Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "machine selection" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Dobór zespołu ekspertów do diagnozowania stanu maszyn
    The selection of the experts team to diagnose the condition of the machines
    Autorzy:
    Kupraszewicz, W.
    Żółtowski, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/328326.pdf
    Data publikacji:
    2002
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    ekspert
    dobór ekspertów
    system ekspertowy
    diagnostyka
    stan maszyn
    expert
    selection of experts
    expert system
    diagnostic
    state of machine
    Opis:
    Podczas diagnozowania maszyn dokonujemy pomiarów wielu parametrów diagnostycznych, na podstawie których podejmowana jest decyzja, co do dalszej eksploatacji obiektu. Często, przy ocenie stanu złożonych obiektów technicznych, odwołujemy się do opinii specjalistów. Posiadając odpowiednie środki, prawie zawsze, odwołujemy się do opinii ekspertów, szczególnie gdy w grę wchodzą wysokie koszty usunięcia awarii lub bezpieczeństwo ludzi. Może jednak okazać się, że poziom zróżnicowania znajomości danego problemu przez ekspertów jest różny, a uzyskanie wysokiej jakości opinii wątpliwe. W artykule przedstawiono metodę doboru ekspertów, z zastosowaniem modelu obiektowego aparatury rejestrującej stan obiektu.
    When state of the machines is diagnosed we make measures of many diagnostic parameters which create the base that lets us make the decision, how to operate the object in the future? Often while asessing the state of the complex technical objects, we resort to the specialists' opinion. Having the proper means, almost always, we resort to the experts' opinion, especially when the high cost of repairing or safety of people is involved. Howerver it might appear that the diversity of knowledge of given problem among the experts is different and receiving a high quality opinion is doubtful. This is the reason showing the necessity to determine te number of specialists that can be the candidates to the experts team as well as the necessity of conducting the assesment of the diagnostic parameters recorded during the measurements. This article presens the way of choosing the experts while using the object's model of the recording device which registers the condition of the object.
    Źródło:
    Diagnostyka; 2002, 26; 94-100
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cost-sensitive feature selection
    Selekcja cech z uwzględnieniem kosztu ich pozyskania
    Autorzy:
    Ciupke, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/327830.pdf
    Data publikacji:
    2006
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    selekcja cech
    algorytm mrówkowy
    uczenie maszynowe
    sztuczna inteligencja
    diagnostyka techniczna
    feature selection
    ant algorithm
    machine learning
    artificial intelligence
    technical diagnostics
    Opis:
    The paper concerns the selection of features in the technical diagnostics domain. The author focused his attention on a wrapper approach. In this approach an application of the ant algorithm as a search engine is proposed. The proposed method of so-called ant wrapper approach is presented. The method takes advantage of cost of features, where the cost is connected with the cost of sensors. The algorithm as a pseudo-code and some results of a verification experiment are shown. The verification was carried out on data derived from an active diagnostic experiment concerning a rotating machine. The obtained results show, that the proposed method could allow to reduce the number of used sensors.
    W artykule opisano metodę selekcji cech z zastosowaniem algorytmu mrówkowego. Metoda pozwala także na uwzględnienie kosztu atrybutu, przy czym jego koszt związany jest z kosztem pozyskanie sygnału diagnostycznego. W przypadku gdy sygnał ten jest już wykorzystywany uznaje się, że koszt wyznaczenia danej cechy jest pomijalnie mały. Metodę przedstawiono w postaci pseudo-kodu i zweryfikowano dla danych pochodzących z czynnego eksperymentu diagnostycznego. Uzyskane wyniki pokazują, że istnieje możliwość ograniczenia liczby stosowanych czujników.
    Źródło:
    Diagnostyka; 2006, 2(38); 45-48
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A cough-based COVID-19 detection with gammatone and Mel-frequency cepstral coefficients
    Autorzy:
    Benmalek, Elmehdi
    El Mhamdi, Jamal
    Jilbab, Abdelilah
    Jbari, Atman
    Powiązania:
    https://bibliotekanauki.pl/articles/2203646.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    COVID-19
    cough recordings
    machine learning
    mel-frequency cepstral coefficients
    gammatone cepstral coefficients
    feature selection
    uczenie maszynowe
    współczynniki mel-cepstralne
    Opis:
    Many countries have adopted a public health approach that aims to address the particular challenges faced during the pandemic Coronavirus disease 2019 (COVID-19). Researchers mobilized to manage and limit the spread of the virus, and multiple artificial intelligence-based systems are designed to automatically detect the disease. Among these systems, voice-based ones since the virus have a major impact on voice production due to the respiratory system's dysfunction. In this paper, we investigate and analyze the effectiveness of cough analysis to accurately detect COVID-19. To do so, we distinguished positive COVID patients from healthy controls. After the gammatone cepstral coefficients (GTCC) and the Mel-frequency cepstral coefficients (MFCC) extraction, we have done the feature selection (FS) and classification with multiple machine learning algorithms. By combining all features and the 3-nearest neighbor (3NN) classifier, we achieved the highest classification results. The model is able to detect COVID-19 patients with accuracy and an f1-score above 98 percent. When applying FS, the higher accuracy and F1-score were achieved by the same model and the ReliefF algorithm, we lose 1 percent of accuracy by mapping only 12 features instead of the original 53.
    Źródło:
    Diagnostyka; 2023, 24, 2; art. no. 2023214
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies