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 "neural network training" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Analiza możliwości zastosowania sieci neuronowych do modelowania wartości kapitału społecznego w firmach IT
    Analysis of the possibilities of using artificial neural networks to model social capital values in IT companies
    Autorzy:
    Siderska, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/399032.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    sztuczna sieć neuronowa
    uczenie sieci neuronowej
    kapitał społeczny
    artificial neural network
    neural network training
    social capital
    Opis:
    Celem artykułu jest przeanalizowanie możliwości zastosowania sztucznej sieci neuronowej do modelowania wartości kapitału społecznego w przedsiębiorstwach z sektora IT. Dane do badań zostały zaczerpnięte z bilansów finansowych publikowanych przez firmę Prokom Software SA i Asseco Poland SA na koniec każdego kwartału w latach 2005-2009. Niezbędnych obliczeń wartości kapitału społecznego firm dokonano z wykorzystaniem równania fundamentalnego. Uczenie sztucznej sieci neuronowej przeprowadzono w generatorze Statistica Neural Network 10.0. Badania pozwoliły na opracowanie szkieletu modelu odzwierciedlającego zależności pomiędzy zmiennymi wejściowymi (objaśniającymi), a zmienną wyjściową (objaśnianą), czyli wartością kapitału społecznego.
    The purpose of this article is to analyze the possibility of using an artificial neural network to model the value of social capital in companies from IT market. Training data were collected and calculated on the basis of financial report published quarterly by Prokom Software SA and Asseco Poland SA. The values of social capital in those companies were calculated by Fundamental Equation. The artificial neural network had been trained in STATISTICA Automated Neural Network 10.0 (SANN). The research contributed to developing the draft of the model for estimating the relationships among seven input variables and output variable, i.e. the value of social capital.
    Źródło:
    Ekonomia i Zarządzanie; 2013, 5, 1; 84-97
    2080-9646
    Pojawia się w:
    Ekonomia i Zarządzanie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Introducing artificial neural network in ontologies alignment process
    Autorzy:
    Djeddi, W. E.
    Khadir, M. T.
    Powiązania:
    https://bibliotekanauki.pl/articles/206314.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    artificial neural network
    training
    ontology alignment
    WordNet
    XMap++
    Opis:
    Ontology alignment uses different similaritymeasures of different categories such as string, linguistic, and structural based similarity measures to understand ontologies’ semantics. A weights vector must, therefore, be assigned to these similarity measures, if a more accurate and meaningful alignment result is favored. Combining multiple measures into a single similarity metric has been traditionally solved using weights determined manually by an expert, Or calculated through general methods (e.g. average or sigmoid function) that do not provide optimal results. In this paper, we propose an artificial neural network algorithm to ascertain how to Combie multiple similarity measures into a single aggregated metric with the final aim of improving the ontology alignment quality. XMap++ is applied to benchmark tests at OAEI campaign 2010. Results show that neural network boosts the performance in most cases, and that the proposed novel approach is competitive with top-ranked system.
    Źródło:
    Control and Cybernetics; 2012, 41, 4; 743-759
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nonlinearity Correction in Dynamic Measuring Devices Using Neural Network Models
    Korekcja nieliniowości za pomocą modeli sieci neuronowych w zastosowaniu do dynamicznych urządzeń pomiarowych
    Autorzy:
    Al Rawashdeh, Laith Ahmed Mustafa
    Zakharov, Igor Petrovitch
    Zaporozhets, Oleg Vasyliovych
    Powiązania:
    https://bibliotekanauki.pl/articles/2068664.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    artificial neural network
    three-layer perceptron
    training
    inverse model
    neural network compensator
    sztuczna sieć neuronowa
    trójwarstwowy perceptron
    uczenie
    model odwrotny
    kompensator sieci neuronowej
    Opis:
    A neural network compensator for the nonlinearity of a dynamic measuring instrument is proposed, which allows restoring the value of the measured input signal. The inverse model of a nonlinear dynamic measuring device is implemented based on a three-layer perceptron supplemented by delay lines of input signals. The properties of the proposed neural network compensator are studied through simulation computer modelling using various types of calibration input signals for the training of an artificial neural network.
    Zaproponowano kompensator sieci neuronowej dla nieliniowości dynamicznego przyrządu pomiarowego, który umożliwia odtworzenie wartości mierzonego sygnału wejściowego. Odwrotny model nieliniowego dynamicznego urządzenia pomiarowego realizowany jest w oparciu o trójwarstwowy perceptron uzupełniony o linie opóźniające sygnałów wejściowych. Właściwości proponowanego kompensatora sieci neuronowej są badane poprzez symulacyjne modelowanie komputerowe z wykorzystaniem różnego rodzaju sygnałów wejściowych kalibracji do uczenia sztucznej sieci neuronowej.
    Źródło:
    Pomiary Automatyka Robotyka; 2020, 24, 4; 57--60
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyzacja inwentaryzacji uszkodzeń powierzchni jezdni z wykorzystaniem sztucznych sieci neuronowych
    Using artificial neural networks to inventory of roadway damage with a pavement
    Autorzy:
    Pożarycki, A.
    Garbowski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/144344.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    uszkodzenia nawierzchni
    wizualna inwentaryzacja
    fotorejestracja uszkodzeń
    wzorce uszkodzeń nawierzchni
    zbiory treningowe
    sztuczne sieci neuronowe
    pavement damage
    visual assessment
    roadway damage imaging system
    pavement damage patterns
    training sets
    artificial neural network
    Opis:
    Fundamentalną umiejętność tworzenia filarów wiedzy inżynierskiej stanowi zdolność uczenia się i formułowania wniosków w oparciu o zasoby nauki gromadzonej przez wiele lat. Łączenie tego czynnika z nowatorskim podejściem kreowanym przez rozwój technologii skutkuje pewnym i stabilnym rozwiązaniem. W artykule przedstawiono integrację doświadczeń z zakresu systemu oceny stanu nawierzchni (SOSN) w zakresie wizualnej inwentaryzacji z teorią sztucznych sieci neuronowych (SSN). Łącząc interpretację wyników oceny stanu technicznego nawierzchni jezdni w oparciu o wizualną inwentaryzację z możliwościami przekształceń obrazu cyfrowego buduje się hybrydowy system, który w sposób automatyczny i obiektywny, dane z fotorejestracji przekształca do jednolitego wskaźnika stanu spękań i stanu powierzchni, klasyfikując stan nawierzchni jezdni według prostych i jednoznacznych do interpretacji kryteriów.
    The fundamental ability to create pillars of engineering knowledge is to learn and draw conclusions based on scientific resources collected over many years. Combining this factor with a novel approach that is continuously created by the development of the technology, someone gets a reliable and stable solution. This paper presents the concept of integration of experience in the field of pavement condition visual inventory (SOSN) with the theory of artificial neural networks (ANNs). By taking the interpretation of the road surface technical condition results based on a visual inventory and the digital image conversion capabilities it is possible to get a hybrid solution, which is automated distress data acquisition system producing the uniform cracks and surface condition index, making the criteria of pavement technical state assessment easy and clear to interpret.
    Źródło:
    Drogownictwo; 2013, 12; 374-379
    0012-6357
    Pojawia się w:
    Drogownictwo
    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