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 "learning network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    Ensemble Model for Network Intrusion Detection System Based on Bagging Using J48
    Autorzy:
    Otoom, Mohammad Mahmood
    Sattar, Khalid Nazim Abdul
    Al Sadig, Mutasim
    Powiązania:
    https://bibliotekanauki.pl/articles/2201908.pdf
    Data publikacji:
    2023
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    cyber security
    network intrusion
    ensemble learning
    machine learning
    ML
    Opis:
    Technology is rising on daily basis with the advancement in web and artificial intelligence (AI), and big data developed by machines in various industries. All of these provide a gateway for cybercrimes that makes network security a challenging task. There are too many challenges in the development of NID systems. Computer systems are becoming increasingly vulnerable to attack as a result of the rise in cybercrimes, the availability of vast amounts of data on the internet, and increased network connection. This is because creating a system with no vulnerability is not theoretically possible. In the previous studies, various approaches have been developed for the said issue each with its strengths and weaknesses. However, still there is a need for minimal variance and improved accuracy. To this end, this study proposes an ensemble model for the said issue. This model is based on Bagging with J48 Decision Tree. The proposed models outperform other employed models in terms of improving accuracy. The outcomes are assessed via accuracy, recall, precision, and f-measure. The overall average accuracy achieved by the proposed model is 83.73%.
    Źródło:
    Advances in Science and Technology. Research Journal; 2023, 17, 2; 322--329
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    EEULA: an energy-aware event-driven unicast algorithm for wireless sensor network by learning automata
    Autorzy:
    Kashani, A. A. S.
    Noori, A. M. M.
    Powiązania:
    https://bibliotekanauki.pl/articles/102180.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    network lifetime
    wireless sensor network
    learning automata
    energy efficiency algorithm
    Opis:
    Energy consumption is one of the major challenges in wireless sensor networks, thus necessitating an approach for its minimization and for load balancing data. The network lifetime ends with the death of one of its nodes, which, in turn, causes energy depletion in and partition of the network. Furthermore, the total energy consumption of nodes depends on their location; that is, because of the loaded data, energy discharge in the nodes close to the base station occurs faster than other nodes, the model presented here, through using learning automata, selects the path appropriate for data transferring; the selected path is rewarded or penalized taking the reaction of surrounding paths into account. We have used learning automata for energy management in finding the path; the routing protocol was simulated by NS2 simulator; the lifetime, energy consumption and balance in an event-driven network in our proposed method were compared with other algorithms.
    Źródło:
    Advances in Science and Technology. Research Journal; 2016, 10, 30; 9-18
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combining fuzzy and cellular learning automata methods for clustering wireless sensor network to increase life of the network
    Autorzy:
    Aramideh, J
    Jelodar, H
    Powiązania:
    https://bibliotekanauki.pl/articles/957968.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    wireless sensor network
    clustering
    fuzzy logic
    cellular learning automata
    Opis:
    Wireless sensor networks have attracted attention of researchers considering their abundant applications. One of the important issues in this network is limitation of energy consumption which is directly related to life of the network. One of the main works which have been done recently to confront with this problem is clustering. In this paper, an attempt has been made to present clustering method which performs clustering in two stages. In the first stage, it specifies candidate nodes for being head cluster with fuzzy method and in the next stage, the node of the head cluster is determined among the candidate nodes with cellular learning automata. Advantage of the clustering method is that clustering has been done based on three main parameters of the number of neighbors, energy level of nodes and distance between each node and sink node which results in selection of the best nodes as a candidate head of cluster nodes. Connectivity of network is also evaluated in the second part of head cluster determination. Therefore, more energy will be stored by determining suitable head clusters and creating balanced clusters in the network and consequently, life of the network increases.
    Źródło:
    Advances in Science and Technology. Research Journal; 2014, 8, 24; 1-8
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Industrial Application of Deep Neural Network for Aluminum Casting Defect Detection in Case of Unbalanced Dataset
    Autorzy:
    Awtoniuk, Michał
    Majerek, Dariusz
    Myziak, Artur
    Gajda, Cyprian
    Powiązania:
    https://bibliotekanauki.pl/articles/2204946.pdf
    Data publikacji:
    2022
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    machine learning
    deep neural network
    classification
    casting defect
    casting defect detection
    Opis:
    We have developed a deep neural network for casting defect detection. The approach is original because it assumes the use of data related to the casting manufacturing process, i.e. measurement signals from the casting machine, rather than data describing the finished casting, e.g. images. The defects are related to the production of car engine heads made of silumin. In the current research we focused on the detection of defects related to the leakage of the casting. The data came from production plant in Poland. The dataset was unbalanced. It included nearly 38,500 observations, of which only 4% described a leak event. The work resulted in a deep network consisting of 22 layers. We assessed the classification accuracy using a ROC curve, an AUC index and a confusion matrix. The AUC value was 0.97 and 0.949 for the learning and testing dataset, respectively. The model allowed for an ex-post analysis of the casting process. The analysis was based on Shapley values. This makes it possible not only to detect the occurrence of a defect but also to give potential reasons for the appearance of a casting leak.
    Źródło:
    Advances in Science and Technology. Research Journal; 2022, 16, 5; 120--128
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combining Spectral Analysis with Artificial Intelligence in Heart Sound Study
    Autorzy:
    Kucharski, Dariusz
    Kajor, Marcin
    Grochala, Dominik
    Iwaniec, Marek
    Iwaniec, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/102508.pdf
    Data publikacji:
    2019
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    deep learning
    heart sound classification
    convolutional neural network
    machine learning
    signal processing
    uczenie głębokie
    klasyfikacja dźwięku serca
    splotowa sieć neuronowa
    uczenie maszynowe
    przetwarzanie sygnałów
    Opis:
    The auscultation technique has been widely used in medicine as a screening examination for ages. Nowadays, advanced electronics and effective computational methods aim to support the healthcare sector by providing dedicated solutions which help physicians and support diagnostic process. In this paper, we propose a machine learning approach for the analysis of heart sounds. We used the spectral analysis of acoustic signal to calculate feature vectors and tested a set of machine learning approaches to provide the most effective detection of cardiac disorders. Finally, we achieved 91% of sensitivity and 99% of positive predictivity for a designed algorithm based on convolutional neural network.
    Źródło:
    Advances in Science and Technology. Research Journal; 2019, 13, 2; 112-118
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Some improvements in the reinforcement learning of a mobile robot
    Uczenie ze wzmocnieniem robotów mobilnych - propozycje usprawnień
    Autorzy:
    Pluciński, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/153411.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    uczenie ze wzmocnieniem
    sieci neuronowe RBF
    roboty mobilne
    reinforcement learning
    probabilistic RBF neural network
    mobile robot
    Opis:
    The paper presents application of the reinforcement learning to autonomous mobile robot moving learning in an unknown, stationary environment. The robot movement policy was represented by a probabilistic RBF neural network. As the learning process was very slow or even impossible for complicated environments, there are presented some improvements, which were found out to be very effective in most cases.
    W artykule zaprezentowane jest zastosowanie uczenia ze wzmocnieniem w poszukiwaniu strategii ruchu autonomicznego robota mobilnego w nieznanym, stacjonarnym środowisku. Zadaniem robota jest dotarcie do zadanego i znanego mu punktu docelowego jak najkrótszą drogą i bez kolizji z przeszkodami. Stan robota określa jego położenie w stałym (związanym ze środowiskiem) układzie współrzędnych, natomiast akcja wyznaczana jest jako zadany kierunek ruchu. Strategia robota zdefiniowana jest pośrednio za pomocą funkcji wartości, którą reprezentuje sztuczna sieć neuronowa typu RBF. Sieci tego typu są łatwe w uczeniu, a dodatkowo ich parametry umożliwiają wygodną interpretację realizowanego odwzorowania. Ponieważ w ogólnym przypadku uczenie robota jest bardzo trudne, a w skomplikowanych środowiskach praktycznie niemożliwe, stąd w artykule zaprezentowanych jest kilka propozycji jego usprawnienia. Opisane są eksperymenty: z wykorzystaniem ujemnych wzmocnień generowanych przez przeszkody, z zastosowaniem heurystycznych sposobów podpowiadania robotowi właściwych zachowań w "trudnych" sytuacjach oraz z wykorzystaniem uczenia stopniowego. Badania wykazały, że najlepsze efekty uczenia dało połączenie dwóch ostatnich technik.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1470-1473
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparative study of learning methods for artificial neural network
    Badania porównawcze metod uczenia sieci neuronowej
    Autorzy:
    Tiliouine, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/153863.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    metody uczenia
    sieć neuronowa
    neuronowy regulator napięcia
    learning methods
    artificial neural network (ANN)
    neural voltage controller
    Opis:
    The paper presents a comparative study of various learning methods for artificial neural network. The methods are: the backpropagation BP, the recursive least squares RLS, the Zangwill's method ZGW and the method based on evolutionary algorithm EA. The study consists of evaluating the learning effectiveness of these methods and selecting the most efficient one to be used in the designing of an adaptive neural voltage controller for a synchronous generator.
    W artykule przedstawiono wyniki badań porównawczych metod uczenia sieci neuronowych takich jak: metoda propagacji wstecznej błędów, rekurencyjna metoda najmniejszych kwadratów, metoda Zangwill'a, metoda algorytmów ewolucyjnych. Celem tych badań jest dobieranie najefektywniejszej metody uczenia do projektowania adaptacyjnego neuronowego regulatora napięcia generatora synchronicznego.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 4, 4; 117-121
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Arabic and American Sign Languages Alphabet Recognition by Convolutional Neural Network
    Autorzy:
    Alshomrani, Shroog
    Aljoudi, Lina
    Arif, Muhammad
    Powiązania:
    https://bibliotekanauki.pl/articles/2023675.pdf
    Data publikacji:
    2021
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    convolutional neural network
    deep learning
    American sign language
    Arabic sign language
    sieć neuronowa
    głębokie uczenie
    amerykański język migowy
    arabski język migowy
    Opis:
    Hearing loss is a common disability that occurs in many people worldwide. Hearing loss can be mild to complete deafness. Sign language is used to communicate with the deaf community. Sign language comprises hand gestures and facial expressions. However, people find it challenging to communicate in sign language as not all know sign language. Every country has developed its sign language like spoken languages, and there is no standard syntax and grammatical structure. The main objective of this research is to facilitate the communication between deaf people and the community around them. Since sign language contains gestures for words, sentences, and letters, this research implemented a system to automatically recognize the gestures and signs using imaging devices like cameras. Two types of sign languages are considered, namely, American sign language and Arabic sign language. We have used the convolutional neural network (CNN) to classify the images into signs. Different settings of CNN are tried for Arabic and American sign datasets. CNN-2 consisting of two hidden layers produced the best results (accuracy of 96.4%) for the Arabic sign language dataset. CNN-3, composed of three hidden layers, achieved an accuracy of 99.6% for the American sign dataset.
    Źródło:
    Advances in Science and Technology. Research Journal; 2021, 15, 4; 136-148
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial Intelligence Algorithms for the Analysis of Mechanical Property of Friction Stir Welded Joints by using Python Programming
    Algorytmy sztucznej inteligencji do analizy właściwości mechanicznych połączeń zgrzewanych tarciowo z przemieszaniem przy użyciu programowania w języku Python
    Autorzy:
    Mishra, Akshansh
    Powiązania:
    https://bibliotekanauki.pl/articles/1819221.pdf
    Data publikacji:
    2020
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    uczenie maszynowe
    sieć neuronowa sztuczna
    drzewo decyzyjne
    optymalizacja
    zgrzewanie tarciowe z przemieszaniem
    machine learning
    artificial neural network
    decision tree
    optimization
    friction stir welding
    Opis:
    In modern computational science, the interplay existing between machine learning and optimization process marks the most vital developments. Optimization plays an important role in mechanical industries because it leads to reduce in material cost, time consumption and increase in production rate. The recent work focuses on performing the optimization task on Friction Stir Welding process for obtaining the maximum Ultimate Tensile Strength (UTS) of the friction stir welded joints. Two machine learning algorithms i.e. Artificial Neural Network (ANN) and Decision Trees regression model are selected for the purpose. The input variables are Tool Rotational Speed (RPM), Tool Traverse Speed (mm/min) and Axial Force (KN) while the output variable is Ultimate Tensile Strength (MPa). It is observed that in case of the Artificial Neural Networks the Root Mean Square Errors for training and testing sets are 0.842 and 0.808 respectively while in case of Decision Trees regression model, the training and testing sets result Root Mean Square Errors of 11.72 and 14.61. So, it can be concluded that ANN algorithm gives better and accurate result than Decision Tree regression algorithm.
    We współczesnych obliczeniach naukowych wzajemna zależność między uczeniem maszynowym a procesem optymalizacji wyznacza najbardziej istotne osiągnięcia. Optymalizacja odgrywa ważną rolę w przemyśle mechanicznym, ponieważ prowadzi do obniżenia kosztów materiałów, zużycia czasu i wzrostu szybkości produkcji. Ostatnie prace skupiają się na wykonaniu optymalizacji procesu zgrzewania tarciowego z przemieszaniem w celu uzyskania maksymalnej wytrzymałości na rozciąganie (UTS) połączeń zgrzewanych tarciowo z przemieszaniem. Do tego celu wybrano dwa algorytmy uczenia maszynowego, tj. Sztuczną sieć neuronową (ANN) i model decyzyjnego drzewa regresyjnego. Zmienne wejściowe to prędkość obrotowa narzędzia [obr/min], prędkość posuwu narzędzia [mm/min] i siła osiowa [kN], natomiast zmienną wyjściową jest maksymalna wytrzymałość na rozciąganie [MPa]. Zaobserwowano, że w przypadku sztucznych sieci neuronowych średnie błędy kwadratowe zbiorów uczących i testowych wynoszą odpowiednio 0,842 i 0,808, podczas gdy w przypadku modelu decyzyjnego drzewa regresji zbiory uczące i testujące dają średnie błędy kwadratowe 11,72 i 14,61. Można więc stwierdzić, że algorytm ANN daje lepsze i dokładniejsze wyniki niż algorytm regresji drzewa decyzyjnego.
    Źródło:
    Welding Technology Review; 2020, 92, 6; 7--16
    0033-2364
    2449-7959
    Pojawia się w:
    Welding Technology Review
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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