Predlagali smo izboljšan model za vizualno sledenje z adaptivnim sklopljenim modelom. Model odlikuje sposobnost sledenja artikuliranih objektov s pomočjo preprostih vizualnih lokalnih značilnic, ki so povezane v šibko geometrično konstelacijo. Model je sposoben robustno dodajati in odvzemati lokalne značilnice glede na verjetnostne mape visokonivojskih značilnic, kot sta gibanje in barva, hkrati pa omogoča dodajanje verjetnostnih map poljubnih visokonivojskih značilnic. Model smo analizirali na izjemno veliki bazi videoposnetkov in ga primerjali z enajstimi trenutno najboljšimi sledilniki. Eksperimenti so pokazali, da predlagani sledilnik presega trenutne konkurenčne sledilnike po več kriterijih.
COBISS.SI-ID: 9431124
Pri praktični uporabi digitalnih filtrov s končnim-impulznim-odzivom (FIR), je treba pogosto predstaviti koeficiente filtra s končnim številom bitov, na primer zaradi uporabe cenenih DSP procesorjev z nepremično vejico. Končna dolžina besede povečuje odstopanja v odzivu filtra, ki pa ga lahko znatno zmanjšamo z uporabo optimalnih koeficientov s končno dolžino. Čas, potreben za izračun takih koeficientov se lahko znatno skrajša z zmanjšanjem spodnje meje povečanega odstopanja. V delu smo, z uporabo znanega LLL algoritma, izboljšali spodnjo mejo povečanja minimax aproksimacijske napake, ki je posledica omejitve v dolžini besede. Predlagan postopek smo preverili na 50 različnih filtrih, specificiranih v frekvenčni domeni.
COBISS.SI-ID: 8955476
Algoritem ProBiS dela strukturne primerjave med podanim proteinom in vnaprej definirano proteinsko bazo. Kot rezultat vrne spisek proteinov, ki imajo z podanim proteinom skupna vezavna mesta. Trenutno je med najhitrejšimi sistemi za iskanje lokalnih podobnosti, ki so na voljo na Internetu in so uporabljeni v strukturni bioinformatiki, v aplikaciji zdravil v druge namene in v predvidevanju funkcije proteinov. Kljub temu, vse večja proteinska baza zahteva vse hitrejše algoritme za strukturno primerjavo algoritmov. V tem članku predstavljamo vzporedno implementacijo, ki pospeši algoritem ProBiS za faktor 50-110 (odvisno od podanega proteina) na računalniški gruči štirinajstih 8-jedrnih računalnikov. Vzporedni ProBiS razdeli primerjanja dvojic proteinov med procesorska jedra gruče in deluje najbolj učinkovito na velikih bazah ter velikih proteinih, ki zahtevajo dolgo časa za primerjavo. Vzporedna implementacija je asinhrona in omogoča učinkovito uporabo na heterogenih računalniških sistemih in na virih, ki jih zagotavlja tehnologija hyperthreading.
COBISS.SI-ID: 4993050
V članku se osredotočimo na primerjavo klasičnih in brezmrežnih metod. Primerjamo metodo končnih razlik (MKR), metodo končnih elementov (MKE), brezmrežno lokalno Petrov Galerkin metodo (MLPG) ter difuzivno aproksimacijsko metodo (DAM). Metode primerjamo na rešitvi ne-stacionarne eliptične parcialne diferencialne enačbe pri različnih robnih pogojih ter pri različnih razporeditvah računskih vozlišč. Pokažemo, da je glede na računski čas, natančnost in stabilnost najbolj ugodna metoda DAM. Rezultat upravičimo s podrobnimi analizami obnašanja metod. Prvič predstavimo podrobno analizo in primerjavo dve brezmrežni formulaciji: močno obliko (DAM) in šibko obliko (MLPG).
COBISS.SI-ID: 2024699
V delu predlagamo novo metodologijo za določanje pogostosti dihanja na podlagi sprememb amplitude v potencialni razliki med dvema bližnjima elektrodama telesnega brezžičnega senzorja. Telesni senzor je lahko narejen v obliki samolepilne nalepke, ki jo pritrdimo na telo. Raziskali smo vpliv mesta pritrditve senzorja na kakovost pridobljenih rezultatov. Pri raziskavi smo uporabili multikanalni EKG, ki nam je s potenciali med posameznimi kanali simuliral senzor dihanja. Z analizo kliničnih meritev, kjer smo imeli tudi posnetke dihanja, pridobljene na podlagi termistorskega senzorja, smo pokazali, da je metodologija uporabna za spremljanje pogostosti dihanja. Našli smo neprimernejše položaje za pritrditev senzorja in pokazali, da je tak senzor primeren za kombinirano merjenje dihanja in srčne aktivnosti.
COBISS.SI-ID: 26182951