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 "data networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Exchange Rates: Predictable but not Explainable? Data Mining with Leading Indicators and Technical Trading Rules
    Możliwości modelowania i prognozowania kursów walutowych: wskaźniki wyprzedzające i analiza techniczna
    Autorzy:
    Brandl, Bernd
    Powiązania:
    https://bibliotekanauki.pl/articles/907593.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    exchange rates
    data mining
    artificial neural networks
    genetic algorithms
    Opis:
    This paper presents a data mining approach to forecasting exchange rates. It is assumed that exchange rates are determined by both fundamental and technical factors. The balance of fundamental and technical factors varies for each exchange rate and frequency. It is difficult for forecasters to establish the relative relevance of different kinds of factors given this mixture; therefore the utilization of data mining algorithms is advantageous. The approach applied uses a genetic algorithm and neural networks. Out-of-sample forecasting results are illustrated for five exchange rates on different frequencies and it is shown that data mining is able to produce forecasts that perform well.
    W artykule przedstawiono proces eksploracji danych statystycznych w prognozowaniu kursów walutowych. Zakładamy, że kursy walutowe pozostają pod wpływem zarówno czynników o charakterze fundamentalnym, jak i czynników pozaekonomicznych. Równowaga pomiędzy tymi czynnikami różni się w zależności od rodzaju kursu walutowego i częstotliwości jego pomiaru. Prognostykom trudno jest ustalić względną siłę wpływu różnych czynników, stąd analiza polegająca na eksploracji danych ma określone zalety. W proponowanym podejściu wykorzystano algorytmy genetyczne i sztuczne sieci neuronowe. Przedstawiliśmy wyniki eksperymentów prognostycznych poza próbą statystyczną w odniesieniu do pięciu kursów walutowych, obserwowanych z różną częstotliwością. Pokazaliśmy, że metoda eksploracji danych może stanowić skuteczne narzędzie prognostyczne.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 192
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Investigation of the Applicability of Data-Driven Techniques in Hydrological Modeling: The Case of Seyhan Basin
    Autorzy:
    Turhan, Evren
    Keleş, Mümine Kaya
    Tantekin, Atakan
    Keleş, Abdullah Emre
    Powiązania:
    https://bibliotekanauki.pl/articles/1811777.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    artificial neural networks
    drought analysis
    data mining
    Multilayer Perceptron
    Seyhan Basin
    Opis:
    Proper water resources planning and management is based on reliable hydrological data. Missing rainfall and runoff observation data, in particular, can cause serious risks in the planning of hydraulics structures. Hydrological modeling process is quitely complex. Therefore, using alternative estimation techniques to forecast missing data is reasonable. In this study, two data-driven techniques such as Artificial Neural Networks (ANN) and Data Mining were investigated in terms of availability in hydrology works. Feed Forward Back Propagation (FFBPNN) and Generalized Regression Neural Networks (GRNN) methods were performed on rainfall-runoff modeling for ANN. Besides, Hydrological drought analysis were examined using data mining technique. The Seyhan Basin was preferred to carry out these techniques. It is thought that the application of different techniques in the same basin could make a great contribute to the present work. Consequently, it is seen that FFBPNN is the best model for ANN in terms of giving the highest R2 and lowest MSE values. Multilayer Perceptron (MLP) algorithm was used to predict the drought type according to limit values. This system has been applied to show the relationship between hydrological data and measure the prediction accuracy of the drought analysis. According to the obtained data mining results, MLP algorithm gives the best accuracy results as flow observation stations using SRI-3 month data.
    Źródło:
    Rocznik Ochrona Środowiska; 2019, Tom 21, cz. 1; 29-51
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ann modelling for the analysis of the green moulding sands properties
    Analiza właściwości syntetycznych mas formierskich z zastosowaniem sztucznych sieci neuronowych
    Autorzy:
    Jakubski, J.
    Malinowski, P.
    Dobosz, S. M.
    Major-Gabryś, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/356980.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    data mining
    artificial neural networks
    green moulding sands
    sztuczne sieci neuronowe
    syntetyczne masy formierskie
    Opis:
    Application of modern technological solutions, as well as the economic and ecological solutions, is for foundries one of the main aspects of the competitiveness on the market for castings. IT solutions can significantly support technological processes. This article presents neural networks with different structures that have been used to determine the moisture content of the moulding sand based on the moulding sand selected properties research results. Neural networks were built using Matlab software. Moulding sand properties chosen for quality control processes were selected based on wide previous results. For the proposed moulding sand properties, neural networks can be a useful tool for predicting moisture content. The structure of artificial neural network do not have a significant influence on the obtained results. In subsequent studies on the use of neural networks as an application to support the green moulding sand rebonding process, it must be determined how factors such as environmental humidity and moulding sand temperature will affect the accuracy of data obtained with the use of artificial neural networks.
    Zastosowanie nowoczesnych rozwiązań technologicznych, a także ekonomicznych i ekologicznych stanowi dla odlewni jeden z głównych aspektów konkurencyjności na rynku produktów odlewów. Doskonałym wsparciem dla procesów technologicznych są rozwiązania informatyczne. W artykule zaprezentowano sieci neuronowych o różnej strukturze, które zostały użyte do określania wilgotności masy formierskiej na podstawie wyników badania wybranych właściwości masy. Sieci neuronowe zbudowano z wykorzystaniem oprogramowania Matlab. Właściwości mas wybrane do procesów sterowania jakością zostały dobrane w oparciu o wcześniejsze wyniki badań. Dla zaproponowanych właściwości syntetycznych mas formierskich sztuczne sieci neuronowe mogą być użytecznym narzędziem do przewidywania wilgotności masy. Ilość warstw ukrytych w strukturze sieci nie ma wpływu na otrzymywane rezultaty. W kolejnych badaniach nad wykorzystaniem sieci neuronowych jako aplikacji wspierającej procesy odświeżania syntetycznych mas formierskich, należy okreslić, w jaki sposób czynniki takie jak wilgotność otoczenia, czy temperatura masy wpłyną na dokładność danych uzyskanych z wykorzystaniem sztucznych sieci neuronowych.
    Źródło:
    Archives of Metallurgy and Materials; 2013, 58, 3; 961-963
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-layer neural networks for sales forecasting
    Autorzy:
    Scherer, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/122611.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    data forecasting
    machine learning
    artificial neural networks
    sztuczna sieć neuronowa
    uczenie maszynowe
    systemy neuro-rozmyte
    Opis:
    Predicting business operations on the basis of previous events plays an important role in managing a company. In the paper, we predict monthly sales volume of a textile warehouse by mathematical tools. To this end we use a feedforward artificial neural network trained on past data. The network predicted the volume with high accuracy. For the examined company, such prediction is very important as nearly the entire range of products is imported from different countries and the goods have to be ordered in advance.
    Źródło:
    Journal of Applied Mathematics and Computational Mechanics; 2018, 17, 1; 61-68
    2299-9965
    Pojawia się w:
    Journal of Applied Mathematics and Computational Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie perceptronu wielowarstwowego do wyszczególniania obiektów o znaczeniu orientacyjnym na mapach topograficznych
    The use of a multilayer perceptron for specifying the landmarks on topographic maps
    Autorzy:
    Pokonieczny, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/345795.pdf
    Data publikacji:
    2016
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Tematy:
    sztuczne sieci neuronowe
    obiekty orientacyjne
    klasyfikacja obiektów przestrzennych
    artificial neural networks
    landmarks
    spatial data classification
    Opis:
    W artykule została poruszona problematyka wyboru obiektów o znaczeniu orientacyjnym tj. trwałych obiektów i przedmiotów sytuacyjnych, które łatwo rozpoznać w terenie i według których dokładnie i szybko można określić swoje położenie. Do ich wyszczególniania, wykorzystano sztuczne sieci neuronowe (a konkretnie perceptron wielowarstwowy). W artykule opisano zarówno sposób doboru najwłaściwszej architektury sieci neuronowej, jak i wprowadzane do niej dane wejściowe (parametry opisujące obiekt oraz jego otoczenie). Testy przeprowadzono dla obszaru 4 arkuszy Wojskowej Mapy Topograficznej w skali 1:50 000. Przeanalizowano 4 klasy obiektów (komin, krzyż przydrożny, pomnik i punkt wysokościowy). W celu wyboru odpowiedniej architektury sieci, wykonano sprawdzenie krzyżowe, polegające na podziale próby uczącej na 3 części (uczącą, testową i walidacyjną). Pozwoliło to na wybór 10 najlepszych sieci, które zostały połączone w zespół sztucznych sieci neuronowych. Ponadto przeprowadzono globalną analizę wrażliwości, co pomogło określić, które zmienne mają największy wpływ na możliwość zakwalifikowania obiektu do grupy obiektów orientacyjnych. Wdrożenie sieci wykonano na bazie zbioru danych testowych znajdujących się na obszarze sąsiedniego arkusza mapy. Wyniki wskazują, że przygotowana sieć neuronowa we właściwy sposób potrafiła wyszczególnić obiekt o znaczeniu orientacyjnym. Najwyższy współczynnik nadawany był wysokim, odosobnionym obiektom, co było zgodne ze sposobem nauczania sieci neuronowej. Zastosowanie ciągłej funkcji aktywacji pozwoliło na wyznaczenie współczynnika w ciągłym przedziale od 0 do 1. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 i mapy w skali 1 : 50 000.
    The presented article concerns the issue of landmarks selection i.e. solid objects and situational items that may be easily identified in the field. To specify them the artificial neural networks (a multi-layer perceptron) have been used. The article describes both, how to select the most appropriate neural network architecture and input data (attribute and spatial) which are entered to the network. The tests have been performed for the area of 4 sheets of the Military Topographic Map at 1:50 000 scale. 4 classes of objects have been analyzed (a chimney, a wayside cross, a monument and an elevation spot). To select the appropriate network architecture the cross-validation has been performed. The learning sample has been divided into 3 parts (one learning, one testing and one validation sample). This allowed to select the top 10 networks. In addition a global sensitivity analysis was conducted, which helped to determine variables with the greatest impact on the results. Implementation of the network was made based on a test data set, located in the area of the adjacent map sheets. The results showed that the neural network was able to correctly specify a landmark. The highest index was assigned to high, isolated objects, which was in line with the way of teaching the neural network. The usage of a continuous activation function allowed to determine the index in the continuous range 0 to 1. The spatial data from the Vector Map Level 2 and the Military Topographic Map at 1:50 000 scale have been used for studies described in this article.
    Źródło:
    Roczniki Geomatyki; 2016, 14, 3(73); 397-405
    1731-5522
    2449-8963
    Pojawia się w:
    Roczniki Geomatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Blender jako narzędzie do generacji danych syntetycznych
    Blender as a tool for generating synthetic data
    Autorzy:
    Sieczka, Rafał
    Pańczyk, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/98204.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    artificial neural networks
    convolutional neural network
    synthetic data
    blender
    sztuczne sieci neuronowe
    konwolucyjne sieci neuronowe
    dane syntetyczne
    Opis:
    Acquiring data for neural network training is an expensive and labour-intensive task, especially when such data is difficult to access. This article proposes the use of 3D Blender graphics software as a tool to automatically generate synthetic image data on the example of price labels. Using the fastai library, price label classifiers were trained on a set of synthetic data, which were compared with classifiers trained on a real data set. The comparison of the results showed that it is possible to use Blender to generate synthetic data. This allows for a significant acceleration of the data acquisition process and consequently, the learning process of neural networks.
    Pozyskiwanie danych do treningu sieci neuronowych, jest kosztownym i pracochłonnym zadaniem, szczególnie kiedy takie dane są trudno dostępne. W niniejszym artykule zostało zaproponowane użycie programu do grafiki 3D Blender, jako narzędzia do automatycznej generacji danych syntetycznych zdjęć, na przykładzie etykiet cenowych. Przy użyciu biblioteki fastai, zostały wytrenowane klasyfikatory etykiet cenowych, na zbiorze danych syntetycznych, które porównano z klasyfikatorami trenowanymi na zbiorze danych rzeczywistych. Porównanie wyników wykazało, że możliwe jest użycie programu Blender do generacji danych syntetycznych. Pozwala to w znaczącym stopniu przyśpieszyć proces pozyskiwania danych, a co za tym idzie proces uczenia sieci neuronowych.
    Źródło:
    Journal of Computer Sciences Institute; 2020, 16; 227-232
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Data-driven discharge analysis: a case study for the Wernersbach catchment, Germany
    Autorzy:
    Popat, Eklavyya
    Kuleshov, Alexey
    Kronenberg, Rico
    Bernhofer, Christian
    Powiązania:
    https://bibliotekanauki.pl/articles/108441.pdf
    Data publikacji:
    2020
    Wydawca:
    Instytut Meteorologii i Gospodarki Wodnej - Państwowy Instytut Badawczy
    Tematy:
    artificial neural networks
    data-driven modelling
    event-based coefficient of rainfall-runoff
    precipitation
    multi-correlation analysis
    soil moisture content
    Opis:
    This study focuses on precipitationdischarge data-driven models, with regression analysis between the weighted maximum rainfall and maximum discharge of flood events. It is also the first of its kind investigation for the Wernersbach catchment, which incorporates data-driven models in order to evaluate the suitability of the model in simulating the discharge from the catchment and provide good insights for future studies. The input parameters are hydrological and climate data collected from 2001 to 2009, including precipitation, rainfall-runoff and soil moisture. The statistical regression and artificial neural network models used are based on a data-driven multiple linear regression technique, and the same input parameters are applied for validation and calibration. The artificial neural network model has one hidden layer with a sigmoidal activation function and uses a linear activation function in the output layer. The artificial neural network is observed to model 0.7% and 0.5% of values, with and without extreme values respectively. With less than 1% error, the artificial neural network is observed to predict extreme events better compared to the conventional statistical regression model and is also better suited to the tasks of rainfall-runoff and flood forecasting. It is presumed that in the future this study’s conclusions would form the basis for more complex and detailed studies for the same catchment area.
    Źródło:
    Meteorology Hydrology and Water Management. Research and Operational Applications; 2020, 8, 1; 54-62
    2299-3835
    2353-5652
    Pojawia się w:
    Meteorology Hydrology and Water Management. Research and Operational Applications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do wyznaczania przepuszczalności skał na podstawie danych otworowych z rejonu Dzików–Wola Obszańska w północno-wschodniej części zapadliska przedkarpackiego
    Artificial Neural Networks applying for determining the absolute rock permeability on the basis of data from boreholes situated on the Dzików–Wola Obszańska area (northeastern part of the Carpathian Foredeep Basin)
    Autorzy:
    Jarzyna, J.
    Prętka, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/2063104.pdf
    Data publikacji:
    2010
    Wydawca:
    Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
    Tematy:
    przepuszczalność skał
    sztuczne sieci neuronowe SSN
    selekcja danych wejściowych
    profilowania geofizyki otworowej
    rock permeability
    artificial neural networks
    input data selection
    well logging
    Opis:
    Zbadano zdolność sztucznych sieci neuronowych SNN do oceny przepuszczalności absolutnej skał. Do tego celu wykorzystano dane z pięciu otworów wiertniczych, zlokalizowanych w północno-wschodniej części zapadliska przedkarpackiego: Dzików 16, 17, 20 oraz Wola Obszańska 10 i 15. Modele neuronowe stworzono na podstawie wyników badań laboratoryjnych próbek skał pobranych w wymienionych otworach, profilowań geofizyki otworowej oraz wyników kompleksowej interpretacji tych profilowań. Otrzymano SSN, służącą do odtwarzania wartości przepuszczalności całkowitej, określonej w laboratorium. Następnie model neuronowy wdrożono do estymowania przepuszczalności w otworze wiertniczym DZ17, przenosząc tym samym rozpoznane wcześniej zależności na nowy zbiór danych. Sieci neuronowe mogą stanowić alternatywę dla klasycznych metod wyznaczania przepuszczalności skał.
    The absolute rock permeability was determinated with the use of artificial neural networks (ANN). Authors checked up ANN ability to determine permeability on the data from five borehole locked in northeastern part of the Carpathian Foredeep: Dzików 16, 17, 20 and Wola Obszańska 10 and 15. Neural models were built on the basis of results from laboratory tests, well logs data and the results of the comprehensive interpretation. ANN provided good results in estimating laboratory permeability. The best neural network was applied on similar data set from DZ17 borehole to show that complicated links between input variable and absolute permeability can be used for prediction of permeability from another data. It is hard to find deft deterministic model for permeability estimation so neural model gained in training process is an alternative method.
    Źródło:
    Biuletyn Państwowego Instytutu Geologicznego; 2010, 439 (2); 399--402
    0867-6143
    Pojawia się w:
    Biuletyn Państwowego Instytutu Geologicznego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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