This HTML5 document contains 48 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n16http://linked.opendata.cz/ontology/domain/vavai/riv/typAkce/
dctermshttp://purl.org/dc/terms/
n19http://localhost/temp/predkladatel/
n13http://purl.org/net/nknouf/ns/bibtex#
n4http://linked.opendata.cz/resource/domain/vavai/riv/tvurce/
n7http://linked.opendata.cz/ontology/domain/vavai/
n17http://linked.opendata.cz/resource/domain/vavai/zamer/
shttp://schema.org/
skoshttp://www.w3.org/2004/02/skos/core#
n3http://linked.opendata.cz/ontology/domain/vavai/riv/
n2http://linked.opendata.cz/resource/domain/vavai/vysledek/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n12http://linked.opendata.cz/ontology/domain/vavai/riv/klicoveSlovo/
n15http://linked.opendata.cz/ontology/domain/vavai/riv/duvernostUdaju/
xsdhhttp://www.w3.org/2001/XMLSchema#
n14http://linked.opendata.cz/ontology/domain/vavai/riv/aktivita/
n10http://linked.opendata.cz/ontology/domain/vavai/riv/jazykVysledku/
n18http://linked.opendata.cz/ontology/domain/vavai/riv/obor/
n6http://linked.opendata.cz/ontology/domain/vavai/riv/druhVysledku/
n11http://linked.opendata.cz/resource/domain/vavai/vysledek/RIV%2F68407700%3A21230%2F04%3A03102214%21RIV%2F2005%2FMSM%2F212305%2FN/
n9http://reference.data.gov.uk/id/gregorian-year/

Statements

Subject Item
n2:RIV%2F68407700%3A21230%2F04%3A03102214%21RIV%2F2005%2FMSM%2F212305%2FN
rdf:type
n7:Vysledek skos:Concept
dcterms:description
Příspěvek se zabývá problematikou detekce bdělostního stavu (úrovně pozornosti) člověka na základě zpracování lidských signálů EEG pomocí neuronové sítě. Příspěvek se opírá o data z experimentů prováděných v rámci projektu %22Bdící auto%22, který byl realizován na ÚBMI ČVUT Praha v letech 1999-2004. Cílem tohoto projektu je z biologických či jiných signálů detekovat stav bdělosti řidiče a rozpoznat, kdy řidiči hrozí zvýšená únava, případně mikrospánek a před těmito stavy varovat. V příspěvku jsou uvedeny metody, jimiž byly zpracovány naměřená data (záznamy EEG čilých a unavených řidičů) a dále jsou prezentovány výsledky rozpoznávání stavu bdělosti řidičů, ke kterým se dospělo zpracováním těchto dat neuronovou sítí RBF. Dále je ukázána úspěšnost rozpoznávání stavu bdělosti v závislosti na různých parametrech předzpracování dat a na různých parametrech neuronové sítě RBF. Příspěvek se zabývá problematikou detekce bdělostního stavu (úrovně pozornosti) člověka na základě zpracování lidských signálů EEG pomocí neuronové sítě. Příspěvek se opírá o data z experimentů prováděných v rámci projektu %22Bdící auto%22, který byl realizován na ÚBMI ČVUT Praha v letech 1999-2004. Cílem tohoto projektu je z biologických či jiných signálů detekovat stav bdělosti řidiče a rozpoznat, kdy řidiči hrozí zvýšená únava, případně mikrospánek a před těmito stavy varovat. V příspěvku jsou uvedeny metody, jimiž byly zpracovány naměřená data (záznamy EEG čilých a unavených řidičů) a dále jsou prezentovány výsledky rozpoznávání stavu bdělosti řidičů, ke kterým se dospělo zpracováním těchto dat neuronovou sítí RBF. Dále je ukázána úspěšnost rozpoznávání stavu bdělosti v závislosti na různých parametrech předzpracování dat a na různých parametrech neuronové sítě RBF. This paper deals with driver's vigilance identification from EEG signals. The goal is to detect and predict possible decline in driver's vigilance. Our research draws on the Vigilant Car project conducted in the Institute for Biomedical Engineering CTU in Prague, since 1999. We have analysed large data sets of driver's EEG signal measurements for various weariness level. To be able to detect possible loss of concentration, the RBF network was employed to classify driver's vigilance level from EEG signal.
dcterms:title
Driver's Vigilance Identification by means of RBF Neural Network - Influence of Preprocessing on the Recogniton Success Rozpoznávání bdělostního stavu člověka ze signálu EEG pomocí neuronové sítě RBF - vliv předzpracování trénovacích vzorů na úspěšnost rozpoznávání Rozpoznávání bdělostního stavu člověka ze signálu EEG pomocí neuronové sítě RBF - vliv předzpracování trénovacích vzorů na úspěšnost rozpoznávání
skos:prefLabel
Rozpoznávání bdělostního stavu člověka ze signálu EEG pomocí neuronové sítě RBF - vliv předzpracování trénovacích vzorů na úspěšnost rozpoznávání Rozpoznávání bdělostního stavu člověka ze signálu EEG pomocí neuronové sítě RBF - vliv předzpracování trénovacích vzorů na úspěšnost rozpoznávání Driver's Vigilance Identification by means of RBF Neural Network - Influence of Preprocessing on the Recogniton Success
skos:notation
RIV/68407700:21230/04:03102214!RIV/2005/MSM/212305/N
n3:strany
64 ; 64
n3:aktivita
n14:Z
n3:aktivity
Z(MSM 212300014)
n3:dodaniDat
n9:2005
n3:domaciTvurceVysledku
n4:9210865 n4:7035586 n4:7826583
n3:druhVysledku
n6:D
n3:duvernostUdaju
n15:S
n3:entitaPredkladatele
n11:predkladatel
n3:idSjednocenehoVysledku
585183
n3:idVysledku
RIV/68407700:21230/04:03102214
n3:jazykVysledku
n10:cze
n3:klicovaSlova
EEG; RBF; fatigue states; vigilance level; vigilant car
n3:klicoveSlovo
n12:fatigue%20states n12:vigilance%20level n12:vigilant%20car n12:EEG n12:RBF
n3:kontrolniKodProRIV
[7252904C4989]
n3:mistoKonaniAkce
Srní
n3:mistoVydani
České Budějovice
n3:nazevZdroje
51. Neurofyziologický kongres
n3:obor
n18:JD
n3:pocetDomacichTvurcuVysledku
3
n3:pocetTvurcuVysledku
3
n3:rokUplatneniVysledku
n9:2004
n3:tvurceVysledku
Hána, Karel Šnorek, Miroslav Mráz, Michael
n3:typAkce
n16:EUR
n3:zahajeniAkce
2004-11-03+01:00
n3:zamer
n17:MSM%20212300014
s:numberOfPages
1
n13:hasPublisher
Neurofyziologická laboratoř Nemocnice České Budějovice
n19:organizacniJednotka
21230