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 "Deep learning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-15 z 15
    Tytuł:
    Update on the study of Alzheimer’s disease through artificial intelligence techniques
    Autorzy:
    Garea-Llano, Eduardo
    Powiązania:
    https://bibliotekanauki.pl/articles/27314235.pdf
    Data publikacji:
    2023
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    Alzheimer's disease
    detection
    progression
    artificial intelligence
    deep learning
    Opis:
    Alzheimer’s disease is the most common form of dementia that can cause a brain neurological disorder with progressive memory loss as a result of brain cell damage. Prevention and treatment of disease is a key challenge in today’s aging society. Accurate diagnosis of Alzheimer’s disease plays an important role in patient management, especially in the early stages of the disease, because awareness of risk allows patients to undergo preventive measures even before irreversible brain damage occurs. Over the years, techniques such as statistical modeling or machine learning algorithms have been used to improve understanding of this condition. The objective of the work is the study of the methods of detection and progression of Alzheimer’s disease through artificial intelligence techniques that have been proposed in the last three years. The methodology used was based on the search, selection, review, and analysis of the state of the art and the most current articles published on the subject. The most representative works were analyzed, which allowed proposing a taxonomic classification of the studied methods and on this basis a possible solution strategy was proposed within the framework of the project developed by the Cuban Center for Neurosciences based on the conditions more convenient in terms of cost and effectiveness and the most current trends based on the use of artificial intelligence techniques.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2023, 17, 2; 51--60
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Deep learning in pharmacology: opportunities and threats
    Autorzy:
    Kocić, Ivan
    Kocić, Milan
    Rusiecka, Izabela
    Kocić, Adam
    Kocić, Eliza
    Powiązania:
    https://bibliotekanauki.pl/articles/25728738.pdf
    Data publikacji:
    2022-09-06
    Wydawca:
    Gdański Uniwersytet Medyczny
    Tematy:
    machine learning
    pharmacology
    deep learning
    artificial intelligence
    drug research and development
    Opis:
    Introduction This review aims to present briefly the new horizon opened to pharmacology by the deep learning (DL) technology, but also to underline the most important threats and limitations of this method. Material and Methods We searched multiple databases for articles published before May 2021 according to the preferred reported item related to deep learning and drug research. Out of the 267 articles retrieved, we included 50 in the final review. Results DL and other different types of artificial intelligence have recently entered all spheres of science, taking an increasingly central position in the decision-making processes, also in pharmacology. Hence, there is a need for better understanding of these technologies. The basic differences between AI (artificial intelligence), DL and ML (machine learning) are explained. Additionally, the authors try to highlight the role of deep learning methods in drug research and development as well as in improving the safety of pharmacotherapy. Finally, future directions of DL in pharmacology were outlined as well as possible misuses of it. Conclusions DL is a promising and powerful tool for comprehensive analysis of big data related to all fields of pharmacology, however it has to be used carefully.
    Źródło:
    European Journal of Translational and Clinical Medicine; 2022, 5, 2; 88-94
    2657-3148
    2657-3156
    Pojawia się w:
    European Journal of Translational and Clinical Medicine
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Yet another research on GANs in cybersecurity
    Autorzy:
    Zimoń, Michał
    Kasprzyk, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/13946602.pdf
    Data publikacji:
    2023-02-20
    Wydawca:
    Akademia Sztuki Wojennej
    Tematy:
    cybersecurity
    malware
    artificial intelligence
    machine learning
    deep learning
    generative adversarial networks
    Opis:
    Deep learning algorithms have achieved remarkable results in a wide range of tasks, including image classification, language translation, speech recognition, and cybersecurity. These algorithms can learn complex patterns and relationships from large amounts of data, making them highly effective for many applications. However, it is important to recognize that models built using deep learning are not fool proof and can be fooled by carefully crafted input samples. This paper presents the results of a study to explore the use of Generative Adversarial Networks (GANs) in cyber security. The results obtained confirm that GANs enable the generation of synthetic malware samples that can be used to mislead a classification model.
    Źródło:
    Cybersecurity and Law; 2023, 9, 1; 61-72
    2658-1493
    Pojawia się w:
    Cybersecurity and Law
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    System wspomagający wykrywanie treści wizualnych i tekstowych zagrażających bezpieczeństwu dzieci w cyberprzestrzeni
    Autorzy:
    Niewiadomska-Szynkiewicz, Ewa
    Różycka, Martyna
    Staciwa, Katarzyna
    Nyczka, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/20311655.pdf
    Data publikacji:
    2023-10-31
    Wydawca:
    Akademia Sztuki Wojennej
    Tematy:
    cybersecurity
    Child Sexual Abuse Material
    CSAM
    decision support system
    artificial intelligence
    machine learning
    deep learning
    Opis:
    In recent years, there has been a significant increase in threats to children’s safety in cyberspace. The most serious of these include children’s participation in illegal online activities and the production of sexually explicit content involving them. Therefore, it is of fundamental importance to build awareness of cyber threats among our society’s youngest members and teach them skills for the safe use of products and services assigned to cyberspace. A key action for effectively protecting children in this environment is the early detection and reporting to the relevant authorities of illegal behavior and child abuse content. Teams such as Dyżurnet.pl, whose tasks currently include responding to potentially illegal content reported by cyberspace users, and in the near future, possibly also conducting proactive activities in this area, play an important role here. The experience of Dyżurnet.pl clearly shows that effective detection of such content requires automation of activities and appropriate IT tools. This paper presents a novel network monitoring and decision support system using artificial intelligence methods, including deep learning, to automatically detect potentially harmful material, such as Child Sexual Abuse Material (CSAM), erotic content involving children, pornographic content with a created or processed image of a child and pornography involving adults.
    Źródło:
    Cybersecurity and Law; 2023, 10, 2; 202-220
    2658-1493
    Pojawia się w:
    Cybersecurity and Law
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction and classification of pressure injuries by deep learning
    Wykrywanie i klasyfikacja odleżyn z wykorzystaniem deep learning
    Autorzy:
    Yilmaz, A.
    Kızıl, H.
    Kaya, U.
    Cakır, R.
    Demiral, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2047948.pdf
    Data publikacji:
    2021
    Wydawca:
    Akademia Bialska Nauk Stosowanych im. Jana Pawła II w Białej Podlaskiej
    Tematy:
    deep learning
    pressure ulcers
    artificial intelligence
    nursing care
    odleżyny
    sztuczna inteligencja
    opieka pielęgniarska
    Opis:
    Pressure injuries are a serious medical problem that both negatively affects the patient's quality of life and results in significant healthcare costs. In cases where a patient doesn’t receive appropriate treatment and care, death may result. Nurses play critical roles in the prevention, care, and treatment of pressure injuries as members of the healthcare team who closely monitor the health status of the patient. Today, the use of artificial intelligence is becoming more prevalent in healthcare, as in many other areas. Artificial intelligence is a method that aims to solve complex problems by using computers to mathematically simulate the way the brain works. In this article, we compile and share information about a deep learning model developed for the detection and classification of pressure injuries. Deep learning can operate on many types of data. Convolutional Neural Networks (CNN) prefer images because they can handle 2D arrays. In this case, the images, annotated according to the National Pressure Injury Advisory Panel pressure injury classification system, have been fed into a deep learning model using CNN. The developed CNN model has a 97% success in detecting and classifying pressure injuries, and as more images are collected and fed into the CNN, the prediction accuracy will increase. This deep learning model allows for the automatic detection and classification of pressure injuries, an indicator of health outcomes, at an early stage and for quick and accurate intervention. In this context, it is expected that the quality of nursing care will increase, the prevalence of pressure injury will decrease, and the economic burden of this health problem will decrease.
    Odleżyny są problemem zdrowotnym, który negatywnie wpływa na jakość życia pacjenta i powoduje poważne koszty opieki. W przypadku braku odpowiedniego leczenia i opieki może to doprowadzić do śmierci pacjenta. Pielęgniarki odgrywają kluczową rolę w zapobieganiu, opiece i leczeniu odleżyn jako członkowie zespołu opieki zdrowotnej, którzy ściśle i stale monitorują stan zdrowia danej osoby. Obecnie w dziedzinie zdrowia, podobnie jak w wielu innych dziedzinach, coraz częściej wykorzystuje się sztuczną inteligencję. Sztuczna inteligencja jest metodą, która ma na celu rozwiązywanie złożonych problemów poprzez matematyczne symulowanie sposobu działania mózgu z wykorzystaniem komputerów. Niniejszy artykuł jest przeglądem zaprojektowanym w celu podzielenia się informacjami na temat modelu deep learning opracowanego do wykrywania i klasyfikacji odleżyn. Deep learning może działać na wielu typach danych. Konwolucyjne sieci neuronowe (ang. convolutional neural networks, CNN) preferują obrazy, ponieważ mogą obsługiwać macierze 2D. Obrazy, uporządkowane zgodnie z systemem klasyfikacji odleżyn według National Pressure Injury Advisory Panel (NPIAP), zostały przekształcone w "Deep Learning Model" z wykorzystaniem CNN. Opracowywany model CNN ma 97% skuteczności w wykrywaniu i klasyfikowaniu odleżyn, a im więcej obrazów zostanie zebranych i wykorzystanych w CNN, tym większe będzie prawdopodobieństwo trafnej prognozy. Ten model deep learning daje możliwość automatycznego wykrywania i klasyfikacji odleżyn, które są wskaźnikiem jakości zdrowia, na wczesnym etapie oraz dokładnej i szybkiej interwencji. W tym kontekście oczekuje się, że jakość opieki pielęgniarskiej wzrośnie, zmniejszy się częstość występowania odleżyn oraz obciążenie ekonomiczne związane z tym problemem zdrowotnym.
    Źródło:
    Health Problems of Civilization; 2021, 15, 4; 328-335
    2353-6942
    2354-0265
    Pojawia się w:
    Health Problems of Civilization
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An AI & ML based detection & identification in remote imagery: state-of-the-art
    Autorzy:
    Hashmi, Hina
    Dwivedi, Rakesh
    Kumar, Anil
    Powiązania:
    https://bibliotekanauki.pl/articles/2141786.pdf
    Data publikacji:
    2021
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    convolutional neural network
    remote sensed imagery
    object detection
    artificial intelligence
    feature extraction
    deep learning
    machine learning
    Opis:
    Remotely sensed images and their allied areas of application have been the charm for a long time among researchers. Remote imagery has a vast area in which it is serving and achieving milestones. From the past, after the advent of AL, ML, and DL-based computing, remote imagery is related techniques for processing and analyzing are continuously growing and offering countless services like traffic surveillance, earth observation, land surveying, and other agricultural areas. As Artificial intelligence has become the charm of researchers, machine learning and deep learning have been proven as the most commonly used and highly effective techniques for object detection. AI & ML-based object segmentation & detection makes this area hot and fond to the researchers again with the opportunities of enhanced accuracy in the same. Several researchers have been proposed their works in the form of research papers to highlight the effectiveness of using remotely sensed imagery for commercial purposes. In this article, we have discussed the concept of remote imagery with some preprocessing techniques to extract hidden and fruitful information from them. Deep learning techniques applied by various researchers along with object detection, object recognition are also discussed here. This literature survey is also included a chronological review of work done related to detection and recognition using deep learning techniques.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2021, 15, 4; 3-17
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Autonomous vehicles as a challenge for the transport policy of the European Union
    Autorzy:
    Krzysztof, Tomaszewski,
    Powiązania:
    https://bibliotekanauki.pl/articles/894843.pdf
    Data publikacji:
    2019-05-30
    Wydawca:
    Uniwersytet Warszawski. Wydawnictwa Uniwersytetu Warszawskiego
    Tematy:
    autonomous vehicles
    transport policy
    artificial intelligence
    deep learning
    European Union
    innovation
    multi-level governance
    Opis:
    The article refers to the phenomenon of autonomous vehicles in the transport policy of the European Union. Their use in practice results in the need to implement new solutions in the fields of technology, law, economics and politics. The European Union is taking various steps to prepare the Member States for an autonomous revolution. The aim of the article is to conceptualise the basic problems that can be investigated in the subject matter of autonomous vehicles as well as to analyse the position and strategy of the European Union towards autonomous transport. The article uses the decision method. Among the research findings, it should be pointed out that the EU as an international organisation is open and prepared to address the challenges posed by the implementation of autonomous transport. It takes effective action to coordinate the application of new solutions at the national level (in the Member States) as well as at the transnational level. In this way, the transport sector has the chance to dynamically develop and maintain its prominent position as a key sector of the EU economy. The implementation of innovative transport solutions is a conditio sine qua non for the future of this sector.
    Źródło:
    Przegląd Europejski; 2017, 4 (46); 76-95
    1641-2478
    Pojawia się w:
    Przegląd Europejski
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial intelligence versus natural intelligence in mineral processing
    Autorzy:
    Özkan, Şafak Gökhan
    Powiązania:
    https://bibliotekanauki.pl/articles/24148604.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    NI
    natural intelligence
    AI
    artificial intelligence
    ML
    machine learning
    DL
    deep learning
    ES
    expert systems
    mineral processing
    Opis:
    This article aims to introduce the terms NI-Natural Intelligence, AI-Artificial Intelligence, ML-Machine Learning, DL-Deep Learning, ES-Expert Systems and etc. used by modern digital world to mining and mineral processing and to show the main differences between them. As well known, each scientific and technological step in mineral industry creates huge amount of raw data and there is a serious necessity to firstly classify them. Afterwards experts should find alternative solutions in order to get optimal results by using those parameters and relations between them using special simulation software platforms. Development of these simulation models for such complex operations is not only time consuming and lacks real time applicability but also requires integration of multiple software platforms, intensive process knowledge and extensive model validation. An example case study is also demonstrated and the results are discussed within the article covering the main inferences, comments and decision during NI use for the experimental parameters used in a flotation related postgraduate study and compares with possible AI use.
    Źródło:
    Physicochemical Problems of Mineral Processing; 2023, 59, 5; art. no. 167501
    1643-1049
    2084-4735
    Pojawia się w:
    Physicochemical Problems of Mineral Processing
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Restoration of Remote Satellite Sensing Images using Machine and Deep Learning : a Survey
    Autorzy:
    Abdellaoui, Meriem
    Benabdelkader, Souad
    Assas, Ouarda
    Powiązania:
    https://bibliotekanauki.pl/articles/31339413.pdf
    Data publikacji:
    2023
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Instytut Informatyki Technicznej
    Tematy:
    image restoration
    remote sensing images
    artificial intelligence
    AI
    machine learning
    ML
    deep learning
    DL
    convolutional neural network
    CNN
    Opis:
    Remote sensing satellite images are affected by different types of degradation, which poses an obstacle for remote sensing researchers to ensure a continuous and trouble-free observation of our space. This degradation can reduce the quality of information and its effect on the reliability of remote sensing research. To overcome this phenomenon, the methods of detecting and eliminating this degradation are used, which are the subject of our study. The original aim of this paper is that it proposes a state of art of recent decade (2012-2022) on advances in remote sensing image restoration using machine and deep learning, identified by this survey, including the databases used, the different categories of degradation, as well as the corresponding methods. Machine learning and deep learning based strategies for remote sensing satellite image restoration are recommended to achieve satisfactory improvements.
    Źródło:
    Machine Graphics & Vision; 2023, 32, 2; 147-167
    1230-0535
    2720-250X
    Pojawia się w:
    Machine Graphics & Vision
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rozpoznawanie obiektów przez głębokie sieci neuronowe
    Object classification with deep neural networks
    Autorzy:
    Kwasigroch, A.
    Grochowski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/268601.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    uczenie głębokie
    sieci neuronowe
    sztuczna inteligencja
    przetwarzanie obrazu
    deep learning
    neural networks
    artificial intelligence
    image processing
    Opis:
    W referacie zaprezentowane zostaną wyniki badań nad rozpoznawaniem obiektów w różnych warunkach za pomocą głębokich sieci neuronowych. Przeanalizowano działanie dwóch struktur – ResNet50 oraz VGG19. Systemy rozpoznawania obrazu wytrenowano oraz przetestowano na reprezentatywnej, bazie zawierającej 25 tys. zdjęć psów oraz kotów, która znacznie upraszcza analizowanie działania systemów ze względu na łatwość interpretacji zdjęć przez człowieka. Zbadano wpływ pojawienia się nietypowych zdjęć na wynik klasyfikacji. Ponadto przeanalizowano zdjęcia niepoprawnie sklasyfikowane i porównano je z interpretacjami człowieka. Uzyskano bardzo wysokie wyniki klasyfikacji. Do oceny systemów użyto miar statystycznych takich jak: dokładność, czułość, swoistość, krzywe ROC.
    Deep neural networks are modern algorithms from the family of artificial intelligence, that are widely used these days for task of an image analysis. In this paper, we present results of research on deep neural network for image recognition. We tested 2 different neural architectures, namely: modified VGG19, ResNet50. In order to improve the classification results we employed two methods called dropout and transfer learning. The systems were trained on the dataset containing 22 000 training images and 3000 test images. The dataset used contains different pictures of animals (cats and dogs). The dataset of animals make analyses of network performance easier, because they are easy to interpret by human. The employed systems were tested qualitatively and quantitatively. The influence of atypical inputs were examined, also. Moreover, the analysis of improperly classified images was performed. We achieved high classification results. In order to evaluate the classification performance we utilized the following set of statistical measures: accuracy, specificity, sensitivity and ROC curves.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2018, 60; 63-66
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring of the Achilles tendon healing process: can artificial intelligence be helpful?
    Autorzy:
    Kapiński, Norbert
    Zieliński, Jakub
    Borucki, Bartosz A.
    Trzciński, Tomasz
    Ciszkowska-Łysoń, Beata
    Zdanowicz, Urszula
    Śmigielski, Robert
    Nowiński, Krzysztof S.
    Powiązania:
    https://bibliotekanauki.pl/articles/306348.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    rezonans magnetyczny
    obrazowanie medyczne
    sztuczna inteligencja
    tendon traumas
    magnetic resonance
    medical imaging
    artificial intelligence
    deep learning
    Opis:
    The aim of this study was to verify improved, ensemble-based strategy for inferencing with use of our solution for quantitative assessment of tendons and ligaments healing process and to show possible applications of the method. Methods: We chose the problem of the Achilles tendon rupture as an example representing a group of common sport traumas. We derived our dataset from 90 individuals and divided it into two subsets: healthy individuals and patients with complete Achilles tendon ruptures. We computed approx. 160 000 2D axial cross-sections from 3D MRI studies and preprocessed them to create a suitable input for artificial intelligence methods. Finally, we compared different training methods for chosen approaches for quantitative assessment of tendon tissue healing with the use of statistical analysis. Results: We showed improvement in inferencing with use of the ensemble technique that results from achieving comparable accuracy of 99% for our previously published method trained on 500 000 samples and for the new ensemble technique trained on 160 000 samples. We also showed real-life applications of our approach that address several clinical problems: (1) automatic classification of healthy and injured tendons, (2) assessment of the healing process, (3) a pathologic tissue localization. Conclusions: The presented method enables acquiring comparable accuracy with less training samples. The applications of the method presented in the paper as case studies can facilitate evaluation of the healing process and comparing with previous examination of the same patient as well as with other patients. This approach might be probably transferred to other musculoskeletal tissues and joints.
    Źródło:
    Acta of Bioengineering and Biomechanics; 2019, 21, 1; 103-111
    1509-409X
    2450-6303
    Pojawia się w:
    Acta of Bioengineering and Biomechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie uczenia głębokiego w tłumaczeniu komputerowym
    Application of deep learning in computer translation
    Autorzy:
    Handzel, Zbigniew
    Gajer, Mirosław
    Grabiński, Tadeusz
    Luty, Zbigniew
    Powiązania:
    https://bibliotekanauki.pl/articles/2147416.pdf
    Data publikacji:
    2021-12-06
    Wydawca:
    Wyższa Szkoła Ekonomii i Informatyki w Krakowie
    Tematy:
    sztuczna inteligencja
    przekład komputerowy
    sieci neuronowe
    uczenie głębokie
    artificial intelligence
    computer translation
    neural
    networks
    deep learning
    Opis:
    Przekład komputerowy jest najstarszym i zarazem najbardziej doniosłym zagadnieniem zaliczanym do obszaru sztucznej inteligencji. Pomysł zastosowania komputerów do tłumaczenia tekstów zapisanych w języku naturalnym jest prawie tak stary, jak sam wynalazek komputera. Pierwotnie rzecz wydawała się łatwa do realizacji i oczekiwano, że za kilkanaście lat zawód tłumacza ostatecznie zaniknie, ponieważ tego rodzaju prace będą wykonywały wyłącznie maszyny cyfrowe. Potrzeba było jednak ponad 60 lat intensywnych badań, aby marzenie to mogło się urzeczywistnić w czasach nam współczesnych. Przełomem w badaniach nad przekładem komputerowym było zastosowanie technik obliczeniowych bazujących na sztucznych sieciach neuronowych z wykorzystaniem algorytmów uczenia głębokiego. W 2017 roku uruchomiony został serwis tłumaczeniowy DeepL, który jest programem komputerowym wykorzystującym uczenie głębokie w translacji automatycznej. Rozważany program zapewnia przekład o bardzo wysokiej jakości pomiędzy dowolnie wybraną parą spośród ponad 20 języków. Między innymi program ten umożliwia tłumaczenie z i na język polski. W artykule przedstawiono krótką historię badań nad przekładem komputerowym, omówiono główne trudności, które należało przezwyciężyć na drodze do budowy tłumaczy komputerowych, oraz omówiono podstawowe podejścia wykorzystywane w translacji automatycznej. Na zakończenie zaprezentowano interesujące wyniki eksperymentów przeprowadzonych z udziałem programu DeepL, które dowodzą jego bardzo wysokiej skuteczności w tłumaczeniu pomiędzy dowolnie wybraną parą języków, niezależnie od stopnia ich genetycznego pokrewieństwa.
    Computer-aided translation is the oldest and at the same time the most prominent subject in the field of artificial intelligence. The idea of using computers to translate texts written in natural language is almost as old as the invention of the computer itself. At first it seemed easy to implement and it was expected that in a decade or so the profession of translator would finally disappear because only digital machines would do this kind of work. However, it took more than 60 years of intensive research for this dream to become a reality in modern times. A breakthrough in computer translation research was the application of computational techniques based on artificial neural networks using deep learning algorithms. In 2017, the translation service DeepL was launched, which is a computer program using deep learning in automatic translation. The program under consideration provides translation of very high quality between any pair of more than 20 languages. Among other things, the programme enables translation from and into Polish. The article presents a brief history of research on computer-aided translation, discusses the basic difficulties that had to be overcome on the way to building computer-aided translators, and discusses the basic approaches used in automatic translation. Finally, interesting results of experiments carried out with the program DeepL are presented, which prove its very high efficiency in translation between any pair of languages, regardless of the degree of their genetic affinity
    Źródło:
    Zeszyty Naukowe Wyższej Szkoły Ekonomii i Informatyki w Krakowie; 2021, 17; 71-92
    1734-5391
    Pojawia się w:
    Zeszyty Naukowe Wyższej Szkoły Ekonomii i Informatyki w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatic detection of Alzheimers disease based on artificial intelligence
    Automatyczne wykrywanie choroby Alzheimera w oparciu o sztuczną inteligencję
    Autorzy:
    Benba, Achraf
    Abdelilah, Kerchaoui
    Powiązania:
    https://bibliotekanauki.pl/articles/27315370.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    Alzheimer’s disorder
    artificial intelligence
    deep learning
    signal processing
    choroba Alzheimera
    sztuczna inteligencja
    głębokie uczenie się
    przetwarzanie sygnału
    Opis:
    Alzheimer's disease is a neurodegenerative disease that progressively destroys neurons through the formation of platelets that prevent communication between neurons. The study carried out in this project aims to find a precise and relevant diagnostic solution based on artificial intelligence and which helps in the early detection of Alzheimer's disease in order to stop its progression. The study went through a process of processing MRI images followed by training of three deep learning algorithms (VGG-19, Xception and DenseNet121) and finally by a step of testing and predicting the results. The results of the accuracy metric obtained for the three algorithms were respectively 98%, 95%, 91%.
    Choroba Alzheimera jest chorobą neurodegeneracyjną, która stopniowo niszczy neurony poprzez tworzenie płytek krwi, które uniemożliwiają komunikację między neuronami. Badania prowadzone w ramach tego projektu mają na celu znalezienie precyzyjnego i trafnego rozwiązania diagnostycznego opartego na sztucznej inteligencji, które pomoże we wczesnym wykryciu choroby Alzheimera w celu zatrzymania jej postępu. Badanie przeszło przez proces przetwarzania obrazów MRI, po którym następowało szkolenie trzech algorytmów głębokiego uczenia (VGG-19, Xception i DenseNet121), a na koniec etap testowania i przewidywania wyników. Wyniki metryki dokładności otrzymane dla trzech algorytmów wyniosły odpowiednio 98%, 95%, 91%.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 1; 18--21
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The use of urban indicators in forecasting a real estate value with the use of deep neural network
    Autorzy:
    Bazan-Krzywoszańska, A.
    Bereta, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/106771.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Warszawska. Wydział Geodezji i Kartografii
    Tematy:
    planning analysis
    local zoning plans
    local policy
    deep learning
    deep neural networks
    machine learning
    artificial intelligence
    analiza planowania
    miejscowy plan zagospodarowania przestrzennego
    polityka lokalna
    głębokie sieci neuronowe
    uczenie maszynowe
    sztuczna inteligencja
    Opis:
    Records of municipal planning documents directly affect the land use. In this way, the market price of the land is also shaped. Awareness of the economic and social consequences of adapting specific solutions is the primary argument that should condition the local policy in terms of spatial planning. The research results indicate that the network trained with attributes which do not describe a property value by its price was able to estimate it with acceptable and satisfactory results. The possibility to use artificial multilayer networks in spatial policy decision-making seems well founded. The research results show the relevance of the assumption that using them for modeling can be helpful in selecting the most advantageous variant of planning arrangements in a local law document which determines the land use and development, therefore impacts its value.
    Źródło:
    Reports on Geodesy and Geoinformatics; 2018, 106; 25-34
    2391-8365
    2391-8152
    Pojawia się w:
    Reports on Geodesy and Geoinformatics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Intelligent Visual Quality Control System Based on Convolutional Neural Networks for Holonic Shop Floor Control of Industry 4.0 Manufacturing Systems
    Autorzy:
    Oborski, Przemysław
    Wysocki, Przemysław
    Powiązania:
    https://bibliotekanauki.pl/articles/2181746.pdf
    Data publikacji:
    2022
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    quality control
    manufacturing systems
    Industry 4.0
    artificial intelligence
    convolutional neural networks
    deep learning
    process monitoring
    holonic shop floor control
    integrated IT systems
    Opis:
    The article presents research on industrial quality control system based on AI deep learning method. They are a part of larger project focusing on development of Holonic Shop Floor Control System for integration of machines, machine operators and manufacturing process monitoring with information flow in whole production process according to Industry 4.0 requirements. A system connecting together machine operators, machine control, process and machine monitoring with companywide IT systems is developed. It is an answer on manufacture of airplane industry requirements. The main aim of the system is full automation of information flow between a management level and manufacturing process level. Intelligent, flexible quality control system allowing for active manufacturing optimization on the base of achieved results as well as a historical data collection for further Big Data analysis is the main aim of the current research. During research number of selected AI algorithms were tested for assessing their suitability for performing tasks identified in real manufacturing environment. As a result of the conducted analyzes, Convolutional Neural Networks were selected for further study. Number of built Convolutional Neural Networks algorithms were tested using sets of data and photos from the production line. A further step of research will be focused on testing a system in real manufacturing process for able possible construct a fully functional quality control system based on the use of Convolutional Neural Networks.
    Źródło:
    Advances in Science and Technology. Research Journal; 2022, 16, 2; 89--98
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-15 z 15

      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