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 "SOM" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    Soft computing tools for virtual drug discovery
    Autorzy:
    Hagan, D.
    Hagan, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/91628.pdf
    Data publikacji:
    2018
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    drug discovery
    virtual screening
    multilayer network
    SOM
    Opis:
    In this paper, we describe how several soft computing tools can be used to assist in high throughput screening of potential drug candidates. Individual small molecules (ligands) are assessed for their potential to bind to specific proteins (receptors). Committees of multilayer networks are used to classify protein-ligand complexes as good binders or bad binders, based on selected chemical descriptors. The novel aspects of this paper include the use of statistical analyses on the weights of single layer networks to select the appropriate descriptors, the use of Monte Carlo cross-validation to provide confidence measures of network performance (and also to identify problems in the data), the addition of new chemical descriptors to improve network accuracy, and the use of Self Organizing Maps to analyze the performance of the trained network and identify anomalies. We demonstrate the procedures on a large practical data set, and use them to discover a promising characteristic of the data. We also perform virtual screenings with the trained networks on a number of benchmark sets and analyze the results.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 3; 173-189
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    One- and multivariable characteristics of spring barley (Hordeum vulgare L.) cultivars breed at the Nagradowice Plant Breeding Station of the Poznańska Hodowla Roślin, studied in experiments in 2017-2018
    Autorzy:
    Mańkowski, Dariusz
    Jasińska, Dorota
    Anioła, Magdalena
    Śmiałowski, Tadeusz
    Janaszek-Mańkowska, Monika
    Dynkowska, Wioletta M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2197949.pdf
    Data publikacji:
    2021-11-18
    Wydawca:
    Instytut Hodowli i Aklimatyzacji Roślin
    Tematy:
    spring barley
    breeding experiments
    yielding
    BWLUE
    SOM
    Opis:
    The aim of this study was to evaluate the yield variability of spring barley families grown at the Nagradowice Plant Breeding Station of Poznan Plant Breeding against other families studied in years 2017‒2018 in Team Breeding Experiments. Research material included 250 spring barley families cultivated in 2017 and 2018 in 6 locations. Selection of spring barley families for preliminary experiments was based on synthesis of results obtained in inter-plant experiments established in 2016 and 2017 in 5 locations. Combined (due to location) analysis of variance for experimental data was performed for each year and each series of experiments separately. Best Weighted Linear Unbiased Estimators (BWLUE) for the effects of individual sources of variation were included in ANOVA model. Significant effect of location on mean yield was observed in each research year and each series of experiments. Crucial differences were also observed between tested varieties and breeding lines. Moreover, significant interaction between locations and varieties or breeding families was also observed. Self-organising map (SOM) was applied to develop multivariable characteristic of tested families and cultivars of spring barley. Analyses results, i.e. ranking of BWLUE effects as well as SOM segmentation revealed seven breading lines from Breeding Station Nagradowice, which may be considered for further breeding process.
    Źródło:
    Plant Breeding and Seed Science; 2021, 82; 3-18
    1429-3862
    2083-599X
    Pojawia się w:
    Plant Breeding and Seed Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Anomalous and traditional diffusion modelling in SOM learning
    Autorzy:
    Hrebik, Radek
    Kukal, Jaromir
    Powiązania:
    https://bibliotekanauki.pl/articles/949793.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    self organization
    Kohonen map
    diffusion learning
    anomalous diffusion
    SOM
    Opis:
    The traditional self organizing map (SOM) is learned by Kohonen learning. The main disadvantage of this approach is in epoch based learning when the radius and rate of learning are decreasing functions of epoch index. The aim of study is to demonstrate advantages of diffusive learning in single epoch learning and other cases for both traditional and anomalous diffusion models. We also discuss the differences between traditional and anomalous learning in models and in quality of obtained SOM. The anomalous diffusion model leads to less accurate SOM which is in accordance to biological assumptions of normal diffusive processes in living nervous system. But the traditional Kohonen learning has been overperformed by novel diffusive learning approaches.
    Źródło:
    Archives of Control Sciences; 2019, 29, 4; 699-717
    1230-2384
    Pojawia się w:
    Archives of Control Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    E-autobusy w Szczecińskim Obszarze Metropolitarnym : nowy kierunek rozwoju komunikacji miejskiej
    E-buses in Szczecin Metropolitan Area : new direction of urban transport development
    Autorzy:
    Mysłowski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/313502.pdf
    Data publikacji:
    2017
    Wydawca:
    Instytut Naukowo-Wydawniczy "SPATIUM"
    Tematy:
    e-autobus
    napęd elektryczny
    SOM
    e-bus
    electric drive
    Opis:
    Artykuł opisuje możliwości reorganizacji transportu zbiorowego poprzez zastosowani e–autobusów w Szczecińskim Obszarze Metropolitarnym. Przedstawiono ten nowy kierunek rozwoju komunikacji miejskiej jego zalety oraz perspektywy. Opierając się na faktycznych danych z różnych obszarów Europy Zachodniej autor przekonuje o słuszności tej koncepcji. Omówiono wady i zalety różnych systemów oraz opcje i możliwości na które trzeba zwrócić uwagę przy zakupie.
    This article describes the possibilities of reorganizing collective transport through the use of e-buses in Szczecin Metropolitan Area. This new direction of urban transport has been presented in its advantages and prospects. Based on the actual data from various areas of Western Europe, the author argues for the validity of this concept. The advantages and disadvantages of different systems are discussed, as well as the options and possibilities that should be considered when purchasing.
    Źródło:
    Autobusy : technika, eksploatacja, systemy transportowe; 2017, 18, 7-8; 507-511
    1509-5878
    2450-7725
    Pojawia się w:
    Autobusy : technika, eksploatacja, systemy transportowe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regional differentiation of households in the context of a subjective assessment of the level of income
    Regionalne zróżnicowanie gospodarstw domowych w kontekście subiektywnej oceny poziomu dochodów
    Autorzy:
    Grzywińska-Rąpca, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/548563.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Rzeszowski. Wydawnictwo Uniwersytetu Rzeszowskiego
    Tematy:
    household
    subjective assessment
    material situation
    SOM
    Kohonen
    gospodarstwo domowe
    subiektywna ocena
    sytuacja materialna
    Opis:
    One of the factors affecting the stratification and diversity of living conditions of the population is the level of income of the population. Income levels indicate inequalities that are inevitable and even necessary to some extent. They are part of the incentive mechanisms in consumer behaviour. The aim of the article was to show, by grouping voivodships, the differences in the assessment of the subjective level of household income. Households participating in the Household Budget Survey conducted by the Polish Central Statistical Office reported the amount of income (in PLN) allowing (in their assessment) to recognize the given income as: very weak, insufficient, barely sufficient, good and very good. The specified values of the centroids made it possible to organize voivodships in Poland due to the level of analysed features and identification of groups in which there are households with similar expectations and a subjective assessment of the economic situation. Based on the analysis, it can be concluded that in terms of subjective assessments of the level of income obtained by households there are stratifications in the individual groups of voivodships. The analysis of the diversity of income level assessments was conducted in a spatial section (diversification of the phenomenon by voivodships). The SOM-Kohonen method was used for the analysis.
    Jednym z czynników wpływających na rozwarstwienie i różnorodność warunków życia społeczeństwa jest poziom dochodu ludności. Poziom dochodu wskazuje na nierówności, które są nieuniknione, a nawet w pewnym stopniu niezbędne. Są elementem mechanizmów motywacyjnych w zachowaniach konsumentów. Celem artykułu jest wykazanie, za pomocą grupowania województw, zróżnicowania w ocenie subiektywnego poziomu dochodów gospodarstw domowych. Gospodarstwa uczestniczące w Badaniu budżetów gospodarstw domowych przeprowadzonym przez Główny Urząd Statystyczny podawały wysokość dochodów (w złotych) pozwalających (w ich ocenie) uznać dane dochody, jako: bardzo słabe, niewystarczające, ledwo wystarczające, dobre i bardzo dobre. Określone wartości centroidów umożliwiły uporządkowanie województw w Polsce ze względu na poziom analizowanych cech oraz identyfikację grup, w których są gospodarstwa domowe o podobnych oczekiwaniach i subiektywnej ocenie sytuacji gospodarczej. Na podstawie analizy można stwierdzić, że pod względem subiektywnych ocen poziomu dochodów uzyskiwanych przez gospodarstwa domowe istnieją stratyfikacje w poszczególnych grupach województw. Analiza różnorodności ocen poziomu dochodów została przeprowadzona w przekroju przestrzennym (zróżnicowanie zjawiska według województw). Do analizy zastosowano metodę SOM-Kohonen.
    Źródło:
    Nierówności Społeczne a Wzrost Gospodarczy; 2019, 60; 227-241
    1898-5084
    2658-0780
    Pojawia się w:
    Nierówności Społeczne a Wzrost Gospodarczy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie sieci neuronowej Kohonena do wizualizacji danych MPG
    Use of Kohonen neural network in MPG data visualisation
    Autorzy:
    Oszutowska-Mazurek, D. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/135818.pdf
    Data publikacji:
    2016
    Wydawca:
    Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
    Tematy:
    sieć neuronowa Kohonena
    samoorganizujące się mapy
    SOM
    wizualizacja danych
    dane MPG
    Kohonen neural network
    self organizing map
    Opis:
    Wstęp i cel: Zastosowanie sieci neuronowych Kohonena zapewnia zmniejszenie wielowymiarowości danych. Wizualizacja w postaci map samoorganizujących się (SOM) jest użytecznym narzędziem do wstępnego kastrowania (grupowania) danych. Materiał i metody: Wizualizację przeprowadzona dla rzeczywistych danych, udostępnionych przez uniwersytet w Kalifornii za pomocą oprogramowania SNNS v.4.3. Głównym celem pracy jest zastosowanie sieci neuronowych Kohonena zapewniające zmniejszenie wielowymiarowości danych. Wyniki: Otrzymano wizualizacje danych wskazujące jednoznacznie na dodatnie i ujemne korelacje danych MPG. Wniosek: Mapy samoorganizujące się mogą być dedykowane wizualizacji danych wielowymiarowych jednak wyniki zależą od sposobu mapowania danych wejściowych, zwłaszcza o charakterze jakościowym, nawet jeśli stosowana jest normalizacja każdego z parametrów.
    Introduction and aim: The use of Kohonen neural network ensures the decrease of data multidimensionality. Visualisation called Self organized maps is useful tool for preliminary data clustering. Material and methods: The visualisation of real data set was obtained with the use of program SNNS v.4.3 for real dataset from California University. The main aim of this paper is the use of Kohonen neural network to ensure the reduction of multidimensional data. Results: Obtained visualisations of data indicate unambiguously positive and negative correlations for MPG data Conclusion: Self organising maps could be dedicated to multidimensional data visualisation and preliminary quality assessment, but the results depend on the mapping method of input data, especially quantity type, even if normalisation of every parameter is provided.
    Źródło:
    Problemy Nauk Stosowanych; 2016, 4; 19-30
    2300-6110
    Pojawia się w:
    Problemy Nauk Stosowanych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sztuczne sieci neuronowe ANN : sieci Kohonena
    Artificial neural networks (ANN) : Kohonen networks
    Autorzy:
    Iljaszewicz, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/131981.pdf
    Data publikacji:
    2018
    Wydawca:
    Wrocławska Wyższa Szkoła Informatyki Stosowanej Horyzont
    Tematy:
    Sieci Kohonena
    sieci neuronowe
    mapa samoorganizująca
    SOM
    WEBSOM
    Kohonen networks
    artificial neural networks
    ANN
    Self Organizing Map
    Opis:
    Artykuł omawia sztuczne sieci neuronowe (ang. ANN- Artificial neural networks). Jedną z odmian są sieci Kohonena zwane Mapą Samoorganizującą (ang. SOM – Self Organizing Map) realizują one proces uczenia się sieci neuronowych samodzielnie tzn. rozpoznają relacje występujące w skupieniach poprzez wykrycie wewnętrznej struktury i kategoryzują je w procesie samouczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej do przestrzeni jednowymiarowej lub dwuwymiarowej. Główną cechą SOM jest to, że tworzy on nieliniową projekcję wielowymiarową kolektora danych na regularnej, niskowymiarowej (zwykle 2D) sieci. Na wyświetlaczu klastrowanie przestrzeni danych, jak również relacje metryczno-topologiczne elementów danych, są wyraźnie widoczne. Jeśli elementy danych są wektorami, składniki, których są zmiennymi z określone znaczenie, takie jak deskryptory danych statystycznych lub pomiary, które opisują proces, siatka SOM może być wykorzystana, jako podstawa, na której może znajdować się każda zmienna wyświetlane osobno przy użyciu kodowania na poziomie szarości lub pseudo koloru. Ten rodzaj projekcji został uznany za bardzo przydatny do zrozumienia wzajemnych zależności między zmiennymi, a także strukturami zbioru danych.
    The article discusses artificial neural networks (ANN). One of the varieties is the Kohonen network, called the Self Organizing Map (SOM), that perform the learning process of neural networks independently, i.e. they recognize relationships occurring in clusters by detecting an internal structure and categorizing them in the process of self-learning. SOM is used to form mapping from a multidimensional space to a one-dimensional or two-dimensional space. The main feature of SOM is that it creates a non-linear multi-dimensional projection of a data collector on a regular, low-dimensional (usually 2D) network. On the display, data space clustering as well as metric-topological relations of data elements are clearly visible. If the data elements are vectors, the components of which are variables with defined meanings, such as statistical data descriptors or measurements that describe the process, the SOM grid can be used as a basis on which each variable can be displayed separately using gray or pseudo-color coding. This type of projection has been found to be very useful for understanding the interrelationships between variables as well as data set structures.
    Źródło:
    Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka; 2018, 8, 1; 34-39
    2082-9892
    Pojawia się w:
    Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja mikroskopowych obrazów skał przy wykorzystaniu sieci neuronowych
    Classification of the microscopic images of rocks with the use of neural networks
    Autorzy:
    Młynarczuk, M.
    Bielecka, M.
    Ślipek, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/394187.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    automatyczna klasyfikacja skał
    obrazy mikroskopowe
    sieci neuronowe
    sztuczna inteligencja
    SOM
    MLP
    LVQ
    automatic classification of rocks
    microscopic images
    neural networks
    artificial intelligence
    Opis:
    Klasyfikacja skał stanowi ważny aspekt w wielu zagadnieniach górnictwa i geologii inżynierskiej. Automatyzacja procesu klasyfikacji mikroskopowych obrazów skał może przyczynić się do usprawniania przetwarzania ogromnych zbiorów fotografii skał, poprzez jego przyspieszenie i wyeliminowanie wpływu subiektywnej oceny obserwatora na końcowy wynik klasyfikacji. Podczas pierwszego etapu badan opisanych w tym artykule wykorzystano zbiór 2700 mikroskopowych obrazów szlifów cienkich 9 skał, różniących się od siebie cechami petrograficznymi. Próbki skał zostały opisane 13-wymiarowym wektorem cech. Przy użyciu trzech różnych sieci neuronowych: dwuwarstwowej sieci jednokierunkowej (multi-layer feed-forward perceptron, MLP), samoorganizującej mapy Kohonena (self organizing Kohonen maps, SOM) oraz kwantyzacji wektorowej (learning vector quantization, LVQ), fotografie, po wcześniejszym treningu sieci odseparowanymi podzbiorami próbek, zostały poddane procesowi automatycznej klasyfikacji. Stukrotne powtarzanie losowania podzbiorów wykorzystywanych do treningu sieci oraz powtarzanie algorytmu uczenia sieci i rozpoznawania zdjęć pozwoliło na uzyskanie statystycznie wiarygodnych wyników, których wartość średnia wyniosła 99,4%. Następnie zbiór skał został zwiększony do łącznej wielkości 6300 zdjęć reprezentujących 21 różnych skał, a badania zostały powtórzone z zachowanie wektora cech oraz parametrów nauki sieci. Wynik średni poprawnych klasyfikacji dla powiększonego zbioru obrazów wyniósł 98,30%.
    Rock classification is an inherent part of numerous aspects of geology and engineering geology. Automating the classification of the microscopic images of rocks may result in improvements in analyzing vast sets of rocks' images by speeding up their recognition and eliminating the influence of the observer's subjective judgment in the final classification results. A set of 2,700 microscopic images of thin sections of 9 rocks, which differ in petrographic features, was used during the first step of the study described in the following article. Samples were displayed in a thirteen-dimensional feature space. With the use of three different neural networks multi-layer feed-forward perceptron (MLP), self-organizing Kohonen maps (SOM), and learning vector quantization (LVQ) ? images were subjected to an automated classification process preceded by the network's training with the use of isolated subset samples. Centuple repetition of subset drawings, which were used to train the network by repeating the self-learning network and images recognition algorithm, led to the achievement of statistically trustworthy results with a mean at the level of 99.4 %, and for the best drawing at 99.71%. Afterwards, the rocks set was extended to a total volume of 6,300 images of 21 different rocks, and the test was repeated preserving the feature space and self-learning network parameters. The average score of correct classifications for the extended images set was 98.30%, with the best score at 98.95%.
    Źródło:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2014, 86; 27-38
    2080-0819
    Pojawia się w:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pulse shape discrimination of neutrons and gamma rays using kohonen artificial neural networks
    Autorzy:
    Tambouratzis, T.
    Chernikova, D.
    Pzsit, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/91759.pdf
    Data publikacji:
    2013
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    shape
    neutron
    discrimination
    gamma rays
    Kohonen artificial neural networks
    ANNs
    linear vector quantisation
    LVQ
    self-organizing map
    SOM
    pulse shape discrimination
    PSD
    Opis:
    The potential of two Kohonen artificial neural networks (ANNs) - linear vector quantisation (LVQ) and the self organising map (SOM) - is explored for pulse shape discrimination (PSD), i.e. for distinguishing between neutrons (n’s) and gamma rays (’s). The effect that (a) the energy level, and (b) the relative size of the training and test sets, have on identification accuracy is also evaluated on the given PSD dataset. The two Kohonen ANNs demonstrate complementary discrimination ability on the training and test sets: while the LVQ is consistently more accurate on classifying the training set, the SOM exhibits higher n/ identification rates when classifying new patterns regardless of the proportion of training and test set patterns at the different energy levels; the average time for decision making equals ˜100 μs in the case of the LVQ and ˜450 μs in the case of the SOM.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 2; 77-88
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Selekcja podobrazów dla potrzeb dopasowywania zdjęć lotniczych oparta na histogramach gradientu i sieci neuronowej
    Selection of sub-images for aerial photographs matching purposes based on gradient distribution and neural networks
    Autorzy:
    Czechowicz, A.
    Mikrut, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/131000.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    fotogrametria
    wzajemne dopasowanie
    algorytm Canny'ego
    histogram gradientów
    SOM
    sieci Kohonena
    sieci backpropagation
    photogrammetry
    mutual matching
    Canny edge detector
    gradient histogram
    Kohonen networks
    backpropagation networks
    Opis:
    Artykuł przedstawia wyniki wykorzystania sieci neuronowych do selekcji podobrazów oraz wyniki wyszukiwania wybranych obszarów na pozostałych zdjęciach z wykorzystaniem rozkładu odpowiedzi dla sieci SOM Kohonena. Zaproponowano reprezentacje fragmentu obrazu oparta na rozkładzie wartości modułu gradientu i jego kierunku. Badania przeprowadzono na dziewięciuset podobrazach zdjęć lotniczych okolic Krakowa o różnym pokryciu terenu podzielonych na trzy kategorie: obszarów korzystnych, pośrednich i niekorzystnych pod względem wyszukiwania cech do orientacji wzajemnej. Dla każdego z obrazów, w oparciu o algorytm Canny’ego, wyznaczono krawędzie. Na podstawie wartości gradientu i kierunków wykrytych krawędzi sporządzono histogram, który następnie posłużył wyznaczeniu reprezentacji podobrazu w postaci profilu kierunku. Tak przygotowana reprezentacje wykorzystano do uczenia sieci neuronowych metoda nadzorowana (backpropagation) oraz nienadzorowana (Kohonena), a następnie do klasyfikacji obszarów nauczonymi sieciami. W przypadku sieci backpropagation miara efektywności klasyfikacji był globalny współczynnik rozpoznania oraz macierz pomyłek. Dla sieci Kohonena wyznaczano współczynnik kompletności i poprawności. Wyniki zestawiono z rezultatami otrzymanymi na drodze uczenia metoda wstecznej propagacji błędów, gdzie generowane na mapie Kohonena odpowiedzi stanowiły sygnał wejściowy dla warstwy backpropagation. W dalszym etapie wytypowane obszary korzystne poszukiwano na sąsiednich obrazach. Wzmocniony funkcja preferująca wysokie wartości rozkład odpowiedzi na mapie cech siec Kohonena, uzyskany dla podobrazów korzystnych, porównywano z rozkładem dla podobrazów o tych samych wymiarach na sąsiednich zdjęciach. Za miarę podobieństwa obszarów przyjęto współczynnik korelacji dla porównywanych odpowiedzi sieci.
    This paper describes the application of neural networks for selection of sub-images and the result of the search for the selected areas on the remaining photographs with the utilisation of Kohonen’s SOM network responses distribution. Image fragment representation based on the gradient magnitude values distribution and its direction was proposed. The research was conducted on nine hundred sub-images, taken from aerial photographs of the Cracow’s environs with different terrain cover, divided into three categories: advantageous, intermediate and disadvantageous areas in respect of searching for the features for mutual matching. The edges were detected with Canny algorithm. Based on the gradient values and the directions of the edges, the histogram was created and used to determine the representation of the sub-image in the direction’s profile form. The prepared representation served for teaching the neural network using supervised (backpropagation) and unsupervised (Kohonen) method and later for the classification. For the backpropagation network, the classification effectiveness was measured using the global recognition coefficient and the cooccurrence matrix. For the Kohonen network, the completeness and correctness coefficients were determined. Afterwards, the two networks were put together: the responses generated on the Kohonen map constituted the input signal for the backpropagation layer. In the next step, the adjacent images were sought for the chosen areas. Response distribution on the Kohonen network feature map, amplified with the function preferring the high values, was compared with the distribution for the same size sub-images of the adjacent photographs. To measure the similarity of the subimages, the correlation coefficient to compare network’s responses was used.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 149-158
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efektywność pracy w gospodarstwach o zbilansowanej odnawialności substancji organicznej
    Labour effectiveness in the farms with balanced renewability of soil organic matter
    Autorzy:
    Sawa, J.
    Kocira, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/239569.pdf
    Data publikacji:
    2013
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    odnawialność glebowej substancji organicznej
    GSO
    dochód rodziny
    efektywność pracy
    uzbrojenie energetyczne
    gospodarstwo parytetowe
    renewability of soil organic matter
    SOM
    family income
    labour efficiency
    work energetic equipment
    parity farm
    Opis:
    Celem pracy jest określenie efektywności pracy w gospodarstwach o różnym poziomie odnawialności glebowej substancji organicznej (GSO), ocenianych w aspekcie uzyskiwanych tam efektów produkcyjnych i ponoszonych nakładów materiałowo-energetycznych. Efektywność pracy określono jako relacje między poziomem dochodu rodziny a ponoszonymi nakładami pracy w czterech grupach badanych gospodarstw, zestawionych wg poziomu odnawialności GSO, w tym: <0,2; 0,2 ≤ 0,5; 0,5 ≤ 1,0; ≤1,0 t·ha-1 UR, gdzie odnawialność GSO na poziomie 0,5 ≤ 1,0 t·ha-1 UR uznano jako zbilansowaną. Systemy produkcji w gospodarstwach z takim bilansem odnawialności, pozwalające uzyskać efektywność pracy na poziomie 15,2 zł·rbh-1, nie zapewniają tak wysokiego poziomu efektywności pracy (54,0 zł·rbh-1), jaki występuje w gospodarstwach o najmniejszej wartości wskaźnika GSO (poniżej 0,2 t·ha-1 UR). Stwierdzono, że w gospodarstwach o największej odnawialności GSO, efektywność pracy jest najmniejsza i wynosi 10,0 zł·rbh-1. Wyniki badań wskazują na konieczność podjęcia dyskusji nad dotychczasowymi zasadami dopłat obszarowych do dużych, ale ekstensywnych gospodarstw rodzinnych, lub gospodarstw o systemach produkcji, które uniemożliwiają utrzymanie minimalnego poziomu odnawialności GSO. Gospodarstwa te wykorzystują możliwości zwiększenia dochodu rodziny nieproporcjonalnie do swojego zaangażowania w rozwój zintegrowanych procesów produkcyjnych i rolnictwa zrównoważonego.
    An attempt was made to determine the labour effectiveness in the family farms with different renewability levels of soil organic matter (SOM), evaluated in aspect of obtained production results and born material and energy inputs. The scope of study included 45 family farms of the acreage ranging from 8.58 to 150 ha AL, located in different regions of the country, surveyed in 2010. The labour efficiency was defined as a relationship between the level of farmer’s family income and operation expenditures incurred in four groups of surveyed farms, compiled at the level of SOM renewability: <0.2; 0.2 ≤ 0.5; 0.5 ≤ 1.0; ≤1.0 t·ha-1 AL, where the renewal of 0.5 ≤ 1.0 t·ha-1 AL was considered as a balanced one. It was stated that the lowest labour efficiency (10.0 PLN·work-hr) occurred in the farms with highest SOM renewability. These farms have particular difficulties with collection developing investment funds, incurred in the amount of 2.35 thous. PLN per ha AL, what is possible to be completed within about 12 years. In other farms the efficiency is high enough to complete these funds within 1.5, or even 0.43 years, as in the farms with lowest rate of SOM renewability. Farms of balanced SOM renewability present the average level of labour efficiency, what is related to specialization of farms in animal production, still associated with high labour inputs of the farmer’s family members and low degree of mechanization.
    Źródło:
    Problemy Inżynierii Rolniczej; 2013, R. 21, nr 2, 2; 11-20
    1231-0093
    Pojawia się w:
    Problemy Inżynierii Rolniczej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modelowanie procesu osiadania terenu górniczego Kopalni Węgla Brunatnego Bełchatów - nowe podejście
    Land subsidence modeling in mining area of open pit Brown Coal Mine Bełchatów - a new approach
    Autorzy:
    Palmąka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2074851.pdf
    Data publikacji:
    2011
    Wydawca:
    Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
    Tematy:
    Bełchatów
    GIS
    geostatystyka
    interpolacja
    modele liniowe
    modele nieliniowe
    osiadanie terenu
    Sammon's mapping
    mapy samoorganizujące się
    SOM
    sieci neuronowe
    regresja liniowa
    geostatistics
    interpolation
    linear models
    land subsidence
    self-organizing map
    neural networks
    multiple linear regression
    Opis:
    From the beginning of open-pit mining works (i.e. ground massive dewatering, access excavation, cover dumping) in 1976, which were strictly connected with an exposure a brown coal beds on Bełchatów field it was noticed, that a land surface subsided in the vicinity of Brown Coal Mine Bełchatów. Quantitative land subsidence assessments, which are based on deterministic models (elastic ground model, consolidation model), are not efficient enough to simulate the process – adjusted coefficient of determination amounts R2kor2kor
    Źródło:
    Przegląd Geologiczny; 2011, 59; 245-250
    0033-2151
    Pojawia się w:
    Przegląd Geologiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A class of neuro-computational methods for assamese fricative classification
    Autorzy:
    Patgiri, C.
    Sarma, M.
    Sarma, K. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/91763.pdf
    Data publikacji:
    2015
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    neuro-computational classifier
    fricative phonemes
    Assamese language
    Recurrent Neural Network
    RNN
    neuro fuzzy classifier
    linear prediction cepstral coefficients
    LPCC
    self-organizing map
    SOM
    adaptive neuro-fuzzy inference system
    ANFIS
    klasyfikator neuronowy
    klasyfikator neuronowo rozmyty
    sieć Kohonena
    Opis:
    In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 1; 59-70
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      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