substrátu, ustalování ve vysokých hodnotách, pomalé ustalování po přídavku substrátu a malá citlivost na syntostigmin) určit s pravděpodobností více jak 90 %. Pro detekci měření, kdy byla poškozena membrána biosenzoru a tím způsoben vyšší šum měření, byla použitá metoda měření nevhodná. Vlastní umělé neuronové sítě adaptované na tento konkrétní problém mohou být jako program nahrány do mikroprocesoru a být implementovány do přístroje.
- V této práci byly aplikovány umělé neuronové sítě pro vyhodnocení signálu při měření pomocí biosenzoru. Ze šesti různých poruch průběhu signálu je možné čtyři z nich (nízká odezva po přídavku substrátu, ustalování ve vysokých hodnotách, pomalé ustalování po přídavku substrátu a malá citlivost na syntostigmin) určit s pravděpodobností více jak 90 %. Pro detekci měření, kdy byla poškozena membrána biosenzoru a tím způsoben vyšší šum měření, byla použitá metoda měření nevhodná. Vlastní umělé neuronové sítě adaptované na tento konkrétní problém mohou být jako program nahrány do mikroprocesoru a být implementovány do přístroje. (cs)
|
Title
| - Využití umělých neuronových sítí pro klasifikaci signálů biosenzorů
- Využití umělých neuronových sítí pro klasifikaci signálů biosenzorů (cs)
- Use of artificial neural networks in biosensor signal classification (en)
|
skos:prefLabel
| - Využití umělých neuronových sítí pro klasifikaci signálů biosenzorů
- Využití umělých neuronových sítí pro klasifikaci signálů biosenzorů (cs)
- Use of artificial neural networks in biosensor signal classification (en)
|
skos:notation
| - RIV/44555601:13440/08:00004238!RIV09-MSM-13440___
|
http://linked.open...avai/riv/aktivita
| |
http://linked.open...avai/riv/aktivity
| |
http://linked.open...iv/cisloPeriodika
| |
http://linked.open...vai/riv/dodaniDat
| |
http://linked.open...aciTvurceVysledku
| |
http://linked.open.../riv/druhVysledku
| |
http://linked.open...iv/duvernostUdaju
| |
http://linked.open...titaPredkladatele
| |
http://linked.open...dnocenehoVysledku
| |
http://linked.open...ai/riv/idVysledku
| - RIV/44555601:13440/08:00004238
|
http://linked.open...riv/jazykVysledku
| |
http://linked.open.../riv/klicovaSlova
| - artificial neural networks; biosensors; pesticides (en)
|
http://linked.open.../riv/klicoveSlovo
| |
http://linked.open...odStatuVydavatele
| |
http://linked.open...ontrolniKodProRIV
| |
http://linked.open...i/riv/nazevZdroje
| - Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis
|
http://linked.open...in/vavai/riv/obor
| |
http://linked.open...ichTvurcuVysledku
| |
http://linked.open...cetTvurcuVysledku
| |
http://linked.open...UplatneniVysledku
| |
http://linked.open...iv/tvurceVysledku
| - Dohnal, Vlastimil
- Krejčí, J.
- Grosmanová, Z.
- Podloucká, L.
|
issn
| |
number of pages
| |
http://localhost/t...ganizacniJednotka
| |