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 "Support Vector Machines" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Anomaly detection in a cutting tool by k-means clustering and support vector machines
    Autorzy:
    Lahrache, A.
    Cocconcelli, M.
    Rubini, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/328445.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    knife diagnostics
    k-means
    hierarchical clustering
    support vector machines
    diagnostyka
    grupowanie hierarchiczne
    Opis:
    This paper concerns the analysis of experimental data, verifying the applicability of signal analysis techniques for condition monitoring of a packaging machine. In particular, the activity focuses on the cutting process that divides a continuous flow of packaging paper into single packages. The cutting process is made by a steel knife driven by a hydraulic system. Actually, the knives are frequently substituted, causing frequent stops of the machine and consequent lost production costs. The aim of this paper is to develop a diagnostic procedure to assess the wearing condition of blades, reducing the stops for maintenance. The packaging machine was provided with pressure sensor that monitors the hydraulic system driving the blade. Processing the pressure data comprises three main steps: the selection of scalar quantities that could be indicative of the condition of the knife. A clustering analysis was used to set up a threshold between unfaulted and faulted knives. Finally, a Support Vector Machine (SVM) model was applied to classify the technical condition of knife during its lifetime.
    Źródło:
    Diagnostyka; 2017, 18, 3; 21-29
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient heart disease diagnosis based on twin support vector machine
    Autorzy:
    Brik, Youcef
    Djerioui, Mohamed
    Attallah, Bilal
    Powiązania:
    https://bibliotekanauki.pl/articles/1840868.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    heart diseases
    medical data
    diagnostic
    machine learning
    twin support vector machines
    choroba serca
    diagnostyka
    uczenie maszynowe
    Opis:
    Heart disease is the leading cause of death in the world according to the World Health Organization (WHO). Researchers are more interested in using machine learning techniques to help medical staff diagnose or detect heart disease early. In this paper, we propose an efficient medical decision support system based on twin support vector machines (Twin-SVM) for heart disease diagnosing with binary target (i.e. presence or absence of disease). Unlike conventional support vector machines (SVM) that finds only one optimal hyperplane for separating the data points of first class from those of second class, which causes inaccurate decision, Twin-SVM finds two non-parallel hyper-planes so that each one is closer to the first class and is as far from the second class as possible. Our experiments are conducted on real heart disease dataset and many evaluation metrics have been considered to evaluate the performance of the proposed method. Furthermore, a comparison between the proposed method and several well-known classifiers as well as the state-of-the-art methods has been performed. The obtained results proved that our proposed method based on Twin-SVM technique gives promising performances better than the state-of-the-art. This improvement can seriously reduce time, materials, and labor in healthcare services while increasing the final decision accuracy.
    Źródło:
    Diagnostyka; 2021, 22, 3; 3-11
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A framework for knowledge acqusition system in perspective view of diagnostic of rotating machinery
    System pozyskiwania wiedzy z perspektywy diagnostyki maszyn wirnikowych
    Autorzy:
    Wachla, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/329226.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    pozyskiwanie wiedzy
    diagnostyka
    maszyna wirnikowa
    baza danych
    metoda wektorów wspomagających
    knowledge acquisition
    diagnostics
    rotating machinery
    database
    support vector machines
    Opis:
    A concept of knowledge acquisition system for the needs of diagnostic of rotor machines was presented in the article. The concept was developed on assumption that knowledge would be acquired inductively through analysis of measure and simulative data. The founding of the system was considered. The architecture was particularly described and example of its application was provided, as well.
    W artykule przedstawiono koncepcję systemu pozyskiwania wiedzy dla potrzeb diagnostyki maszyn wirnikowych. Koncepcję opracowano przyjmując założenie, że wiedza będzie pozyskiwana w sposób indukcyjny poprzez analizę danych pomiarowych lub symulacyjnych. Omówiono genezę powstania systemu. Szczegółowo opisano architekturę oraz pokazano przykład zastosowania.
    Źródło:
    Diagnostyka; 2009, 1(49); 13-16
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identification of submersible pump temperature changes model using KDD methods
    Identyfikacja modelu zmian temperatury pompy głębinowej z zastosowaniem metod odkrywania wiedzy w bazach danych
    Autorzy:
    Wachla, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/327824.pdf
    Data publikacji:
    2006
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    baza danych
    wiedza
    identyfikacja systemów
    algorytm genetyczny
    metoda wektorów wspomagających
    selekcja atrybutów
    system SCADA
    database
    knowledge
    system identification
    genetic algorithm
    support vector machines
    attributes selection
    SCADA systems
    Opis:
    This paper deals with the problem of the autoregressive model identification using KDD methods. In the considered problem, the autoregressive models are applied to describe dynamics processes of various technical systems. In particular, a method of functional dependencies discovering was presented. The method was designed for exploring data sets gathered by industrial SCADA systems. For the problem of the identification of pump temperature changes model, the method was verified. For this particular reason, a set of data was used which was gathered by submersible pumping station SCADA system. The assumptions, the exemplary results of the conducted research and conclusions were presented, as well.
    W artykule poruszono problem identyfikacji modeli autoregresyjnych opisujących dynamikę obserwowanych procesów. W szczególności przedstawiono metodę odkrywania zależności funkcyjnych w zbiorach danych gromadzonych przez przemysłowe systemy SCADA. Opracowaną metodę zweryfikowano dla problemu identyfikacji modelu zmian temperatury pompy głębinowej. W tym celu zastosowano fragment danych zgromadzony przez system rejestracji danych współpracujący pompownią głębinową. Przedstawiono przyjęte założenia, fragmenty uzyskanych wyników oraz wnioski z przeprowadzonych badań.
    Źródło:
    Diagnostyka; 2006, 2(38); 41-44
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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