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 "artificial selection" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Optimum choice of signals' features used in toothed gears' diagnosis
    Optymalny wybór cech sygnałów wykorzystywanych w diagnozowaniu przekładni zębatych
    Autorzy:
    Jedliński, Ł.
    Jonak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/327576.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    przekładnia stożkowa
    selekcja cech
    sztuczna sieć neuronowa
    bevel gear
    feature selection
    artificial neural network
    Opis:
    The article proposes an algorithm to choose optimum diagnostic features used in toothed gears' diagnosis. The test object is a single-bevel gear in the research area. From the gear in two technical states there were collected vibration signals and eight features were calculated. Feature and machine state correlation degree depends on the type of damage and analyzed object properties. Some features are insensitive to particular damage or may transmit the same information. Signal features choice is a crucial step which influences the final technical condition evaluation. With the algorithm that automatically verifies features' usability there were chosen four best correlated with the technical condition of the object. Gear state classifiers were two neural networks, one formed of four features and the other of all eight. The other one was set to check features' choice accuracy.
    W artykule przedstawiono algorytm doboru optymalnych cech diagnostycznych używanych w diagnozowaniu przekładni zębatych. Obiektem badań była przekładnia jednostopniowa stożkowa badana na stanowisku badawczym. Z przekładni w dwóch stanach technicznych zarejestrowano sygnały drgań i obliczono osiem cech. Stopień korelacji cechy ze stanem maszyny zależy od rodzaju uszkodzenia i właściwości analizowanego obiektu. Niektóre cechy nie są czułe na dane uszkodzenie, lub mogą przekazywać tę samą informację. Wybór cech sygnału jest krytycznym krokiem, który ma wpływ na ostateczny wynik oceny stanu technicznego Za pomocą algorytmu, który w sposób automatyczny weryfikuje przydatność cech wybrano cztery najbardziej skorelowane ze stanem technicznym obiektu. Klasyfikatorem stanu przekładni były dwie sieci neuronowe, pierwsza utworzona dla czterech cech a druga dla wszystkich ośmiu. Druga sieć miała na celu sprawdzenie poprawności wyboru cech.
    Źródło:
    Diagnostyka; 2010, 3(55); 9-12
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Toothed gear transmission diagnosis based on optimal features of vibration signal
    Diagnozowanie przekładni zębatej w oparciu o optymalne cechy sygnału drgań
    Autorzy:
    Jedliński, Ł.
    Jonak, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/360050.pdf
    Data publikacji:
    2011
    Wydawca:
    Akademia Morska w Szczecinie. Wydawnictwo AMSz
    Tematy:
    przekładnia stożkowa
    selekcja cech
    sztuczne sieci neuronowe
    bevel gear
    feature selection
    artificial neural network
    Opis:
    The article presents a method for reducing amount of discriminants required to evaluate technical condition of an object and a trial of evaluating it using artificial neural networks as a way of increasing certainty of the obtained results.
    W artykule przedstawiono metodę redukcji liczby dyskryminant wymaganych w ocenie stanu technicznego obiektu oraz próbę oceny stanu z użyciem sztucznych sieci neuronowych, jako środek zwiększenia pewności prognozy.
    Źródło:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2011, 26 (98); 33-37
    1733-8670
    2392-0378
    Pojawia się w:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cost-sensitive feature selection
    Selekcja cech z uwzględnieniem kosztu ich pozyskania
    Autorzy:
    Ciupke, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/327830.pdf
    Data publikacji:
    2006
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    selekcja cech
    algorytm mrówkowy
    uczenie maszynowe
    sztuczna inteligencja
    diagnostyka techniczna
    feature selection
    ant algorithm
    machine learning
    artificial intelligence
    technical diagnostics
    Opis:
    The paper concerns the selection of features in the technical diagnostics domain. The author focused his attention on a wrapper approach. In this approach an application of the ant algorithm as a search engine is proposed. The proposed method of so-called ant wrapper approach is presented. The method takes advantage of cost of features, where the cost is connected with the cost of sensors. The algorithm as a pseudo-code and some results of a verification experiment are shown. The verification was carried out on data derived from an active diagnostic experiment concerning a rotating machine. The obtained results show, that the proposed method could allow to reduce the number of used sensors.
    W artykule opisano metodę selekcji cech z zastosowaniem algorytmu mrówkowego. Metoda pozwala także na uwzględnienie kosztu atrybutu, przy czym jego koszt związany jest z kosztem pozyskanie sygnału diagnostycznego. W przypadku gdy sygnał ten jest już wykorzystywany uznaje się, że koszt wyznaczenia danej cechy jest pomijalnie mały. Metodę przedstawiono w postaci pseudo-kodu i zweryfikowano dla danych pochodzących z czynnego eksperymentu diagnostycznego. Uzyskane wyniki pokazują, że istnieje możliwość ograniczenia liczby stosowanych czujników.
    Źródło:
    Diagnostyka; 2006, 2(38); 45-48
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nonparametric methods of supervised classification
    Autorzy:
    Jóźwik, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/333226.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    pattern recognition
    feature selection
    k-NN rules
    pair-wise classifier
    artificial features
    linear classifier
    reference set size reduction
    rozpoznawanie wzorca
    wybór funkcji
    reguła k-NN
    sztuczne cechy
    klasyfikator liniowy
    Opis:
    Selected nonparametric methods of statistical pattern recognition are described. A part of them form modifications of the well known k-NN rule. To this group of the presented methods belong: a fuzzy k-NN rule, a pair-wise k-NN rule and a corrected k-NN rule. They can improve classification quality as compared with the standard k-NN rule. For the cases when these modifications would offer to large error rates an approach based on class areas determination is proposed. The idea of class areas can be also used for construction of the multistage classifier. A separate feature selection can be performed in each stage. The modifications of the k-NN rule and the methods based on determination class areas can be too slow in some applications, therefore algorithms for reference set reduction and condensation, for simple NN rule, are proposed. To construct fast classifiers it is worth to consider also a pair-wise linear classifiers. The presented idea can be used as in the case when the class pairs are linearly separable as well as in the contrary case.
    Źródło:
    Journal of Medical Informatics & Technologies; 2013, 22; 21-32
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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