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 "knowledge model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    INTEGR - A Method for Integrating Expert Knowledge and Knowledge Derived from a Data Set
    INTEGR - metoda integracji wiedzy eksperckiej z wiedzą wydobytą z danych pomiarowych
    Autorzy:
    Rejer, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/158176.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    model rozmyty
    integracja wiedzy
    model ekspertowy
    uczenie modelu
    fuzzy model
    knowledge integration
    expert model
    model training
    Opis:
    The aim of the paper is to present a new approach for integrating expert knowledge with knowledge derived from a data set, called INTEGR. INTEGR approach is based on the method of training an expert fuzzy model with a set of data points but eliminates main drawbacks of this method. The paper presents both - the theoretical description of INTEGR algorithm and its practical application.
    Zarówno modele rozmyte budowane na podstawie zbioru danych pomiarowych jak i modele rozmyte budowane przy wykorzystaniu wiedzy eksperckiej mają specyficzne dla siebie wady i zalety. Model ekspercki jest modelem przybliżonym, ale obowiązującym w całej dziedzinie analizowanej zależności, natomiast model zbudowany na podstawie zbioru danych pomiarowych jest modelem dokładnym, ale wiarygodnym tylko w pewnym, ściśle określonym fragmencie dziedziny. Wynika z tego, że aby zwiększyć precyzję rozmytych modeli eksperckich należy do nich dołączyć wiedzę zawartą w danych pomiarowych i analogicznie, żeby poszerzyć zakres stosowalności modeli rozmytych opracowanych na podstawie zbioru danych pomiarowych należy dołączyć do nich wiedzę ekspercką. Celem niniejszego artykułu jest przedstawienie nowej metody integracji wiedzy eksperckiej z wiedzą wydobytą z danych pomiarowych (metody INTEGR). Opisywana metoda jest oparta na uczeniu eksperckiego modelu rozmytego przy pomocy zbioru danych pomiarowych, ale eliminuje podstawowe wady tego podejścia. W artykule zaprezentowano zarówno teoretyczny opis metody, jak i jej praktyczne wykorzystanie na przykładzie modelu rozmytego przeznaczonego do wyceny samochodów używanych.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 10, 10; 1197-1200
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identification of dynamic system additive models by KDD methods
    Identyfikacja addytywnych modeli obiektów dynamicznych metodami odkryć wiedzy w bazach danych
    Autorzy:
    Łabęda-Grudziak, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/157329.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    identyfikacja
    model addytywny
    bazy danych
    odkrywanie wiedzy z danych
    obiekty dynamiczne
    identification
    additive model
    databases
    knowledge discovery data
    dynamic systems
    Opis:
    The goal of this paper is to present a new way of knowledge discovery data (KDD) application to construct a statistical model that describes dynamic systems. This includes presentation of data mining as an iterative and adaptive process, from communication of the research problem through data collection, data preprocessing, model building, model evaluation, and finally, model deployment. The types of models discussed in this paper are in form of additive models and can be used for prediction of process outputs, for calibration, or for diagnostics purposes. The backfitting algorithm with nonparametric smoothing techniques was used for estimation of the additive model. The example of application of the methods, conclusions and remarks are presented as well. The research was carried out based on archival process data recorded in the Lublin Sugar Factory S.A.
    Celem niniejszej pracy jest zaprezentowanie nowego podejścia do identyfikacji modeli obiektów dynamicznych metodami odkryć wiedzy w bazach danych. W szczególności przedstawiono eksplorację danych jako proces iteracyjny i adaptacyjny, od zrozumienia uwarunkowań badawczych, przez zebranie danych, przygotowanie danych, modelowanie, ewaluację modelu do jego wdrożenia. W badaniach wykorzystano addytywny model regresji, który może posłużyć do przewidywania wartości wyjściowych procesu, kalibracji, a także w celach diagnostycznych. Do wyznaczenia parametrów modeli addytywnych zastosowano algorytm dopasowania wstecznego i nieparametryczne techniki estymacji. Badania przeprowadzono na podstawie archiwalnych danych pomiarowych zarejestrowanych w Cukrowni LUBLIN S.A.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 3, 3; 249-252
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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