Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "sieć probabilistyczna" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Education Quality Detection Method Based on the Probabilistic Neural Network Algorithm
Autorzy:
Wu, Changdong
Jiang, Hua
Wang, Ping
Powiązania:
https://bibliotekanauki.pl/articles/328682.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
detection
probabilistic neural network
classification
students' achievement
education quality
probabilistyczna sieć neuronowa
klasyfikacja
osiągnięcia studentów
jakość kształcenia
Opis:
The traditional education quality detection method is too single and unreasonable, which is not suitable to evaluate students' ability comprehensively. In this paper, the probabilistic neural network (PNN) algorithm is used to detect the education quality by considering the important impact between the various achievements of students. PNN algorithm originates from Bayesian decision rule, and it uses the non-linear Gaussian Parzen window as the probability density function. As PNN model has the virtues of strong nonlinear and anti-interfering ability, it is fit to detect the education quality by classifying the students' achievements. Besides, the influences of different evaluation models on classification accuracy and efficiency are also discussed in this paper. Furthermore, the effect of spread value on PNN model is also discussed. Finally, the actual data are used to detect the education quality. Experimental results show that the detection accuracy can reach 95%, and the detection time is only 0.0156s based on the proposed method. That is to say, the method is a very practical detection algorithm with high accuracy and efficiency. Moreover, it also provides a reference for how to further improve the teaching quality.
Źródło:
Diagnostyka; 2020, 21, 4; 79-86
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Pattern Classification of Fabric Defects Using a Probabilistic Neural Network and Its Hardware Implementation using the Field Programmable Gate Array System
Klasyfikacja rodzaju defektów tkanin za pomocą probabilistycznej sztucznej sieci neuronowej oraz za pomocą systemu FPGA
Autorzy:
Hasnat, A.
Ghosh, A.
Khatun, A.
Halder, S.
Powiązania:
https://bibliotekanauki.pl/articles/234369.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
classification
fabric defect
field programmable gate array (FPGA)
radial basis function
probabilistic neural network
klasyfikacja wad tkanin
probabilistyczna sieć neuronowa
Opis:
This study proposes a fabric defect classification system using a Probabilistic Neural Network (PNN) and its hardware implementation using a Field Programmable Gate Arrays (FPGA) based system. The PNN classifier achieves an accuracy of 98 ± 2% for the test data set, whereas the FPGA based hardware system of the PNN classifier realises about 94±2% testing accuracy. The FPGA system operates as fast as 50.777 MHz, corresponding to a clock period of 19.694 ns.
W pracy zaprezentowano system klasyfikacji wad tkanin przy użyciu probabilistycznej sieci neuronowej (PNN) i przy zastosowaniu systemu Field Programmable Gate Array (FPGA). PNN pozwala na osiągnięcie dokładności 98 ± 2% dla zbioru danych testowych, podczas gdy system FPGA pozwala na osiągnięcie dokładności około 94 ± 2%. System FPGA pracuje przy częstotliwości 50,777 MHz, co odpowiada 19,694 ns.
Źródło:
Fibres & Textiles in Eastern Europe; 2017, 1 (121); 42-48
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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