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 treatment" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    A Method to Make Classification of the Heat Treatment Processes Performed on Bronze Using Incomplete Knowledge
    Autorzy:
    Kluska-Nawarecka, S.
    Górny, Z.
    Regulski, K.
    Wilk-Kołodziejczyk, D.
    Jančíková, Z.
    David, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/947501.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    information technology
    foundry industry
    heat treatment
    classification algorithms
    rough sets
    data mining
    technologia informacyjna
    przemysł odlewniczy
    obróbka cieplna
    algorytmy klasyfikacyjne
    zbiory przybliżone
    Opis:
    The article describes the problem of selection of heat treatment parameters to obtain the required mechanical properties in heat- treated bronzes. A methodology for the construction of a classification model based on rough set theory is presented. A model of this type allows the construction of inference rules also in the case when our knowledge of the existing phenomena is incomplete, and this is situation commonly encountered when new materials enter the market. In the case of new test materials, such as the grade of bronze described in this article, we still lack full knowledge and the choice of heat treatment parameters is based on a fragmentary knowledge resulting from experimental studies. The measurement results can be useful in building of a model, this model, however, cannot be deterministic, but can only approximate the stochastic nature of phenomena. The use of rough set theory allows for efficient inference also in areas that are not yet fully explored.
    Źródło:
    Archives of Foundry Engineering; 2014, 14, 2; 69-72
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Evaluation of the impact of explanatory variables on the accuracy of prediction of daily inflow to the sewage treatment plant by selected models nonlinear
    Ocena wpływu zmiennych objaśniających na dokładność predykcji dobowego dopływu do oczyszczalni ścieków wybranymi modelami nieliniowymi
    Autorzy:
    Szeląg, B.
    Bartkiewicz, L.
    Studziński, J.
    Barbusiński, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/205349.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    wastewater treatment plant
    data mining
    random forest
    forecasting inflow
    k-nearest neighbour
    Kernel regression
    oczyszczalnia ścieków
    wydobywanie danych
    las losowy
    dopływ ścieków
    modelowanie
    k-najbliższy sąsiad
    regresja Kernela
    Opis:
    The aim of the study was to evaluate the possibility of applying different methods of data mining to model the inflow of sewage into the municipal sewage treatment plant. Prediction models were elaborated using methods of support vector machines (SVM), random forests (RF), k-nearest neighbour (k-NN) and of Kernel regression (K). Data consisted of the time series of daily rainfalls, water level measurements in the clarified sewage recipient and the wastewater inflow into the Rzeszow city plant. Results indicate that the best models with one input delayed by 1 day were obtained using the k-NN method while the worst with the K method. For the models with two input variables and one explanatory one the smallest errors were obtained if model inputs were sewage inflow and rainfall data delayed by 1 day and the best fit is provided using RF method while the worst with the K method. In the case of models with three inputs and two explanatory variables, the best results were reported for the SVM and the worst for the K method. In the most of the modelling runs the smallest prediction errors are obtained using the SVM method and the biggest ones with the K method. In the case of the simplest model with one input delayed by 1 day the best results are provided using k-NN method and by the models with two inputs in two modelling runs the RF method appeared as the best.
    Celem pracy jest ocena możliwości zastosowania różnych metod data mining do modelowania dopływu ścieków do komunalnej oczyszczalni ścieków. Do opracowania modeli statystycznych metodą wektorów nośnych, lasów losowych, k – najbliższego sąsiada i regresji Kernela wykorzystano szeregi pomiarowe dobowych wartości opadów deszczu, stanów wody w odbiorniku oraz dopływów do komunalnej oczyszczalni ścieków w Rzeszowie. Z obliczeń wykonanych metodami SVM, RF, k-NN i K wynika, że dla modeli z jedną zmienną objaśniającą opóźnioną o dobę w stosunku do wartości dopływu, najlepsze wyniki otrzymano modelem autoregresyjnym bazującym na metodzie k-NN a najgorsze regresją Kernela. W przypadku modeli z dwoma zmiennymi objaśniającymi najmniejsze wartości błędów uzyskano, dla modeli uwzględniających dopływ ścieków i całkowitą wysokość opadu deszczu z jednodobowym opóźnieniem; najlepsze wyniki uzyskano metodą RF a najgorsze regresji Kernela. Dla modeli z dwiema zmiennymi objaśniającymi, ale trzema sygnałami wejściowymi, najmniejsze błędy dopływu ścieków do OŚ uzyskano metodą SVM, a najgorsze regresji Kernela. Z wykonanych symulacji stwierdzono, że w większości przypadków najmniejsze wartości błędów dopływu ścieków do oczyszczalni otrzymano metodą SVM a największe metodą K. W przypadku najprostszego modelu z jednym sygnałem wejściowym opóźnionym o 1 dobę najlepsze wyniki obliczeń uzyskano metodą k-NN, a w dwóch przypadkach modeli, gdzie ujęto 2 sygnały wejściowe, najlepsza okazała się metoda RF.
    Źródło:
    Archives of Environmental Protection; 2017, 43, 3; 74-81
    2083-4772
    2083-4810
    Pojawia się w:
    Archives of Environmental Protection
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Methodology for the Construction of a Rule-Based Knowledge Base Enabling the Selection of Appropriate Bronze Heat Treatment Parameters Using Rough Sets
    Metodyka budowy regułowej bazy wiedzy umożliwiającej dobór odpowiednich parametrów obróbki cieplnej brązów z zastosowaniem zbiorów przybliżonych
    Autorzy:
    Górny, Z.
    Kluska-Nawarecka, S.
    Wilk-Kołodziejczyk, D.
    Regulski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/353780.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    application of information technology to the foundry industry
    heat treatment
    classification algorithms
    rough sets
    data mining
    zastosowanie technologii informatycznych dla przemysłu odlewniczego
    obróbka cieplna
    algorytm klasyfikacji
    zbiory przybliżone
    Opis:
    Decisions regarding appropriate methods for the heat treatment of bronzes affect the final properties obtained in these materials. This study gives an example of the construction of a knowledge base with application of the rough set theory. Using relevant inference mechanisms, knowledge stored in the rule-based database allows the selection of appropriate heat treatment parameters to achieve the required properties of bronze. The paper presents the methodology and the results of exploratory research. It also discloses the methodology used in the creation of a knowledge base.
    Decyzje dotyczące odpowiedniej metody obróbki cieplnej brązów mają wpływ na uzyskanie końcowych własności tych materiałów. W pracy przedstawiono przykład budowy bazy wiedzy z zastosowaniem teorii zbiorów przybliżonych. Wiedza zgromadzona w bazie reguł umożliwia za pomocą mechanizmów wnioskowania dobór odpowiednich parametrów obróbki w celu uzyskania pożądanych własności brązu.
    Źródło:
    Archives of Metallurgy and Materials; 2015, 60, 1; 309-312
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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