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 "networks classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 21
Tytuł:
Application of Social Network Inferred Data to Churn Modeling in Telecoms
Autorzy:
Gruszczyński, W.
Arabas, P.
Powiązania:
https://bibliotekanauki.pl/articles/308695.pdf
Data publikacji:
2016
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
churn reduction
classification
social networks
Opis:
The subject of this work is the use of social network analysis to increase the effectiveness of methods used to predict churn of telephony network subscribers. The social network is created on the basis of operational data (CDR records). The result of the analysis is customer segmentation and additional predictor variables. Proposed hybrid predictor employs set of regression models tuned to specific customer segments. The verification was performed on data obtained from one of the Polish operators.
Źródło:
Journal of Telecommunications and Information Technology; 2016, 2; 77-86
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Approach to classifying data with highly localized unmarked features using neural networks
Autorzy:
Grzeszczuk, Rafał
Powiązania:
https://bibliotekanauki.pl/articles/305688.pdf
Data publikacji:
2019
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
classification
neural networks
medical image analysis
Opis:
To face the increasing demand of quality healthcare, cutting-edge automation technology is being applied in demanding areas such as medical imaging. This paper proposes a novel approach to classification problems on datasets with sparse highly localized features. It is based on the use of a saliency map in the amplification of features. Unlike previous efforts, this approach does not use any prior information about feature localization. We present an experimental study based on the Diabetic Retinopathy classification problem, in which our method has shown to achieve an over 20%-higher accuracy in solving a two-class Diabetic Retinopathy classification problem than a naive approach based solely on residual neural networks. The dataset consists of 35,120 images of various qualities, inconsistent resolutions, and aspect ratios.
Źródło:
Computer Science; 2019, 20 (3); 329-342
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modified neuro-fuzzy TSK network and its application in electronic nose
Autorzy:
Osowski, S.
Brudzewski, K.
Tran-Hoai, L.
Powiązania:
https://bibliotekanauki.pl/articles/201226.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
neuro-fuzzy TSK networks
fuzzy clusterization
regression
classification
Opis:
The paper develops the modified structure of the Takagi-Sugeno-Kang neuro-fuzzy network with a theoretical basis for its adaptation. The simplified structure follows from the basic theoretical considerations concerning the way of creating the inference rules. The important point of this solution is the application of the fuzzy clustering algorithm to the input data. The efficiency of the proposed solution has been checked on the examples of regression and classification problems concerning the electronic nose.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2013, 61, 3; 675-680
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Semiautomatic land cover mapping according to the 2nd level of the CORINE Land Cover legend
Autorzy:
Golenia, M.
Zagajewski, B.
Ochtyra, A.
Hościło, A.
Powiązania:
https://bibliotekanauki.pl/articles/92466.pdf
Data publikacji:
2015
Wydawca:
Oddział Kartograficzny Polskiego Towarzystwa Geograficznego
Tematy:
classification
Corine Land Cover
Landsat
artificial neural networks
Warsaw
Opis:
Actual land cover maps are a very good source of information on present human activities. It increases value of actual spatial databases and it is a key element for decision makers. Therefore, it is important to develop fast and cheap algorithms and procedures of spatial data updating. Every day, satellite remote sensing deliver vast amount of new data, which can be semi-automatically classified. The paper presents a method of land cover classification based on a fuzzy artificial neural network simulator and Landsat TM satellite images. The latest CORINE Land Cover 2012 polygons were used as reference data. Three satellite images acquired 21 April 2011, 5 June 2010, 27 August 2011 over Warsaw and surrounding areas were processed. As an outcome of classification procedure, the maps, error matrices and a set of overall, producer and user accuracies and a kappa coefficient were achieved. The classification accuracy oscillates around 76% and confirms that artificial neural networks can be successfully used for forest, urban fabric, arable land, pastures, inland waters and permanent crops mapping. Low accuracies were obtained in case of heterogenic land cover units.
Źródło:
Polish Cartographical Review; 2015, 47, 4; 203-212
2450-6974
Pojawia się w:
Polish Cartographical Review
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci neuronowych do klasyfikacji uszkodzeń maszyn wirujących
Application of neural networks to classification of malfunctions of rotating machinery
Autorzy:
Barszcz, T.
Powiązania:
https://bibliotekanauki.pl/articles/328828.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wibrodiagnostyka
sieć neuronowa
NARX
klasyfikacja
vibrodiagnostics
neural networks
classification
Opis:
Maszyny wirujące są najczęściej modelowane z dobrą dokładnością metodami liniowymi. Niektóre uszkodzenia tych maszyn mają jednak naturę nieliniową. Typowymi przykładami takich uszkodzeń są luzy posadowienia lub przytarcia wirnika. Zjawiska te powinny być wykrywane przy uwzględnieniu istnienia nieliniowości. Dobrą metodą modelowania takich nieliniowości jest NARX - metoda identyfikacji systemów nieliniowych. Osobnym problemem jest przejście od problemu modelowania zjawisk nieliniowych do wykorzystania takiego modelu do diagnostyki. Niniejszy artykuł prezentuje kilka możliwych podejść, a następnie proponuje metodę klasyfikacji opartą na sieciach NARX. Zaletą metody jest możliwość jej zastosowania do wykrywania nowych uszkodzeń, które nie były znane na etapie trenowania sieci. W końcowej części opisano zastosowanie metody do klasyfikacji nieliniowych uszkodzeń mierzonych na stanowisku badawczym.
Rotating machinery are most often modeled with good accuracy using linear methods. Some malfunctions, however, are of non-linear nature. Typical examples of those malfunctions are loose bearings and rotor rub. These phenomena can be detected taking nonlinearities into account. Good method to detect it is NARX - identification of nonlinear systems. Separate problem is the transition from modeling of nonlinear phenomena to using such models in diagnostics. The following paper presents few approaches and then proposes the method of classification based on NARX networks. The advantage of the method is the possibility to detect new failures, which were not known at the time of training the network. The last part of the paper describes application of the proposed method to the data acquired on the test rig.
Źródło:
Diagnostyka; 2006, 1(37); 107-113
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
  • odwiedzone
Tytuł:
An Ensemble of Statistical Metadata and CNN Classification of Class Imbalanced Skin Lesion Data
Autorzy:
Nayak, Sachin
Vincent, Shweta
Sumathi, K.
Kumar, Om Prakash
Pathan, Sameena
Powiązania:
https://bibliotekanauki.pl/articles/2055258.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
classification
Convolutional Neural Networks
Ensemble Learning
machine learning
metadata
Opis:
Skin Cancer is one of the most widely present forms of cancer. The correct classification of skin lesions as malignant or benign is a complex process that has to be undertaken by experienced specialists. Another major issue of the class imbalance of data causes a bias in the results of classification. This article presents a novel approach to the usage of metadata of skin lesions images to classify them. The usage of techniques addresses the problem of class imbalance to nullify the imbalances. Further, the use of a convolutional neural network (CNN) is proposed to finetune the skin lesion data classification. Ultimately, it is proven that an ensemble of statistical metadata analysis and CNN usage would result in the highest accuracy of skin color classification instead of using the two techniques separately.
Źródło:
International Journal of Electronics and Telecommunications; 2022, 68, 2; 251--257
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The SVM method as an instrument for the classification of vertical displacements
Autorzy:
Mrówczyńska, M.
Powiązania:
https://bibliotekanauki.pl/articles/106759.pdf
Data publikacji:
2015
Wydawca:
Politechnika Warszawska. Wydział Geodezji i Kartografii
Tematy:
neural networks
classification
vertical displacements
sieci neuronowe
klasyfikacja
przemieszczenia pionowe
Opis:
The article presents the basic rules for constructing and training neural networks called the Support Vector Machine method as well as possible applications for this kind of network. SVM networks are mainly used for solving tasks of classifying linearly and non-linearly separable data and regression. However, in recent years more applications have been found for them. The networks also solve such problems as the recognition of signals and images as well as speech identification.In this paper, non-linear SVM networks have been used for classifying linearly separable and non-separable data with a view to formulating a model of displacements of points in a measurement-control network. The points of the measurement-control network were placed on a civil engineering object located on expansive soil (linearly separable data) and represented a mining exploitation area (linearly non-separable data). The task of training SVM networks requires the use of quadratic programming in search of an optimum point of the Lagrangian function in relation to the parameters being optimised. In the case of linearly non-separable data, the SVM method makes it possible to find a hyperplane which classifies objects as correctly as possible, and at the same time is located possibly far away from concentrations typical of each class.
Źródło:
Reports on Geodesy and Geoinformatics; 2015, 98; 18-27
2391-8365
2391-8152
Pojawia się w:
Reports on Geodesy and Geoinformatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification, Association and Pattern Completion Using Neural Similarity Based Methods
Autorzy:
Duch, W.
Adamczak, R.
Diercksen, G. H. F.
Powiązania:
https://bibliotekanauki.pl/articles/911147.pdf
Data publikacji:
2000
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć neuronowa
klasyfikacja
rozpoznawanie obrazów
neural networks
classification
association
pattern recognition
Opis:
A framework for Similarity-Based Methods (SBMs) includes many classification models as special cases: neural networks of the Radial Basis Function type, Feature Space Mapping neurofuzzy networks based on separable transfer functions, Learning Vector Quantization, variants of the k nearest neighbor methods and several new models that may be presented in a network form. Multilayer Perceptrons (MLPs) use scalar products to compute a weighted activation of neurons, combining soft hyperplanes to provide decision borders. Distance-based multilayer perceptrons (D-MLPs) evaluate the similarity of inputs to weights offering a natural generalization of standard MLPs. A cluster- based initialization procedure determining the architecture and values of all adaptive parameters is described. Networks implementing SBM methods are useful not only for classification and approximation, but also as associative memories, in problems requiring pattern completion, offering an efficient way to deal with missing values. Non-Euclidean distance functions may also be introduced by normalization of the input vectors in an extended feature space. Both the approaches dramatically influence the shapes of decision borders. An illustrative example showing these changes is provided.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2000, 10, 4; 747-766
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikatory neuronowe typu SVM w zastosowaniu do klasyfikacji przemieszczeń pionowych na obszarze LGOM
SVM neural classifiers used for classifying vertical displacements in the Legnica-Głogów Copper Mining Area
Autorzy:
Mrówczyńska, M.
Powiązania:
https://bibliotekanauki.pl/articles/394109.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
sieci neuronowe SVM
klasyfikacja
przemieszczenia pionowe
SVM neural networks
classification
vertical displacements
Opis:
W prezentowanym artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych SVM (ang. Support Vector Machine) zwane inaczej metodą (techniką) wektorów podtrzymujących. Sieci SVM znajdują głównie zastosowanie w rozwiązywaniu zadań klasyfikacji danych separowalnych i niesparowalnych liniowo oraz zadań regresji. W ostatnich latach zakres zastosowań tego typu sieci został poszerzony i sieci rozwiązują również takie problemy jak rozpoznawanie sygnałów i obrazów, identyfikacja mowy oraz diagnostyka medyczna. W pracy sieci nieliniowe SVM wykorzystano do klasyfikacji danych nieseparowalnych liniowo w postaci przemieszczeń punktów sieci pomiarowo-kontrolnej reprezentujących obszar, na którym prowadzona jest eksploatacja górnicza. Uczenia sieci neuronowej SVM wymaga implementacji programowania kwadratowego w poszukiwaniu punktu optymalnego funkcji Lagrange'a względem optymalizowanych parametrów. W przypadku danych nieseparowalnych liniowo, metoda SVM pozwala na znalezienie hiperpłaszczyzny, która klasyfikuje obiekty na tyle poprawnie, na ile jest to możliwe i jednocześnie przebiega możliwe daleko od typowych skupień dla każdej z klas. Za pomocą metody SVM można również znaleźć krzywoliniową granicę separacji o dużym marginesie separacji, wykorzystując zabieg podniesienia wymiarowości. Jakość uzyskanych wyników separacji jest uzależniona od przyjętej postaci funkcji jądra.
This article presents basic rules for constructing and training SVM neural networks. SVM neural networks are mainly used for solving tasks involving the classification of linearly and non-linearly separable data, as well as regression tasks. In recent years, the application of these types of networks has expanded, and now they are also used for solving problems such as recognition of signals and pictures, speech identification, and in medical diagnostics. In this analysis non-linear SVM networks were used for classifying linearly non-separable data in the form of vertical displacements of points representing a mining area in a measurement and control network. Training an SVM neural network requires the use of quadrant programming in search of an optimum point of a Lagrangian function in relation to the parameters which are being optimised. In the case of linearly non-separable data, the SVM method makes it possible to find a hyper plane which classifies objects as correctly as possible, and at the same time is located far enough from concentrations typical of each class. By means of raising dimensionality, the SVM method can also be used to find a curvilinear separation boundary with a wide separation margin. The quality of the results obtained depends on the adopted form of the kernel function.
Źródło:
Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2014, 86; 69-81
2080-0819
Pojawia się w:
Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie i ocena metod klasyfikacji sygnałów EEG
Analysis and classification of EEG data. An evaluation of methods
Autorzy:
Rutkowski, G.
Patan, K.
Powiązania:
https://bibliotekanauki.pl/articles/154847.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
EEG
sztuczne sieci neuronowe
rozpoznawanie obrazów
klasyfikacja
artificial neural networks
pattern recognition
classification
Opis:
Analiza i interpretacja sygnałów elektroencefalograficznych znalazła szerokie spektrum zastosowań w diagnostyce klinicznej. Pomimo licznych doświadczeń specjalistów, ciągle napotyka się wiele trudności. Powstające problemy związane są m.in. z aspektami technicznymi co spowodowane jest charakterem niestacjonarności w przypadku sygnałów takich jak sygnały EEG. Rozwiązania sprzętowe i programowe w tej dziedzinie są poddawane ciągłej poprawie ze względu na rozwój technologiczny. Bardzo obiecującym narzędziem w analizie i interpretacji sygnałów EEG są sztuczne sieci neuronowe. W pracy przedstawiono eksperymenty oparte o analizę i klasyfikację danych biomedycznych za pomocą różnych technik, w tym metod klasycznych takich jak naiwny klasyfikator Bayesa, k najbliższych sąsiadów z zastosowaniem metod sztucznej inteligencji takich jak klasyfikatory SVM czy perceptron wielowarstwowy.
Analysis and interpretation methods of electroencephalogram signals have found a broad spectrum of applications in clinical diagnosis. Despite the experience of professionals, biomedical data analysis encounters many difficulties. Measurement problems are associated with both the technical ground that determines the character of non-stationarity of EEG signals and the individual nature of a neurological dysfunction. The existing hardware and software have been continuously improved due to the rapid progress of technological development. Very promising tool in the analysis and interpretation of the EEG signals are artificial neural networks. An electroencephalogram (EEG) is a noninvasive technique for measurement of processes occurring in the human brain. This technique allows direct measurement of electrical potentials of neuronal activity. EEG is thus recording of electrical activity of nerve cells on the surface of the cerebral cortex. Seizures are very important element in clinical diagnosis due to the ongoing search for causal link in generating sudden discharges of electricity. The interpretation of such signals may allow for appropriate treatment and selection of relevant therapy for individual cases. There have been many works in the area of electroencephalography which used artificial neural networks involving among the others in the process of recognizing specific graphoelements, which in turn indicate a definite neurological dysfunction. Neural networks are also able to extract the relevant information contained in the EEG signals and support the process of solving problems, such as the identification of characteristic EEG [1, 5, 6] patterns or determine patterns based on spectral EEG topography [3]. Neural networks are also used to identify artifacts, where inputs to the classifier are implemented in the form of selected parameters of a specific wave length [10]. The paper presents experiments based on the analysis and classification of biomedical data using various techniques, including classical methods such as naive Bayes classifiers, and nearest neighbor using artificial intelligence methods including SVM classifiers and multilayer perceptron.
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 369-371
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Influence of gestational age on neural networks interpretation of fetal monitoring signals
Autorzy:
Jeżewski, M.
Czabański, R.
Horoba, K.
Wróbel, J.
Łęski, J.
Jeżewski, J.
Powiązania:
https://bibliotekanauki.pl/articles/333505.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
monitoring płodu
kardiotokografia
klasyfikacja
sieci neuronowe
fetal monitoring
cardiotocography
classification
neural networks (NN)
Opis:
Cardiotocographic monitoring (CTG) is a primary biophysical monitoring method for assessment of the fetal state and is based on analysis of fetal heart rate, uterine contraction activity and fetal movement signals. Visual analysis of CTG traces is very difficult so computer-aided fetal monitoring systems have become a standard in clinical centres. We proposed the application of neural networks for the prediction of fetal outcome using the parameters of quantitative description of acquired signals as inputs. We focused on the influence of the gestational age (during trace recording) on the fetal outcome classification quality. We designed MLP and RBF neural networks with changing the number of neurons in the hidden layer to find the best structure. Networks were trained and tested fifty times, with random cases assignment to training, validating and testing subset. We obtained the value of sensitivity index above 0.7, what may be regarded as good result. However additional trace grouping within similar gestational age, increased classification quality in the case of MLP networks.
Źródło:
Journal of Medical Informatics & Technologies; 2008, 12; 137-142
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Empirical Evaluation of Methods of Filling the Missing Data in Learning Probabilistic Models
Porównanie metod uzupełniania danych brakujących w uczeniu modeli probabilistycznych
Autorzy:
Falkowski, A. A.
Łupińska-Dubicka, A.
Powiązania:
https://bibliotekanauki.pl/articles/88374.pdf
Data publikacji:
2018
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
dane brakujące
model probabilistyczny
sieci Bayesa
klasyfikacja
missing data
probabilistic models
Bayesian networks
classification
Opis:
Missing data is a common problem in statistical analysis and most practical databases contain missing values of some of their attributes. Missing data can appear for many reasons. However, regardless of the reason for the missing values, even a small percent of missing data can cause serious problems with analysis reducing the statistical power of a study and leading to draw wrong conclusions. In this paper the results of handling missing observations in learning probabilistic models were presented. Two data sets taken from UCI Machine Learning Repository were used to learn the quantitative part of the Bayesian networks. To provide the opportunity to compare selected data sets did not contain any missing values. For each model data sets with variety of levels of missing values were artificially generated. The main goal of this paper was to examine whether omitting observations has an influence on model’s reliability. The accuracy was defined as the percentage of correctly classified records and has been compared to the results obtained in the data set not containing missing values.
Brakujące dane są częstym problemem w analizie statystycznej, a większość baz danych zawiera brakujące wartości niektórych z ich atrybutów. Brakujące dane mogą pojawiać się z wielu powodów. Jednak bez względu na przyczynę brakujących wartości nawet ich niewielki procent może spowodować poważne problemy z analizą, zmniejszając siłę statystyczną badania i prowadząc do wyciągnięcia błędnych wniosków. W artykule przedstawiono wyniki uzupełniania danych brakujących w uczeniu modeli probabilistycznych. Dwa zestawy danych pobrane z repozytorium uczenia maszynowego UCI posłużyły do wytrenowania ilościowej części sieci bayesowskich. Aby zapewnić możliwość porównania wybrane zbiory danych nie zawierały żadnych brakujących wartości. Dla każdego modelu zbiory danych z różnymi poziomami brakujących wartości zostały sztucznie wygenerowane. Głównym celem tego artykułu było zbadanie, czy braki w obserwacjach mają wpływ na niezawodność modelu. Dokładność została zdefiniowana jako procent poprawnie zaklasyfikowanych rekordów i została porównana z wynikami uzyskanymi w zbiorze danych niezawierającym brakujących wartości.
Źródło:
Advances in Computer Science Research; 2018, 14; 55-67
2300-715X
Pojawia się w:
Advances in Computer Science Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie zmian jakości wód podziemnych w układzie przestrzennym z wykorzystaniem sieci neuronowych
Spatial predictions of groundwater quality changes using neural networks
Autorzy:
Kmiecik, E.
Powiązania:
https://bibliotekanauki.pl/articles/2063365.pdf
Data publikacji:
2004
Wydawca:
Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:
jakość wód podziemnych
sieci monitoringowe
dane hydrogeochemiczne
sieci neuronowe
predykcja
klasyfikacja
groundwater quality
monitoring networks
hydrogeochemical data
neural networks
prediction
classification
Opis:
Zastosowanie sieci neuronowych do prognozowania zmian jakości wód w układzie przestrzennym oparte zostało na istniejącej bazie danych, zawierającej wyniki uzyskane w ramach regionalnego monitoringu jakości wód podziemnych RMWP przeprowadzonego dla zlewni górnej Wisły w latach 1993-1994 (Witczak i in., 1994a, b). Wyniki oznaczeń terenowych i laboratoryjnych (55) wskaźników fizykochemicznych (nieorganicznych i organicznych) wód poddano weryfikacji z zastosowaniem parametrów kontroli jakości oraz statystycznej analizy rozkładu tych wskaźników. Na zweryfikowanej bazie danych przeprowadzono próby predykcji wartości wskaźników fizykochemicznych wód dla punktu monitoringowego o określonych współrzędnych oraz klasyfikacji punktu monitoringowego (na podstawie wyników oznaczeń wskaźników fizykochemicznych) do obszaru o określonym użytkowaniu terenu. Uzyskane wyniki badań wskazują, że sieci neuronowe można z powodzeniem wykorzystać do prognozowania zmian jakości wód w układzie przestrzennym. Warunkiem jednak, by uzyskiwane prognozy cechowały się wysokim stopniem wiarygodności, jest konieczność weryfikacji danych wejściowych wprowadzanych do modelu.
This paper presents using neural networks in spatial prediction of groundwater quality changes on the base of existing database. This database consists of results of regional groundwater quality monitoring of the upper Vistula river basin carried out in 1993-1994 (Witczak et al., 1994a, b). Data (the results of field and laboratory determinations of physicochemical indicators of groundwater quality) was verified using quality control parameters and statistical analysis. On the verified database were conducted predictive trials to provide values of physicochemical indicators for the monitoring sites with known coordinates and monitoring site classification (on the base of physicochemical indicators values) to the area of known type of land-use. The results of such a study show that neural networks can be succesfully used for spatial prediction of changes in groundwater quality. The condition for reliability of the prognoses is verification of input data loaded to the model.
Źródło:
Biuletyn Państwowego Instytutu Geologicznego; 2004, 412, Hydrogeologia z. 6; 5-70
0867-6143
Pojawia się w:
Biuletyn Państwowego Instytutu Geologicznego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine learning system for automated blood smear analysis
Autorzy:
Grochowski, Michał
Wąsowicz, Michał
Mikołajczyk, Agnieszka
Ficek, Mateusz
Kulka, Marek
Wróbel, Maciej S.
Jędrzejewska-Szczerska, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/220750.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
optical microscopy
blood cells
biophotonics
image analysis
classification
eigenfaces
neural networks
decision support
nanodiamonds
bioimaging
Opis:
In this paper the authors propose a decision support system for automatic blood smear analysis based onmicroscopic images. The images are pre-processed in order to remove irrelevant elements and to enhancethe most important ones – the healthy blood cells (erythrocytes) and the pathologic ones (echinocytes). The separated blood cells are analysed in terms of their most important features by the eigenfaces method. The features are the basis for designing the neural network classifier, learned to distinguish between erythrocytes and echinocytes. As the result, the proposed system is able to analyse the smear blood images in a fully automatic way and to deliver information on the number and statistics of the red blood cells, both healthy and pathologic. The system was examined in two case studies, involving the canine and human blood, and then consulted with the experienced medicine specialists. The accuracy of classification of red blood cells into erythrocytes and echinocytes reaches 96%.
Źródło:
Metrology and Measurement Systems; 2019, 26, 1; 81-93
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozpoznawanie stanu technicznego przekładni zębatych z wykorzystaniem sieci neuronowej CP
Identification of the Technical State of Toothed Gears with the Use of CP Neural Network
Autorzy:
Dybała, J.
Powiązania:
https://bibliotekanauki.pl/articles/360674.pdf
Data publikacji:
2005
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
sieci neuronowe
klasyfikacja
diagnostyka wibroakustyczna
przekładnie zębate
OMiUO 2005
neural networks
classification
vibroacoustic diagnostics
toothed gears
Opis:
W artykule przedstawiono sposób zastosowywania neuronowego klasyfikatora zbudowanego na bazie sieci neuronowej z propagacją przeciwną w diagnostyce wibroakustycznej przekładni zębatych. W końcowej części artykułu przedstawiono jako przykład wyniki eksperymentu laboratoryjnego.
This article presents a way of applying a neural classifier constructed on the basis of a counter-propagation neural network in vibroacoustic diagnosis of toothed gears. In the final part of the article the results of a laboratory experiment are presented.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2005, 5 (77); 227-236
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 21

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