Sökning: "Generera syntetiskt data"

Visar resultat 1 - 5 av 8 uppsatser innehållade orden Generera syntetiskt data.

  1. 1. Multi-Parameter Modelling of Surface Electromyography Data

    Master-uppsats, Lunds universitet/Avdelningen för Biomedicinsk teknik

    Författare :Ahmad Alosta; Josef Djärf; [2024]
    Nyckelord :Surface electromyography; modelling; Python; sEMG; decomposition; neuroengineering; motor unit; muscle; simulation; Technology and Engineering;

    Sammanfattning : Ytelektromyografi (sEMG) mäter skelettmuskelfunktionen genom att registrera muskelaktivitet från hudens yta. Tekniken kan användas för att diagnostisera neuromuskulära sjukdomar och som ett hjälpmedel vid rehabilitering, biomedicinsk forskning och för interaktion mellan människa och dator. LÄS MER

  3. 2. LiDAR Perception in a Virtual Environment Using Deep Learning : A comparative study of state-of-the-art 3D object detection models on synthetic data

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Samuel Skoog; [2023]
    Nyckelord :Object Detection; LiDAR; CARLA; Deep Learning; Autonomous Vehicles; Objektdetektering; LiDAR; CARLA; Djupinlärning; Autonoma fordon;

    Sammanfattning : Perceiving the environment is a crucial aspect of autonomous vehicles. To plan the route, the autonomous vehicle needs to be able to detect objects such as cars and pedestrians. This is possible through 3D object detection. However, labeling this type of data is time-consuming. LÄS MER

  4. 3. Syntetisering av tabulär data: En systematisk litteraturstudie om verktyg för att skapa syntetiska dataset

    Kandidat-uppsats, Stockholms universitet/Institutionen för data- och systemvetenskap

    Författare :Erik Allergren; Clara Hildebrand; [2023]
    Nyckelord :Synthetic data; statistical disclosure control; machine learning; tabular data; Syntetisk data; statistisk röjandekontroll; maskininlärning; tabulär data;

    Sammanfattning : De senaste åren har efterfrågan på stora mängder data för att träna maskininläringsalgoritmer ökat. Algoritmerna kan användas för att lösa stora som små samhällsfrågor och utmaningar. Ett sätt att möta efterfrågan är att generera syntetisk data som bibehåller statistiska värden och egenskaper från verklig data. LÄS MER

  5. 4. Domain Adaptation Of Front View Synthetic Point Clouds Using GANs For Autonomous Driving

    Master-uppsats, KTH/Väg- och spårfordon samt konceptuell fordonsdesign

    Författare :Friedemann Kleinsteuber; [2023]
    Nyckelord :LiDAR; Domain Adaptation; GAN; CycleGAN; Simulation; LiDAR; Domänadaption; GAN; CycleGAN; Simulation;

    Sammanfattning : The perception of the environment is one of the main enablers of Autonomous Driving and is driven by Cameras, RADAR, and LiDAR sensors. Deep Learning algorithms used in perception need a vast amount of labeled, high-quality data which is costly to obtain for LiDAR sensors. LÄS MER

  7. 5. Compact Digital Track Maps: Enhancing Train Traveller Information at the Crossing of Accuracy and Availability : A comparative analysis of algorithms for generating compact representations of railway tracks

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Adam Andersson; [2023]
    Nyckelord :Train positioning; Digital track map; Digital map generation; Position measurement; Global navigation satellite system; Cartography; Tågpositionering; Digitala spårkartor; Generering av digitala kartor; Positionsmätning; Satellitnavigation; Kartograf;

    Sammanfattning : Trains are constrained to the railway tracks they operate on. This can be leveraged for absolute train positioning, where a train’s position can be mapped onto a digital track map (DTM). Extensive research has been dedicated to enhancing the accuracy of DTMs. LÄS MER