OpenAIRE at the international conference "E-education: science, study and bus...OpenAIRE
OpenAIRE presentation given by Gintare Tautkeviciene at the international conference "E-education: science, study and business" held in Vilnius, Lithuanian Science Academy, Nov. 25, 2010
The document discusses object detection using YOLOv5 models of varying sizes on different hardware platforms. It evaluates the mAP, inference time, parameters, and GFLOPS of YOLOv5s, YOLOv5m, YOLOv5l, and YOLOv5x models on a reduced COCO dataset. It also measures the average inference time of the optimized Int8 versions of these models on an iPhone 12's Neural Engine, GPU, and CPU. The results show that optimized YOLOv5 models can run real-time object detection at up to 100 images per second on the iPhone 12's Neural Engine.
This document summarizes research on supervised environmental data classification using spatial auto-beta models. The data consists of random fields with attribute values and class labels. A training set is used to classify new observations using generative classification methods. Specifically, attribute values fall within an interval and class labels take one of two values. Transformations are applied to make the data distribution normal. The best fitting distribution is selected to best describe the data. Classification accuracy is evaluated using actual error rates estimated from the data.
OpenAIRE at the international conference "E-education: science, study and bus...OpenAIRE
OpenAIRE presentation given by Gintare Tautkeviciene at the international conference "E-education: science, study and business" held in Vilnius, Lithuanian Science Academy, Nov. 25, 2010
The document discusses object detection using YOLOv5 models of varying sizes on different hardware platforms. It evaluates the mAP, inference time, parameters, and GFLOPS of YOLOv5s, YOLOv5m, YOLOv5l, and YOLOv5x models on a reduced COCO dataset. It also measures the average inference time of the optimized Int8 versions of these models on an iPhone 12's Neural Engine, GPU, and CPU. The results show that optimized YOLOv5 models can run real-time object detection at up to 100 images per second on the iPhone 12's Neural Engine.
This document summarizes research on supervised environmental data classification using spatial auto-beta models. The data consists of random fields with attribute values and class labels. A training set is used to classify new observations using generative classification methods. Specifically, attribute values fall within an interval and class labels take one of two values. Transformations are applied to make the data distribution normal. The best fitting distribution is selected to best describe the data. Classification accuracy is evaluated using actual error rates estimated from the data.
This document summarizes a presentation on analyzing Lombard speech and its acoustic properties. It discusses an experiment where 8 speakers recorded words in two rooms, one with acoustic treatment and one without, both with and without noise. Acoustic features were extracted from the speech samples and analyzed based on noise type, room type, and speaker gender. Key findings included identifying features that distinguish Lombard speech from normal speech and vary based on noise level. Future work will use these findings to automatically monitor and improve speech quality and intelligibility in noise.
This document discusses the history and development of hypertext and markup languages. It begins with early methods of calculating and writing before discussing the development of printing press and moveable type in the 15th century. It then outlines important developments in hypertext standards and systems from 1945 to the present, including XML, HTML, CSS and the creation of the World Wide Web in 1990. It also discusses early limitations and issues with HTML and predictions for the future of hypertext.
Olga Kurasova. Dirbtinis intelektas ir neuroniniai tinklai
Šadauskas, Marius „Atvirasis mokymasis eksperimentuojant nuotoliniu būdu“ (VDU)
1. Atvirasis mokymasis
eksperimentuojant nuotoliniu būdu
Open Learning Approach with Remote Experiments
Vytauto Didžiojo universitetas
Inovatyvių studijų institutas
Marius Šadauskas
2013-09-20, Šiauliai.
2. OLAREX projektas:
• Projekto koordinatorius: Deusto universitetas,
Ispanija
• Pagrindinis projekto tikslas – sukurti inovatyvų
technologijomis grindžiamą mokymosi turinį
eksperimentams nuotoliniu būdu bei edidaktinius metodus formaliam ir neformaliam
mokymuisi
3. Projekte dalyvavo:
•
•
•
•
•
•
•
•
University of Deusto , Ispanija
P. Andrés Urdaneta School , Ispanija
Europa Media Non-Profit Ltd, Vengrija
Carinthia University of Applied Sciences, Austrija
BG/BRG Peraustrasse Gymnasium, Austrija
National Polytechnic Museum, Sofia, Bulgarija
Vytauto Didžiojo universitetas, Lietuva
Radomska Szkoła Wyższa , Lenkija
4. Sukurta mokytojams/dėstytojams:
• 5 mokomieji kursai, kuriuose galite susipažinti su
mokymo turinio rengimo bei IKT panaudojimo
gebėjimų plėtojimu mokyklos veiklos ir studijų
organizavime
• 6 moduliai, kuriuose galite susipažinti su
nuotolinėmis laboratorijomis ir išmokti atlikti
eksperimentus juose
5. Mokomieji kursai:
• Kaip teisingai pasirinkti IKT įrankius jūsų mokymo programai
• Mokymo programos transformavimas panaudojant nuotolinius
eksperimentus: kaip tai integruoti mokykloje
• Mokymo turinio planavimas ir kūrimas Moodle nuotolinio
mokymosi aplinkai
• IKT technologijomis grįstas tyrimų tobulinimas
• IKT panaudojimas muziejaus veikloje. Kursas muziejų
specialistams
Visi kursai pateikiami lietuvių kalba.
9. Moduliai (nuotoliniai eksperimentai):
•
•
•
•
•
•
Šviesos šaltinių spektrinė analizė (Fizika/Optika)
Analoginės el.grandinės matavimai (Fizika)
Java Simuliacija (Mechanika)
Kaip teka elektros srovė? (Fizika)
Darbas su kompiuteriu (Technologijos/Matematika)
Fermos eksperimentas. Nuo kiaušinio iki viščiuko (Biologija)
Pirmieji trys moduliai pateikiami lietuvių kalba.
10. Nuotoliniu būdu atliekami
eksperimentai. Kas tai?
• Tai realus eksperimentas atliekamas su realia
laboratorine įranga, kuri yra valdoma nuotoliniu būdu
• Mokinys/studentas keisdamas sistemos parametrus ir
stebi kaip keičiasi eksperimento rezultatai.
• Nuotolinio eksperimento rezultatas yra matomas
grafine forma arba perduodamas vaizdo ryšių, pvz. per
vaizdo kamerą
11. Nuotolinių eksperimentų pavyzdžiai:
• Žuvis – robotas
sukurtas firmos
Homeland Security.
Skirtas atlikti
povandeninius tyrimus,
pasiekti žmonėms
neprieinamas vietas.
14. Nuotolinių eksperimentų privalumai:
• Nuotoliniai eksperimentai prieinami 7 dienas per savaitę, 24 val.
per parą
• Nuotoliniams eksperimentams atlikti pakanka kompiuterio su
interneto ryšiu
• Tiek universitetai, tiek mokyklos gali naudotis nuotolinių
laboratorijų įranga
• Mokyklai/universitetui nereikia įsigyti brangios įrangos
eksperimentų atlikimui
• Mokinys/studentas nesugadins įrangos arba pats nenusižeis
atlikdamas eksperimentą
• Mokinys/studentas gali atlikti eksperimentą jam patogiu metu
15. Norintiems išbandyti:
• Norintiems gauti prieigą prie mokomųjų modulių bei
kursų bei rasti visą aktualią informaciją apsilankykite
projekto internetinėje svetainėje:
WWW.OLAREX.EU
Sveiki, esu Marius Šadauskas iš Vytauto Didžiojo universiteto, Inovatyvių studijų instituto ir norėčiau pristatyti temą: atvirą mokymąsi eksperimentuojant nuotoliniu būdu
Atviras mokymasis eksperimentuojant nuotoliniu būdu yra lietuviškas projekto pavadinimas, kurio trumpinys yra OLAREX - Open Learning Approach with Remote Experiments.
Šio projekto koordinatoriai yra Deusto universitetas iš Ispanijos.
Pagrindinis projekto tikslas - sukurti inovatyvų technologijomis grindžiamą mokymosi turinį eksperimentams nuotoliniu būdu bei e-didaktinius metodus formaliam ir neformaliam mokymuisi.
Vytauto Didžiojo universitetas ir LieDM asociacija bendradarbiaudama su didžiausiomis ir daugiausia nuotoliniu laboratorijų įrangos turinčiomis laboratorijomis iš Ispanijos ir Austrijos suteikia galimybę Lietuvos pedagogams išbandyti ir naudoti nuotolinius eksperimentus savo mokymo veiklose.
Šiame projekte dalyvavo partneriai iš 6 Europos šalių: Ispanijos, Vengrijos, Austrijos, Bulgarijos, Lietuvos ir Lenkijos.
Kiekvienas partneris buvo atsakingas už skirtingas projekto veiklas, tačiau dirbdami kartu sukūrėme tai ko Lietuvoje iš esmės dar nebuvo – suteikėme galimybę mokytojams bei dėstytojams susipažinti su nuotolinėmis laboratorijomis, atlikti eksperimentus juose ir nemokamai naudoti savo mokymo veiklose.
Projekte sukurta mokomoji medžiaga suskaidyta į dvi dalis, pirmoji dalis: tai penki mokomieji kursai, kuriuose galite susipažinti su mokymo turinio rengimo ir IKT panaudojimo gebėjimų plėtojimu mokyklos veiklų bei studijų organizavime.
Antroji dalis: yra šeši moduliai. Juose galite susipažinti su nuotolinėmis laboratorijomis, jų valdymų nuotoliniu būdu bei išmoksite atlikti eksperimentus juose ir panaudoti šias veiklas savo darbe dirbant su mokiniais ar studentais.
Šie moduliai yra skirti tiksliųjų mokslų mokytojams ir dėstytojams.
Olarex projekto metu paruošti tokie kursai....
Šiuose kursuose galite sužinoti apie įvairių mobilių įrenginių panaudojimą mokymo procese,
Išmokti integruoti skirtingus nuotolinius eksperimentus į savo dėstomą dalyką,
Išmokti pasirinkti ir suprojektuoti tinkamą Moodle kurso struktūrą savo dėstomam dalykui,
Išmokti pasirinkti tinkamus web 2.0 įrankius jūsų mokymo veikloms įgyvendinti,Muziejininkams skirtame kurse pristatomas IKT įrankių panaudojimas muziejaus renginiuose, edukacinėse programose.
Visi šie kursai yra bendro pobūdžio, labiau teoriniai, skirti plataus spektro specialistams.
Visi šie kursai yra pateikiami lietuvių kalba.
Sukurti ir 6 moduliai – nuotoliniai eksperimentai.
Kaip minėjau anksčiau moduliai su nuotoliniais eksperimentais yra orientuoti į pedagogus iš tiksliųjų mokslų srities.
Pirmieji trys moduliai yra išversti į lietuvių kalbą.
Visi šie moduliai yra pasiekiami anglų kalba ir kai kuriomis kitomis projekto partnerių kalbomis (ispanų, lenkų ir kitomis).
Kas gi yra tie nuotoliniai eksperimentai?
Tai realus eksperimentas atliekamas su realia laboratorine įranga, kuri yra valdoma nuotoliniu būdu pasinaudojant kompiuteriu bei internetu.
Atliekant eksperimentą mokinys/studentas gali keisti sistemos parametrus ir matyti kaip keičiasi eksperimento rezultatas.
Nuotolinio eksperimento rezultatas yra matomas grafine forma arba perduodamas vaizdo ryšių, pvz. per vaizdo kamerą.
Dabar jau kai turite supratimo kas yra nuotoliniai eksperimentai, tai norėčiau trumpai pademonstruoti vieną ar keletą nuotolinių eksperimentų.
Šiame projekte naudojomės WebLab Deusto – Ispanijoje įsikūrusia nuotolinių eksperimentų laboratorija
Čia eksperimentus gali atlikti kiekvienas, nemokamai, be jokių registracijų ir pan.
Šios nuotolinės laboratorijos adresas yra www.weblab.deusto.es. [*PADEMONSTRUOJAM*]
Pamėginsiu pademonstruoti keletą eksperimentų iš šios laboratorijos, nors ir nesu fizikas, galbūt kažkas iš jūsų padėsite man, jei kažkas nesigaus.
......
Daugiau informacijos apie nuotolinius eksperimentus, vaizdo įrašus su pavyzdžiais galite rasti www.olarex.eu tinklalapyje [*PADEMONSTRUOJAM*]
www.olarex.eu > Mokytojams ir dėstytojams > Remote laboratory – Daug pavyzdių.
Kaip matėte mes atlikome nuotolinį eksperimentą, gavome tam tikrą rezultatą, tačiau mums nereikėjo naudotis jokių papildomų įrankių, tokių kaip voltmetras, ampermetras ar kitų. Visa tai atlikome kompiuterio ir interneto pagalba. Taigi kaip matote nuotoliniu būdu atliekami eksperimentai turi akivaizdžios naudos tiek iš studentų pusės, tiek iš mokyklos administracinės/finansinės pusės.
Studentams:
nuotoliniai eksperimentai prieinami 7 dienas per savaitę, 24 val. per parą,
eksperimentus studentas gali atlikti jam patogiu metu,
pakanka tik kompiuterio bei interneto ryšio
galbūt įdomiau nei standartiniai eksperimentai atliekami mokyklos kabinete, nes vis tiek mokiniais ir studentai į paskaitas šiais laikais nelabai eina.
Mokyklai/universitetui:
Naudinga tuo, kad nereikia įsigyti brangios įrangos eksperimentams atlikinėti
Tiek mokyklos, tiek universitetai gali naudotis nuotolinėmis laboratorijomis