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 "python" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Comparative evaluation of performance-boosting tools for Python
    Autorzy:
    Swacha, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/106222.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
    Tematy:
    Python programming language
    Just-in-Time compilers
    automatic translator
    booster
    Opis:
    The Python programming language has a number of advantages, such as simple and clear syntax, concise and readable code, and open source implementation with a lot of extensions available, that makes it a great tool for teaching programming to students. Unfortunately, Python, as a very high level interpreted programming language, is relatively slow, which becomes a nuisance when executing computationally intensive programs. There is, however, a number of tools aimed at speeding-up execution of programs written in Python, such as Just-in-Time compilers and automatic translators to statically compiled programming languages. In this paper a comparative evaluation of such tools is done with a focus on the attained performance boost.
    Źródło:
    Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2011, 11, 1; 33-41
    1732-1360
    2083-3628
    Pojawia się w:
    Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrydowy system rekomendacji planów treningowych
    Training plans hybrid recommender system
    Autorzy:
    Kaczanowski, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/91455.pdf
    Data publikacji:
    2019
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    uczenie maszynowe
    sztuczna inteligencja
    nauka o danych
    hybrydowe systemy rekomendacji
    Microsoft Azure Machine Learning
    język programowania Python
    machine learning
    artificial intelligence
    data science
    hybrid recommender
    Python programming language
    Opis:
    Hybrydowe systemy rekomendacji łączą zalety metod stosowanych powszechnie w rekomendacji. Głównym celem tego artykułu jest przedstawienie zastosowania uczenia maszynowego do budowy hybrydowego silnika rekomendacji. Uczenie maszynowe jest poddziedziną sztucznej inteligencji, która wykazuję obiecujące rezultaty w klasyfikacji, predykcji, wykrywaniu anomalii i rekomendacji. W tym artykule zaproponowano koncepcję spersonalizowanego modelu systemu rekomendacji opartego na parametrach i planach treningowych sportowców. Badania przeprowadzono w środowisku chmurowym Microsoft Azure Machine Learning Studio na zbiorze danych wygenerowanym na podstawie danych referencyjnych.
    Hybrid recommendation systems combine the advantages of commonly used methods in recommendations. This main objective of this article is to present application of machine learning to build a hybrid recommendation engine. Machine learning is subdomain of artificial intelligence that show promising results in classification, prediction, anomaly detection and recommendations. This paper proposed a personalized recommendation system model based on athletes parameters and training plans. The researches were carried out in the cloud environment Microsoft Azure Machine Learning Studio on football data set.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2019, 13, 20; 29-40
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyzacja pomiarów współrzędnościowych organów roboczych maszyn urabiających z wykorzystaniem skanowania 3D
    Automation of Coordinate Measurements of Mining Machines Working Units with 3D Scanning
    Autorzy:
    Cheluszka, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/274737.pdf
    Data publikacji:
    2016
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    maszyna urabiająca
    organ roboczy
    stereometria
    skanowanie 3D
    pomiary
    automatyzacja
    język programowania Python
    mining machine
    working unit
    stereometry
    3D scanning
    measurements
    automation
    Python programming language
    Opis:
    Maszyny urabiające należą do podstawowej grupy maszyn roboczych stosowanych w górnictwie podziemnym i powierzchniowym. W przypadku maszyn urabiających na zasadzie skrawania proces urabiania realizowany jest za pomocą organów roboczych wyposażonych w wymienne narzędzia, np. noże osadzone w uchwytach nożowych. Noże te rozmieszczone i ustawione są w przestrzeni w ustalony na etapie projektowania sposób, dostosowany do właściwości urabianego ośrodka skalnego. Pomiary współrzędnościowe sprowadzają się do wyznaczenia sześciu parametrów dla każdego z noży. Ze względu na sposób rozmieszczenia, pomiar bezpośredni tych parametrów nie jest możliwy. Metody pośrednie polegają na pomiarze wielkości wchodzących do definicji funkcji modelujących pomiar. W takim przypadku wygodnym rozwiązaniem zadania metrologicznego, szczególnie pod kątem automatyzacji procesu, jest wykorzystanie metod optycznych, na przykład skanera światła strukturalnego. Metoda ta wymaga zbudowania, dla każdego uchwytu nożowego oraz związanego z nim noża, modelu pomiaru. W przypadku dużej liczby noży jest to proces czaso- i pracochłonnych. Możliwość automatyzacji procesu pomiarowego przedstawiono na przykładzie głowicy urabiającej wysięgnikowych kombajnów chodnikowych, stosowanych do drążenia wyrobisk korytarzowych i tuneli. Omówiono przetwarzanie uzyskanych w trakcie pomiaru danych w celu wyznaczenia zestawu wartości parametrów stereometrycznych opisujących rozmieszczenie i ustawienie w przestrzeni poszczególnych noży oraz związanych z nimi uchwytów nożowych. Wykorzystano do tego funkcjonalność oprogramowania GOM Inspect Professional umożliwiającą budowanie strategii pomiaru za pomocą skryptów w języku Python.
    Mining machines belong to the key group of working machines used in underground and surface mining. In case of machines mining by way of cutting, the process is carried out with working units fitted with a specific number of replaceable tools in the form of picks mounted in pickboxes. The picks are arranged and positioned in space in a way defined at the stage of design, adapted to the properties of the rock being excavated. The stereometry of such working units is measured by determining the values of six parameters for each of the picks. Such parameters cannot be measured directly due to the way they are arranged. Measurements are carried out with indirect methods where values are measured which form part of a definition of measurement modelling functions. The use of optical methods, for example a structured light scanner, is a convenient solution to carry out the considered metrological task, especially in view of the automation of this process. For this, however, a measurement model enabling to determine the values of the magnitudes searched for has to be built for each pickbox and for the related pick. This is a time- and work-intensive process in case of a large number of picks, though. The options of the measurement process automation are presented with the example of a cutting head of boom–type roadheaders employed for drilling dog headings and tunnels. The focus was put on the stage of processing the measuring data obtained in the measurement process to establish a set of stereometry parameters values describing the arrangement and position of individual picks and related pickboxes in space. For this purpose, a feature of GOM Inspect Professional software was used enabling to build a measurement strategy based on scripts created in Python language.
    Źródło:
    Pomiary Automatyka Robotyka; 2016, 20, 3; 33-42
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A short survey on fully-automated people movement and identity detection algorithms
    Analiza algorytmów skorelowanych z detekcją ruchu osób i ich tożsamości
    Autorzy:
    Szymkowski, Maciej
    Przybyszewski, Karol
    Powiązania:
    https://bibliotekanauki.pl/articles/1818442.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    computer Vision
    image processing
    artificial Intelligence
    people movement
    identity detection
    person Re-Identification
    Python programming language
    przetwarzanie obrazów
    sztuczna inteligencja
    detekcja ruchu
    wykrywanie tożsamości
    język programowania Python
    Opis:
    Nowadays, diversified companies use security systems based on cameras to increase safety of their enterprise. However, when the camera observes multiple people, it is hard for humans to directly observe each of them. In the literature, there are multiple computer vision-based approaches that automatically detect person identity and the way he is moving. Moreover, there are approaches that identify people across multiple cameras (reidentification). It is crucial, especially in the crowded places. By these algorithms we can detect people whose behavior is strange. Diversified approaches can be easily found in the literature and online-available repositories. The work, presented in this paper, can be divided into three main parts: literature review, selected algorithms implementation and results comparison. We have to claim that each solution was implemented in Python programming language with sufficient libraries. This technology was selected due to its efficiency and simplicity. Results of the conducted experiments have shown that it is clearly possible to detect people’s movement and observe their identities even in crowded places.
    Współcześnie w wielu miejscach publicznych oraz obszarach zajmowanych przez zróżnicowane firmy możemy zauważy systemy bezpieczeństwa bazujące na kamerach. Jednakże bardzo ciężko jest pojedynczemu operatorowi obserwować każdą osobę która pojawi się na obrazie. W tym celu powstały algorytmy bazujące na metodyce Computer Vision, które mają na celu wykrycie nie tylko trasy poruszania się każdej osoby ale również ocenę jej tożsamości. Co więcej tego typu rozwiązania mogą być bardzo przydatne w zatłoczonych miejscach, gdzie niezwykle ważne jest wykrycie niestandardowego zachowania poszczególnych osób. W literaturze oraz bazach dostępnych online możemy znaleźć zróżnicowane podejścia do rzeczonego problemu. W ramach naszej pracy porównujemy kilka z nich. Każde z wybranych rozwiązań zostało zaimplementowane przy użyciu języka Python i bibliotek dostępnych w ramach rzeczonego języka. To środowisko zostało wybrane ze względu na jego wydajność oraz prostotę pisania kodu. Wyniki, które uzyskaliśmy wskazują na to, że aktualnie istniejące solucje mogą być używane do obserwacji trasy poszczególnych osób nawet w zatłoczonych miejscach.
    Źródło:
    Advances in Computer Science Research; 2021, 15; 1--14
    2300-715X
    Pojawia się w:
    Advances in Computer Science Research
    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