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 "neural, S." wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Przydatność różnych typów sieci neuronowych w klasyfikacji gleb
    Application of different types of the neural networks in soils classification
    Autorzy:
    Gruszczyński, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/269264.pdf
    Data publikacji:
    2006
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    sieci neuronowe
    klasyfikacja gleb
    neural network
    soils classification
    Opis:
    Zaprezentowano zastosowanie trzech algorytmów sieci neuronowych do klasyfikowania gleb na podstawie cech możliwych do interpretacji z dostępnej, analogowej dokumentacji kartograficznej. Spośród przebadanych algorytmów najlepsze wyniki klasyfikacji dają sieci typu MLP oraz probabilistyczne (PNN). Połączenie wyników działania sieci PNN oraz SOM pozwala na pogłębioną analizę zależności klasyfikacyjnych w obszarze opracowania, polegającą między innymi na zobrazowaniu rozmytych relacji między poszczególnymi kompleksami w terenie
    The application of three neural networks algorithm in task soils classification, on the basis of features obtained from analog cartographic documentation, is presented. The MLP (Multi-Layer Perceptron) type net and PNN (Probabilistic Neural Network) give the best classification results among examined algorithms. The PNN and SOM (Self-Organizing Map) combination of net operational results gives more deep classification relations within sphere this study, based among others on fuzzy relationships visualization between complexes in analyzed area
    Źródło:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2006, 11, 1; 13-25
    1426-2908
    Pojawia się w:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bifurcation in a nonlinear steady state system
    Autorzy:
    Wang, G. Q.
    Cheng, S. S.
    Powiązania:
    https://bibliotekanauki.pl/articles/255541.pdf
    Data publikacji:
    2010
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    bifurcation
    cellular neural network
    steady state
    Krasnoselsky fixed point theorem
    Opis:
    The steady state solutions of a nonlinear digital cellular neural network with ω neural units and a nonnegative variable parameter λ are sought. We show that λ = 1 is a critical value such that the qualitative behavior of our network changes. More specifically, when ω is odd, then for λ ∈ [0, 1), there is one positive and one negative steady state, and for λ ∈ [1, ∞), steady states cannot exist; while when ω is even, then for λ ∈ [0, 1), there is one positive and one negative steady state, and for λ = 1, there are no nontrivial steady states, and for λ ∈ (1, ∞), there are two fully oscillatory steady states. Furthermore, the number of existing nontrivial solutions cannot be improved. It is hoped that our results are of interest to digital neural network designers.
    Źródło:
    Opuscula Mathematica; 2010, 30, 3; 349-360
    1232-9274
    2300-6919
    Pojawia się w:
    Opuscula Mathematica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Data mining and neural network simulations can help to improve deep brain stimulation effects in parkinson’s disease
    Autorzy:
    Szymański, A.
    Kubis, A.
    Przybyszewski, A. W.
    Powiązania:
    https://bibliotekanauki.pl/articles/952939.pdf
    Data publikacji:
    2015
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    deep brain stimulation
    neural computation
    data mining
    Parkinson's disease
    Opis:
    Parkinson’s Disease (PD) is primary related to substantia nigra degeneration and, thus, dopamine insufficiency. L-DOPA as a precursor of dopamine is the standard medication in PD. However, disease progression causes L-DOPA therapy efficiency decay (on-off symptom fluctuation), and neurologists often decide to classify patients for DBS (Deep Brain Stimulation) surgery. DBS treatment is based on stimulating the specific subthalamic structure: subthalamic nucleus (STN) in our case. As STN consists of parts with different physiological functions, finding the appropriate placement of the DBS electrode contacts is challenging. In order to predict the neurological effects related to different electrodecontact stimulations, we have tracked connections between the stimulated part of STN and the cortex with the help of diffusion tensor imaging (DTI). By changing a contacts number and amplitude of stimulus (proportional in size to stimulated area), we have determined connections to cortical areas and related neurological effects. We have applied data mining methods to predict which contact (and at what amplitude) should be stimulated in order to improve a particular symptom. We have compared different data mining methods: Wekas Random Forest classifier and Rough Set Exploration System (RSES). We have demonstrated that the Weka classifier was more accurate when predicting the effects of stimulations on general neurological improvements, while RSES was more accurate when using specific neurological symptoms. We have simulated other effects of stimulation related to the interruption of pathological oscillation in the basal ganglia found in PD. Our model represents possible STN neural population with inhibitory and excitatory connections that have pathologically synchronized oscillations. High-frequency electrical stimulation has interrupted synchronization. something that is also observed in PD patients.
    Źródło:
    Computer Science; 2015, 16 (2); 199-215
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie predyktorów typu neural network do prognozowania szeregów czasowych
    Utilization for forecasting activity of time range predictors type neural network
    Autorzy:
    Gworek, S.
    Utrata, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/350230.pdf
    Data publikacji:
    2005
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    prognozowanie ekonomiczne
    predyktory
    szeregi czasowe
    sztuczne sieci neuronowe
    analiza efektywności
    business forecasting
    predictors
    forecasting activity of time range
    artificial neural networks
    estimation of efficiency
    Opis:
    W pracy przedstawiono rozważania dotyczące zastosowania sztucznych sieci neuronowych do prognozowania zjawisk gospodarczych opisanych za pomocą krótkich szeregów czasowych. W pierwszej części artykułu przedstawiono krótką charakterystykę sztucznych sieci neuronowych wraz z możliwymi obszarami prognozowania ekonomicznego, w których mogą znaleźć zastosowanie. W drugiej części artykułu przeprowadzono ocenę efektywności predykcji wybranego zjawiska za pomocą sztucznych sieci neuronowych.
    This article presents consideration for forecasting activity of economic phenomenon described behind assistance of short time range concerning employment artificial neural network. It presents short characteristic of artificial neural network in first along with possible areas of economic forecasting activities, can find application. The second part of the paper includes an estimation of efficiency of selected economic phenomenon with an application of artificial neural networks.
    Źródło:
    Górnictwo i Geoinżynieria; 2005, 29, 4; 53-62
    1732-6702
    Pojawia się w:
    Górnictwo i Geoinżynieria
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie algorytmów interpolacji i sztucznych sieci neuronowych do wyznaczania charakterystyki zawartości chromu w glebach
    Application of interpolation algorithms and artificial neural networks for chromium contents in soils characterization
    Autorzy:
    Gruszczyński, S.
    Urbański, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/269225.pdf
    Data publikacji:
    2005
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    algorytmy interpolacji
    sieci neuronowe
    sztuczne sieci neuronowe
    gleby
    zanieczyszczenie gleb
    chrom
    zawartość chromu w glebach
    Opis:
    Przeanalizowano różne podejścia do ustalania trendu rozkładu poziomego chromu (Cr) w glebie w warunkach silnego zanieczyszczenia tym pierwiastkiem. Zastosowano algorytmy regresji wielomianowej (wielomiany I, II i III stopnia), algorytmy interpolacji (TIN, Kriging, RST) oraz sztuczne sieci neuronowe (MLP, CANFIS, RBF, GRNN, PNN, MDN). Wykorzystano dane pochodzące z badań terenowych przeprowadzonych w otoczeniu Zakładów Chemicznych "Alwernia". Różnice między poszczególnymi podejściami zaprezentowano w formie graficznej oraz niektórych statystyk rozkładu reszt. Badania rozkładu przestrzennego zanieczyszczenia gleb nasunęły wniosek, iż ważnym elementem staje się określenie precyzji informacji oraz granic błędu przez akceptację jakiegoś oszacowania zanieczyszczenia, natomiast na dalszy plan schodzi wykrycie lub uwypuklenie regularności związanej z mechanizmem zjawiska imisji. Wydaje się, że zmienność zawartości chromu w glebach, zauważalna nawet na bliskich dystansach, utrudnia akceptację metod interpolacji jako sposobu oceny rozkładu zanieczyszczeń. Z drugiej strony znaczące nieliniowości utrudniają akceptację modeli regresji. W tych warunkach możliwością wartą rozważenia jest modelowanie z użyciem sieci neuronowych, w tym także wykorzystanie rozwiązań hybrydowych (np. MDN), pozwalających na pogłębioną analizę zmienności koncentracji Cr w glebach.
    Various ways of approach, to determine the horizontal distribution trend (tendency) of Chromium (Cr) in soil, where is high pollution by this element are analysed. Polynominal regression algorithms (I, II, III degree polynominals), interpolation algorithms (TIN, Kriging, RST), and also artificial neural networks (MLP, CANFIS, RBF, GRNN, PNN, MDN) are applied. Data from field experiments, carried out in the area of Chemical Plant in Alwernia were used. The differences between several ways of approach are presented in a graphical form, and also in some remainders distribution statistics. The soil pollution spatial distribution examinations lead to following conclusion, that in the first place is the information precision determination, and also the limit of error, through the pollution evaluation acceptance, whereas in the second place is the indication or standing out the regularity connected with the imission effect mechanism. It seems that the chromium concentration in soils variation, noticed even on short distances, makes it difficult the acceptance of interpolation method, as a method of contamination distribution evaluation. On the other hand the considerable nonlinearity makes difficult the acceptance of regression model. In these circumstances, the possibility which is worth consideration, is the modelling with the application of neuron networks, that is also hybrid solution application (for instance MDN), which gives the possibility of Cr concentration in soils variation deeper analysis.
    Źródło:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2005, 10, 1; 15-44
    1426-2908
    Pojawia się w:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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