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 "sztuczna sztuczna inteligencja" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Idea of parametric and semantic open platform smart devices sensor
    Koncepcja parametryczno-semantycznej otwartej platformy inteligentnych urządzeń sensorowych
    Autorzy:
    Rymarczyk, T.
    Kłosowski, G.
    Adamkiewicz, P.
    Duda, K.
    Szumowski, J.
    Tchórzewski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/408128.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    process tomography
    artificial intelligence
    sensor
    tomografia procesowa
    sztuczna inteligencja
    Opis:
    The parametric and semantic model of open platform of intelligent devices and sensor technologies based on tomography in cyber-physical selfmonitoring system contains: new techniques of conducting measurements and construction of novel intelligent measurement devices, system's structure along with communication interface, unique algorithms for data optimization and analysis, algorithms for image reconstruction and technological processes monitoring, cyber-physical system's prototype.
    Parametryczno-semantyczny model otwartej platformy inteligentnych urządzeń sensorowych został oparty na technologiach tomograficznych. W samo-monitorującym się systemie cyber-fizycznym zastosowano nowe techniki pomiarowe i konstrukcje inteligentnych urządzeń pomiarowych. Proponowane rozwiązanie prototypu systemu cyber-fizycznego składa się z interfejsu komunikacyjnego, unikalnych algorytmów do optymalizacji i analizy danych oraz systemu monitoringu procesów logistyczno-technologicznych.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 1; 96-100
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Developing solution for using artificial intelligence to obtain more accurate results of the basic parameters of radio signalpropagation
    Opracowanie metody wykorzystania sztucznej inteligencji do uzyskiwania dokładniejszych wyników podstawowych parametrów propagacji sygnałów radiowych
    Autorzy:
    Shchepak, Andrii
    Parkhomenko, Volodimir
    Parkhomenko, Vyacheslav
    Powiązania:
    https://bibliotekanauki.pl/articles/1841265.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    artificial intelligence
    cellular neural networks
    sztuczna inteligencja
    komórkowe sieci neuronowe
    Opis:
    The article considers the methods of calculating radio signal power. The main factors influencing the distribution and their connection with the error in the calculations of the indicators' peak values are analyzed. The regularities of signal propagation and the correlation between the distance from the radio signal source and the ratio of noise to useful information are determined. These patterns allow us to develop a model of artificial intelligence, which improves the prediction of results compared to existing calculation methods. The obtained results present the efficiency of the offered method.
    Rozważono metody obliczania mocy sygnału radiowego. Przeanalizowano wpływ głównych czynników na rozkład i ich związek z błędem w obliczeniach wartości szczytowych wskaźników. Wyznaczono zależności na propagację sygnału i korelację między odległością od źródła sygnału radiowego a stosunkiem szumu do informacji użytecznej. Zależności te pozwalają na opracowanie modelu sztucznej inteligencji, który poprawia predykcję wyników w porównaniu z dotychczasowymi metodami obliczeń. Uzyskane wyniki pozwalają wnioskować o skuteczności oferowanej metody.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2021, 11, 1; 36-39
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Developing solution for using artificial intelligence to obtain more accurate results of the basic parameters of radio signalpropagation
    Opracowanie metody wykorzystania sztucznej inteligencji do uzyskiwania dokładniejszych wyników podstawowych parametrów propagacji sygnałów radiowych
    Autorzy:
    Shchepak, Andrii
    Parkhomenko, Volodimir
    Parkhomenko, Vyacheslav
    Powiązania:
    https://bibliotekanauki.pl/articles/1841279.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    artificial intelligence
    cellular neural networks
    sztuczna inteligencja
    komórkowe sieci neuronowe
    Opis:
    The article considers the methods of calculating radio signal power. The main factors influencing the distribution and their connection with the error in the calculations of the indicators' peak values are analyzed. The regularities of signal propagation and the correlation between the distance from the radio signal source and the ratio of noise to useful information are determined. These patterns allow us to develop a model of artificial intelligence, which improves the prediction of results compared to existing calculation methods. The obtained results present the efficiency of the offered method.
    Rozważono metody obliczania mocy sygnału radiowego. Przeanalizowano wpływ głównych czynników na rozkład i ich związek z błędem w obliczeniach wartości szczytowych wskaźników. Wyznaczono zależności na propagację sygnału i korelację między odległością od źródła sygnału radiowego a stosunkiem szumu do informacji użytecznej. Zależności te pozwalają na opracowanie modelu sztucznej inteligencji, który poprawia predykcję wyników w porównaniu z dotychczasowymi metodami obliczeń. Uzyskane wyniki pozwalają wnioskować o skuteczności oferowanej metody.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2021, 11, 1; 36-39
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rozmyta mapa kognitywna jako inteligentny system rekomendacyjny zasobów strony internetowej
    Fuzzy cognitive map as an intelligent recommender system of website resources
    Autorzy:
    Jastriebow, A.
    Kubuś, Ł.
    Poczęta, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/408004.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    sztuczna inteligencja
    rozmyte mapy kognitywne
    system rekomendacyjny
    artificial intelligence
    fuzzy cognitive maps
    recommender systems
    Opis:
    Artykuł poświęcony jest budowie i analizie inteligentnego systemu rekomendacyjnego zasobów bazującego na rozmytej mapie kognitywnej. Opracowany system pozwala wskazać zasoby strony internetowej, którymi może być zainteresowany potencjalny użytkownik. Zasoby te są określane na podstawie aktywności innych użytkowników serwisu. Bazując na zbiorze anonimowo zebranych danych historycznych opracowano rozmytą mapę kognitywną, której czynniki odpowiadają poszczególnym zasobom strony internetowej. Wagi powiązań między nimi określono na podstawie liczby użytkowników odwiedzających poszczególne zasoby.
    This paper is devoted to the construction and analysis of the intelligent recommendation system for website resources based on fuzzy cognitive map. The developed system allows to identify resources, which may be interested in a potential user. These resources are determined on the basis of website users activity. Fuzzy cognitive map was develop using the dataset with anonymous collected historical data. The concepts of fuzzy cognitive map are identifiers of resources of website. Weights of the connection between them have been established based on the number of users visiting the resources.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 4; 74-78
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementation of an artificial intelligence-based ECG acquisition system for the detection of cardiac abnormalities
    Wdrożenie systemu pozyskiwania EKG opartego na sztucznej inteligencji w celu wykrywania nieprawidłowości serca
    Autorzy:
    Benba, Achraf
    El Attaoui, Fatima Zahra
    Sandabad, Sara
    Powiązania:
    https://bibliotekanauki.pl/articles/27315375.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    electrocardiogram
    arrhythmias
    artificial intelligence
    convolution neural network
    elektrokardiogram
    arytmia
    sztuczna inteligencja
    konwolucyjna sieć neuronowa
    Opis:
    The electrocardiogram (ECG) is a common test that measures the electrical activity of the heart. On the ECG, several cardiac abnormalities can be seen, including arrhythmias, which are one of the major causes of cardiac mortality worldwide. The objective for the research community is accurate and automated cardiovascular analysis, especially given the maturity of artificial intelligence technology and its contribution to the health area. The goal of this effort is to create an acquisition system and use artificial intelligence to classify ECG readings. This system is designed in two parts: the first is the signal acquisition using the ECG Module AD8232; the obtained signal is a single derivation that has been amplified and filtered. The second section is the classification for heart illness identification; the suggested model is a deep convolutional neural network with 12 layers that was able to categorize five types of heartbeats from the MIT-BIH arrhythmia database. The results were encouraging, and the embedded system was built.
    Elektrokardiogram (EKG) to powszechny test, który mierzy aktywność elektryczną serca. W zapisie EKG można zauważyć kilka nieprawidłowości serca, w tym arytmie, które są jedną z głównych przyczyn śmiertelności sercowej na całym świecie. Celem społeczności naukowej jest dokładna i zautomatyzowana analiza układu sercowo-naczyniowego, zwłaszcza biorąc pod uwagę dojrzałość technologii sztucznej inteligencji i jej wkład w obszar zdrowia. Celem tych wysiłków jest stworzenie systemu akwizycji i wykorzystanie sztucznej inteligencji do klasyfikacji odczytów EKG. System ten składa się z dwóch części: pierwsza to akwizycja sygnału za pomocą modułu EKG AD8232; uzyskany sygnał jest pojedynczą pochodną, która została wzmocniona i przefiltrowana. Druga sekcja to klasyfikacja identyfikacji chorób serca; sugerowany model to głęboka konwolucyjna sieć neuronowa z 12 warstwami, która była w stanie sklasyfikować pięć typów uderzeń serca z bazy danych arytmii MIT-BIH. Wyniki były zachęcające i zbudowano system wbudowany.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 1; 22--25
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optical character recognition using artifical inelligence technologies
    Optyczne rozpoznawanie znaków z użyciem sztucznej inteligencji
    Autorzy:
    Musiał, A.
    Szczepaniak, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/408862.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    character recognition
    artificial intelligence
    feature extraction
    clustering algorithms
    rozpoznawanie znaków
    sztuczna inteligencja
    ekstrakcja cech
    algorytmy klastrowania
    Opis:
    The article represents results of the research of an Optical Character Recognition system. Proposed OCR system is able to convert a raster image into the text string, which represents the text shown on the input image. The main innovation is the fact that the system was created without following any strict rules. It was more an innovative research rather than simple programming using ready guidelines.
    Celem projektu opisywanego w artykule było przygotowanie działającego systemu do optycznego rozpoznawania znaków, tj. zdolnego przekształcić rastrowy obraz wejściowy w łańcuch znaków odpowiadający zapisanemu tekstowi na obrazie. Nowością jest m.in. fakt wykonania tego systemu bez podążania za z góry znaną architekturą aplikacji, a przygotowanie go w sposób bardziej doświadczalny, czyli wykorzystując podejście nowatorskie.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2014, 2; 41-44
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatic detection of Alzheimers disease based on artificial intelligence
    Automatyczne wykrywanie choroby Alzheimera w oparciu o sztuczną inteligencję
    Autorzy:
    Benba, Achraf
    Abdelilah, Kerchaoui
    Powiązania:
    https://bibliotekanauki.pl/articles/27315370.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    Alzheimer’s disorder
    artificial intelligence
    deep learning
    signal processing
    choroba Alzheimera
    sztuczna inteligencja
    głębokie uczenie się
    przetwarzanie sygnału
    Opis:
    Alzheimer's disease is a neurodegenerative disease that progressively destroys neurons through the formation of platelets that prevent communication between neurons. The study carried out in this project aims to find a precise and relevant diagnostic solution based on artificial intelligence and which helps in the early detection of Alzheimer's disease in order to stop its progression. The study went through a process of processing MRI images followed by training of three deep learning algorithms (VGG-19, Xception and DenseNet121) and finally by a step of testing and predicting the results. The results of the accuracy metric obtained for the three algorithms were respectively 98%, 95%, 91%.
    Choroba Alzheimera jest chorobą neurodegeneracyjną, która stopniowo niszczy neurony poprzez tworzenie płytek krwi, które uniemożliwiają komunikację między neuronami. Badania prowadzone w ramach tego projektu mają na celu znalezienie precyzyjnego i trafnego rozwiązania diagnostycznego opartego na sztucznej inteligencji, które pomoże we wczesnym wykryciu choroby Alzheimera w celu zatrzymania jej postępu. Badanie przeszło przez proces przetwarzania obrazów MRI, po którym następowało szkolenie trzech algorytmów głębokiego uczenia (VGG-19, Xception i DenseNet121), a na koniec etap testowania i przewidywania wyników. Wyniki metryki dokładności otrzymane dla trzech algorytmów wyniosły odpowiednio 98%, 95%, 91%.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 1; 18--21
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of explainable artificial intelligence in software bug classification
    Zastosowanie wyjaśnialnej sztucznej inteligencji w klasyfikacji usterek oprogramowania
    Autorzy:
    Chmielowski, Łukasz
    Kucharzak, Michał
    Burduk, Robert
    Powiązania:
    https://bibliotekanauki.pl/articles/27315369.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    software bug assignment
    software bug triaging
    explainable artificial intelligence
    text analysis
    vulnerability
    przypisywanie usterek oprogramowania
    klasyfikacja usterek oprogramowania
    wyjaśnialna sztuczna inteligencja
    analiza tekstu
    podatności
    Opis:
    Fault management is an expensive process and analyzing data manually requires a lot of resources. Modern software bug tracking systems may be armed with automated bug report assignment functionality that facilitates bug classification or bug assignment to proper development group.For supporting decision systems, it would be beneficial to introduce information related to explainability. The purpose of this work is to evaluate the useof explainable artificial intelligence (XAI) in processes related to software development and bug classification based on bug reports created by either software testers or software users. The research was conducted on two different datasets. The first one is related to classification of security vs non-securitybug reports. It comes from a telecommunication company which develops software and hardware solutions for mobile operators. The second dataset contains a list of software bugs taken from an opensource project. In this dataset the task is to classify issues with one of following labels crash, memory, performance, and security. Studies on XAI-related algorithms show that there are no major differences in the results of the algorithms used when comparing them with others. Therefore, not only the users can obtain results with possible explanations or experts can verify model or its part before introducing into production, but also it does not provide degradation of accuracy. Studies showed that it could be put into practice, but it has not been done so far.
    Zarządzanie usterkami jest kosztownym procesem, a ręczna analiza danych wymaga znacznych zasobów. Nowoczesne systemy zarządzania usterkami w oprogramowaniu mogą być wyposażone w funkcję automatycznego przypisywania usterek, która ułatwia klasyfikację ustereklub przypisywanie usterek do właściwej grupy programistów. Dla wsparcia systemów decyzyjnych korzystne byłoby wprowadzenie informacji związanychz wytłumaczalnością. Celem tej pracy jest ocena możliwości wykorzystania wyjaśnialnej sztucznej inteligencji (XAI) w procesach związanych z tworzeniem oprogramowania i klasyfikacją usterek na podstawie raportów o usterkach tworzonych przez testerów oprogramowania lub użytkowników oprogramowania. Badania przeprowadzono na dwóch różnych zbiorach danych. Pierwszy z nich związany jest z klasyfikacją raportów o usterkach związanych z bezpieczeństwem i niezwiązanych z bezpieczeństwem. Dane te pochodzą od firmy telekomunikacyjnej, która opracowuje rozwiązania programowe i sprzętowe dla operatorów komórkowych. Drugi zestaw danych zawiera listę usterek oprogramowania pobranych z projektu opensource.W tym zestawie danych zadanie polega na sklasyfikowaniu problemów za pomocą jednej z następujących etykiet: awaria, pamięć, wydajnośći bezpieczeństwo. Badania przeprowadzone przy użyciu algorytmów związanych z XAI pokazują, że nie ma większych różnic w wynikach algorytmów stosowanych przy porównywaniu ich z innymi. Dzięki temu nie tylko użytkownicy mogą uzyskać wyniki z ewentualnymi wyjaśnieniami lub eksperci mogą zweryfikować model lub jego część przed wprowadzeniem do produkcji, ale także nie zapewnia to degradacji dokładności. Badania wykazały, że możnato zastosować w praktyce, ale do tej pory tego nie zrobiono.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 1; 14--17
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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