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 "duży zbiór danych" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    On classic bubble sort performance for large data sets
    O wydajności klasycznej wersji sortowania bąbelkowego dla dużych zbiorów danych
    Autorzy:
    Marszałek, Z.
    Połap, D.
    Woźniak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/87286.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    NoSQL
    algorytm komputerowy
    duży zbiór danych
    computer algorithm
    large data set
    Opis:
    In the paper we discuss performance of classic bubble sort algorithm for large data sets. Research results discussed and described in this article help to evaluate computer methods used in NoSQL database systems for large amounts of the input data. Therefore we try to analyze one of the most common sorting algorithms and its properties for large data sets.
    Artykuł ma na celu przedstawienie analizy wydajności algorytmu sortowania bąbelkowego w postaci klasycznej dla dużych zbiorów danych. Podjęty temat ma duże znaczenie dla rozwoju współczesnej informatyki ze względu na to, że komputery muszą pracować na coraz większych ilościach danych.
    Źródło:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska; 2014, 4; 103-112
    2084-073X
    Pojawia się w:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On bubble sort performance for large data sets and NoSQL database systems
    O wydajności sortowania bąbelkowego dla dużych zbiorów danych i systemów bazodanowych typu NoSQL
    Autorzy:
    Marszałek, Z.
    Połap, D.
    Woźniak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/87339.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    NoSQL
    algorytm komputerowy
    duży zbiór danych
    computer algorithm
    large data set
    Opis:
    In the paper we discuss performance of bubble sort algorithm. Research results discussed and described in this article help to evaluate this method when used in NoSQL database systems for large amounts of the input data. In the article is analyzed bubble sort algorithm for large scale data sets in two versions: classic version and modified version with logic control of order.
    Sortowanie jest jednym z ważniejszych problemów współczesnej informatyki. Obecnie komputery muszą pracować na coraz większych ilościach danych, dlatego w niniejszym artykule przedstawiamy analizę algorytmu sortowania bąbelkowego pod względem jego własności dla dużych zbiorów danych i baz tybu NoSQL. W analizie zbadaliśmy wersję klasyczną i zmodyfikowaną z funkcją kontroli ułożenia elementów.
    Źródło:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska; 2014, 4; 113-122
    2084-073X
    Pojawia się w:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On some properties of bubble sort with logic control of order for large scale data sets
    O własnościach algorytmu sortowania bąbelkowego z funkcją kontroli ułożenia elementów dla dużych zbiorów danych
    Autorzy:
    Woźniak, M.
    Marszałek, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/87292.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    sortowanie danych
    algorytm bąbelkowy
    duży zbiór danych
    data sorting
    bubble algorithm
    large data set
    Opis:
    Sorting is a one of very important topics for computer science. In the modern computing, computers must operate on bigger and bigger amounts of data. Therefore we try to analyze modified version of bubble sort algorithm and its properties for large data sets. Article aims to show and analyze the possible behavior of bubble sort with logic control of order for large scale data sets.
    Sortowanie jest jednym z bardzo ważnych tematów współczesnej informatyki. We współczesnej informatyce komputery muszą pracować na coraz większej liczbie danych, dlatego staramy się analizować jeden z podstawowych algorytmów sortowania i jego właściwości dla dużych zbiorów danych. Artykuł ma na celu przeanalizowanie możliwego zachowania badanej wersji algorytmu z funkcją logicznej kontroli ułożenia dla dużych zbiorów danych.
    Źródło:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska; 2013, 3; 47-58
    2084-073X
    Pojawia się w:
    Zeszyty Naukowe. Matematyka Stosowana / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A hybrid scheduler for many task computing in big data systems
    Autorzy:
    Vasiliu, L.
    Pop, F.
    Negru, C.
    Mocanu, M.
    Cristea, V.
    Kolodziej, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/907647.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    many task computing
    scheduling heuristics
    QoS
    big data system
    simulation
    obliczenia wielofunkcyjne
    szeregowanie zadań
    duży zbiór danych
    Opis:
    With the rapid evolution of the distributed computing world in the last few years, the amount of data created and processed has fast increased to petabytes or even exabytes scale. Such huge data sets need data-intensive computing applications and impose performance requirements to the infrastructures that support them, such as high scalability, storage, fault tolerance but also efficient scheduling algorithms. This paper focuses on providing a hybrid scheduling algorithm for many task computing that addresses big data environments with few penalties, taking into consideration the deadlines and satisfying a data dependent task model. The hybrid solution consists of several heuristics and algorithms (min-min, min-max and earliest deadline first) combined in order to provide a scheduling algorithm that matches our problem. The experimental results are conducted by simulation and prove that the proposed hybrid algorithm behaves very well in terms of meeting deadlines.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2017, 27, 2; 385-399
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Applications of rough sets in big data analysis: An overview
    Autorzy:
    Pięta, Piotr
    Szmuc, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/2055175.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    rough sets theory
    big data analysis
    deep learning
    data mining
    teoria zbiorów przybliżonych
    duży zbiór danych
    uczenie głębokie
    eksploracja danych
    Opis:
    Big data, artificial intelligence and the Internet of things (IoT) are still very popular areas in current research and industrial applications. Processing massive amounts of data generated by the IoT and stored in distributed space is not a straightforward task and may cause many problems. During the last few decades, scientists have proposed many interesting approaches to extract information and discover knowledge from data collected in database systems or other sources. We observe a permanent development of machine learning algorithms that support each phase of the data mining process, ensuring achievement of better results than before. Rough set theory (RST) delivers a formal insight into information, knowledge, data reduction, uncertainty, and missing values. This formalism, formulated in the 1980s and developed by several researches, can serve as a theoretical basis and practical background for dealing with ambiguities, data reduction, building ontologies, etc. Moreover, as a mature theory, it has evolved into numerous extensions and has been transformed through various incarnations, which have enriched expressiveness and applicability of the related tools. The main aim of this article is to present an overview of selected applications of RST in big data analysis and processing. Thousands of publications on rough sets have been contributed; therefore, we focus on papers published in the last few years. The applications of RST are considered from two main perspectives: direct use of the RST concepts and tools, and jointly with other approaches, i.e., fuzzy sets, probabilistic concepts, and deep learning. The latter hybrid idea seems to be very promising for developing new methods and related tools as well as extensions of the application area.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 659--683
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of Garment Production Cycle Time Based on a Neural Network
    Przewidywanie czasu cyklu produkcji odzieży na podstawie sieci neuronowej
    Autorzy:
    Cao, Huaqing
    Ji, Xiaofen
    Powiązania:
    https://bibliotekanauki.pl/articles/1419886.pdf
    Data publikacji:
    2021
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    garment production
    big data
    cycle time
    neural network
    prediction
    produkcja odzieży
    duży zbiór danych
    czas cyklu
    sieć neuronowa
    predykcja
    Opis:
    The process of garment production has always been a black box. The production time of different clothing is different and has great changes, thus managers cannot make a production plan accurately. With the world entering the era of industry 4.0 and the accumulation of big data, machine learning can provide services for the garment manufacturing industry. The production cycle time is the key to control the production process. In order to predict the production cycle time more accurately and master the production process in the garment manufacturing process, a neural network model of production cycle time prediction is established in this paper. Using a trained neural network to predict the production cycle time, the overall error of 6 groups is within 5%, and that of 3 groups is between 5% and 10%. Therefore, this neural network can be used to predict the future production cycle time and predict the overall production time of clothing.
    Czas produkcji różnych ubrań jest inny i podlega dużym zmianom, dlatego menedżerowie nie mogą dokładnie zaplanować produkcji. Wraz z wkroczeniem świata w erę przemysłu 4.0 i gromadzeniem dużych zbiorów danych dobrym rozwiązaniem dla przemysłu odzieżowego jest zastosowanie maszyn uczących się. Czas cyklu produkcyjnego jest kluczem do kontroli procesu produkcyjnego. W celu dokładniejszego przewidywania czasu cyklu produkcyjnego i opanowania procesu produkcyjnego w procesie produkcji odzieży, w artykule opracowano model sieci neuronowej do przewidywania czasu cyklu produkcyjnego. Do przewidywania czasu cyklu produkcyjnego użyto sieci neuronowej, ogólny błąd 6 grup mieścił się w granicach 5%, a 3 grup – między 5% a 10%. W związku z tym zaprezentowana sieć neuronowa może znaleźć zastosowanie w przewidywaniu czasu cyklu produkcyjnego i całkowitego czasu produkcji odzieży.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2021, 1 (145); 8-12
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient astronomical data condensation using approximate nearest neighbors
    Autorzy:
    Łukasik, Szymon
    Lalik, Konrad
    Sarna, Piotr
    Kowalski, Piotr A.
    Charytanowicz, Małgorzata
    Kulczycki, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/907932.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    big data
    astronomical observation
    data reduction
    nearest neighbor search
    kd-trees
    duży zbiór danych
    obserwacja astronomiczna
    redukcja danych
    wyszukiwanie najbliższego sąsiada
    drzewo kd
    Opis:
    Extracting useful information from astronomical observations represents one of the most challenging tasks of data exploration. This is largely due to the volume of the data acquired using advanced observational tools. While other challenges typical for the class of big data problems (like data variety) are also present, the size of datasets represents the most significant obstacle in visualization and subsequent analysis. This paper studies an efficient data condensation algorithm aimed at providing its compact representation. It is based on fast nearest neighbor calculation using tree structures and parallel processing. In addition to that, the possibility of using approximate identification of neighbors, to even further improve the algorithm time performance, is also evaluated. The properties of the proposed approach, both in terms of performance and condensation quality, are experimentally assessed on astronomical datasets related to the GAIA mission. It is concluded that the introduced technique might serve as a scalable method of alleviating the problem of the dataset size.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 467-476
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Recommendation systems with the quantum k-NN and Grover algorithms for data processing
    Autorzy:
    Sawerwain, Marek
    Wróblewski, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/330538.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    quantum k-NN algorithm
    recommendation system
    Grover algorithm
    big data
    kwantowy algorytm k-NN
    system rekomendujący
    algorytm Grovera
    duży zbiór danych
    Opis:
    In this article, we discuss the implementation of a quantum recommendation system that uses a quantum variant of the k-nearest neighbours algorithm and the Grover algorithm to search for a specific element in an unstructured database. In addition to the presentation of the recommendation system as an algorithm, the article also shows the main steps in construction of a suitable quantum circuit for realisation of a given recommendation system. The computational complexity of individual calculation steps in the recommendation system is also indicated. The verification of the correctness of the proposed system is analysed as well, indicating an algebraic equation describing the probability of success of the recommendation. The article also shows numerical examples presenting the behaviour of the recommendation system for two selected cases.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 1; 139-150
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An effective data reduction model for machine emergency state detection from big data tree topology structures
    Autorzy:
    Iaremko, Iaroslav
    Senkerik, Roman
    Jasek, Roman
    Lukastik, Petr
    Powiązania:
    https://bibliotekanauki.pl/articles/2055178.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    OPC UA
    OPC tree
    principal component analysis
    PCA
    big data analysis
    data reduction
    machine tool
    anomaly detection
    emergency states
    analiza głównych składowych
    duży zbiór danych
    redukcja danych
    wykrywanie anomalii
    stan nadzwyczajny
    Opis:
    This work presents an original model for detecting machine tool anomalies and emergency states through operation data processing. The paper is focused on an elastic hierarchical system for effective data reduction and classification, which encompasses several modules. Firstly, principal component analysis (PCA) is used to perform data reduction of many input signals from big data tree topology structures into two signals representing all of them. Then the technique for segmentation of operating machine data based on dynamic time distortion and hierarchical clustering is used to calculate signal accident characteristics using classifiers such as the maximum level change, a signal trend, the variance of residuals, and others. Data segmentation and analysis techniques enable effective and robust detection of operating machine tool anomalies and emergency states due to almost real-time data collection from strategically placed sensors and results collected from previous production cycles. The emergency state detection model described in this paper could be beneficial for improving the production process, increasing production efficiency by detecting and minimizing machine tool error conditions, as well as improving product quality and overall equipment productivity. The proposed model was tested on H-630 and H-50 machine tools in a real production environment of the Tajmac-ZPS company.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 601--611
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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