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 networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 16
Tytuł:
Data security based on neural networks
Autorzy:
Noaman, K.M.G.
Jalab, H.A.
Powiązania:
https://bibliotekanauki.pl/articles/1964155.pdf
Data publikacji:
2005
Wydawca:
Politechnika Gdańska
Tematy:
data security
cryptography
neural networks
Opis:
The paper is concerned with the study and design of a data security system based on neural networks. Data with different keys were taken as test data, encrypted, decrypted and compared with the original data. The results have confirmed its advantages over other techniques.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2005, 9, 4; 409-414
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kohonen self-organizing maps for symbolic objects
Samoorganizujące się mapy Kohonena dla obiektów symbolicznych
Autorzy:
Dudek, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/907030.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
Classification
visualization
symbolic data
neural networks
Opis:
Visualizing data in the form of illustrative diagrams and searching, in these diagrams, for structures, clusters, trends, dependencies etc. is one of the main aims of multivariate statistical analysis. In the case of symbolic data (e.g. data in form of: single quantitative value, categorical values, intervals, multi-valued variables, multi-valued variables with weights), some well-known methods are provided by suitable 'symbolic' adaptations of classical methods such as principal component analysis or factor analysis. An alternative visualization of symbolic data is obtained by constructing a Kohonen map. Instead of displaying the individual items k = 1,..., n by n points or rectangles in a two dimensional space, the n items are first clustered into a number m of mini-clusters and then these mini-clusters are assigned to the vertices of a rectangular lattice of points in the plane such that 'similar' clusters are represented by neighbouring vertices in the lattice.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2008, 216
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A neural system of phonematic transformation
Autorzy:
Podolak, I. T.
Bielecki, A.
Powiązania:
https://bibliotekanauki.pl/articles/1931576.pdf
Data publikacji:
2003
Wydawca:
Politechnika Gdańska
Tematy:
neural networks
input-output data representation
phonematic transformation
Opis:
A common task in speech processing for which neural networks are widely employed is text-to-phoneme conversion. In this paper we propose a novel solution to this problem by combining a multilayer neural network and a modular hybrid system that uses basic rules to subdivide the original problem into easier tasks which are then solved by dedicated neural networks. A hybrid solution can be more rapidly constructed than a single net solution, and is easily extendable. Input data representation is also discussed. A voting committee concept is used to enhance generalization abilities of the system. Efficiency of the proposed systems is compared.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 1; 115-130
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Supporting investment decisions using data mining methods
Autorzy:
Sysiak, W.
Trajer, J.
Janaszek, M.
Powiązania:
https://bibliotekanauki.pl/articles/93017.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
data mining
decision support
k-means clustering
neural networks
Opis:
This paper presents an application of k-means clustering in preliminary data analysis which preceded the choice of input variables for the system supporting the decision about stock purchase or sale on capital markets. The model forecasting share prices issued by companies in the food-processing sector quoted at the Warsaw Stock Exchange was created in STATISTICA 7.1. It was based on neural modeling and allowed for the assessment of changes direction in securities values (increase, decrease) and generates the quantitative forecast of their future price.
Źródło:
Studia Informatica : systems and information technology; 2009, 1(12); 67-78
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Occupational accidents data collection and analysis
Autorzy:
Demichela, M.
Murè, S.
Cigna, C.
Monai, L.
Patrucco, M.
Powiązania:
https://bibliotekanauki.pl/articles/2069533.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
occupational accidents
fuzzy logic
neural networks
expert systems
data collection
Opis:
Despite of the always growing attention to safety related topics, the enforcement of directives, regulations and technical standards and the improvement of technical solutions aimed to minimize the occupational risks, the number of people dying every day at workplaces is still excessively high. The overall number of injuries is recently decreasing, but both the frequency and the total yearly number of fatalities still remain fundamentalny unchanged in the last years. The main problem with accidental data, as officially reported, is that very often, no evaluation is possible in terms of root causes, e.g. standard violations. Since the target of the analysis is the determination of the causal chain of events that lead to the accident to understand how it happened and how to avoid the occurrence of similar situations, the lack of detailed information lead to many difficulties in the definition of the suitable prevention measures. This paper shows three different, but integrated. methods able to collect, manage and analyze the information related to occurred accidents for preventive purposes.
Źródło:
Journal of Polish Safety and Reliability Association; 2010, 1, 1; 67--74
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of multi-parameter data visualization by means of autoassociative neural networks to evaluate classification possibilities of various coal types
Autorzy:
Jamroz, D.
Powiązania:
https://bibliotekanauki.pl/articles/109902.pdf
Data publikacji:
2014
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
autoassociative neural networks
coal types
multidimensional visualization
multi-parameter
identification of data
pattern recognition
neural networks
Opis:
The significance of data visualization in modern research is growing steadily. In mineral processing scientists have to face many problems with understanding data and finding essential variables from a large amount of data registered for material or process. Hence it is necessary to apply visualization of such data, especially when a set of data is multi-parameter and very complex. This paper puts forward a proposal to introduce the autoassociative neural networks for visualization of data concerning three various types of hard coal. Apart from theoretical discussion of the method, the empirical applications of the method are presented. The results revealed that it is a useful tool for a researcher facing a complicated set of data which allows for its proper classification. The optimal neural network parameters to successfully separate the analyzed three types of coal were found out for the analyzed example.
Źródło:
Physicochemical Problems of Mineral Processing; 2014, 50, 2; 719-734
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Towards textual data augmentation for neural networks: synonyms and maximum loss
Autorzy:
Jungiewicz, Michał
Smywiński-Pohl, Aleksander
Powiązania:
https://bibliotekanauki.pl/articles/305750.pdf
Data publikacji:
2019
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
deep learning
data augmentation
neural networks
natural language processing
sentence classification
Opis:
Data augmentation is one of the ways to deal with labeled data scarcity and overfitting. Both of these problems are crucial for modern deep-learning algorithms, which require massive amounts of data. The problem is better explored in the context of image analysis than for text; this work is a step forward to help close this gap. We propose a method for augmenting textual data when training convolutional neural networks for sentence classification. The augmentation is based on the substitution of words using a thesaurus as well as Princeton University's WordNet. Our method improves upon the baseline in most of the cases. In terms of accuracy, the best of the variants is 1.2% (pp.) better than the baseline.
Źródło:
Computer Science; 2019, 20 (1); 57-83
1508-2806
2300-7036
Pojawia się w:
Computer Science
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:
Zastosowanie metod fuzji danych w zarządzaniu zasobami radaru wielofunkcyjnego
The Application of the Data Fusion Methods in the Multifunction Radar Resources Management
Autorzy:
Komorniczak, W.
Kawalec, A.
Pietrasiński, J.
Powiązania:
https://bibliotekanauki.pl/articles/210695.pdf
Data publikacji:
2006
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
radar wielofunkcyjny
fuzja danych
sieci neuronowe
systemy rozmyte
multifunction radar
data fusion
neural networks
fuzzy logic
Opis:
W referacie poruszono tematykę związaną z zarządzaniem zasobami radaru wielofunkcyjnego. Jako jeden z elementów tego procesu wyróżniono priorytetyzację (rangowanie) zadań realizowanych przez radar. Rangowanie jest wymuszone przez potencjalnie niedostateczne zasoby wymagane do realizacji wszystkich zadań radaru, stąd konieczność szeregowania obsługiwanych przezeń obiektów zgodnie z ich istotnością. W referacie scharakteryzowano dane źródłowe zasilające proces rangowania oraz przedstawiono algorytmy przetwarzania tych danych. Zaprezentowane algorytmy oparto na wybranych metodach fuzji danych. Przedstawiono przebieg i wyniki badań procesu rangowania oraz wyniki badań wpływu zastosowania rangowania na niektóre parametry zarządzania zasobami radaru wielofunkcyjnego.
The paper deals with the problem of the multifunction radar resources management (RRM). The objectives of RRM are: optimal (from the radar performance point of view) resources allocation and the device operation control. As a result of RRM, it is expected a matrix containing information for the execution systems: " what, when, and how to do. The main constraints to deal with in the radar work are: time and energy limitations. If it is enough resource to execute all the tasks, the tasks execution is feasible. But in real situation one should not expect such a comfort. Typically neither time nor energy is enough and the questions arises what to do in these circumstances. It is obvious that only selected tasks can be executed, the RRM should answer which of them and in what order. To answer these questions, the structure of the RRM was proposed. First of all it is necessary to rank the tasks in order of their priorities, then to select the most important of them and schedule their execution. RRM is decomposed into two sub-problems, e.g.: ranking and task scheduling. The ranking belongs to the identification problems class, while the scheduling can be treated as an optimization task. The paper presents the data fusion approach to the task ranking. There are numerous examples of utilization of the data fusion tools in order to solve the identification problems. The conclusions from these examples can be following: the neural networks which have the ability to learn from the presented examples have also disadvantage of impossibility of extraction of the gathered knowledge. The internal processes of reasoning are neither well described nor studied, so they are not a good tool for military application, which the multifunction radar is. Fuzzy logic systems (based on the fuzzy sets theory and fuzzy logic) have the advantage of good and clear knowledge representation and ability to relatively easy implementation of the expert knowledge. The good side of the fuzzy systems is their possibility of maintaining and fusion of the imperfect knowledge. The disadvantage is the lack of ability to learn whole the knowledge from the examples. Some hybrid solutions are necessary. Four solutions are presented in the paper: neural, fuzzy, fuzzy — neural and probabilistic — fuzzy. In order to implement data fusion tools, the base test platform was designed and implemented. In fact, the test platform is a complex process of multifunction radar resources management, as well as it deals with the task scheduling problem. In order to evaluate the algorithms presented in the paper, some factors of radar work performance were defined. Presented ranking algorithms have capability of learning with use of the registered data learning set. Algorithms with their knowledge bases were tested and compared. The conclusion is following: the use of ranking process gives approximately two times better performance in task removal/delay aspect. On the other hand, the quality of algorithm (its accuracy) has lower influence on the final result. It means that for the use in radar application the algorithm with the best convergence during learning process and stability should be recommended. It is also important that the algorithm should have clear knowledge representation. These requirements meet two of the presented algorithms: neural - fuzzy and probabilistic - fuzzy. The first one was used against the positional data, the second one gave the best results for identification data. It is important, that overall performance of the presented RRM and ranking algorithms was tested with the use of real registered data, what makes it very interesting from the application point of view.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2006, 55, 1; 55-75
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Elements of an algorithm for optimizing a parameter-structural neural network
Autorzy:
Mrówczyńska, M.
Powiązania:
https://bibliotekanauki.pl/articles/106777.pdf
Data publikacji:
2016
Wydawca:
Politechnika Warszawska. Wydział Geodezji i Kartografii
Tematy:
neural networks
group data handling
deviations from the vertical
sieci neuronowe
przetwarzanie danych grupowe
odchylenie od pionu
Opis:
The field of processing information provided by measurement results is one of the most important components of geodetic technologies. The dynamic development of this field improves classic algorithms for numerical calculations in the aspect of analytical solutions that are difficult to achieve. Algorithms based on artificial intelligence in the form of artificial neural networks, including the topology of connections between neurons have become an important instrument connected to the problem of processing and modelling processes. This concept results from the integration of neural networks and parameter optimization methods and makes it possible to avoid the necessity to arbitrarily define the structure of a network. This kind of extension of the training process is exemplified by the algorithm called the Group Method of Data Handling (GMDH), which belongs to the class of evolutionary algorithms. The article presents a GMDH type network, used for modelling deformations of the geometrical axis of a steel chimney during its operation.
Źródło:
Reports on Geodesy and Geoinformatics; 2016, 101; 27-35
2391-8365
2391-8152
Pojawia się w:
Reports on Geodesy and Geoinformatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fundamentals of a recommendation system for the aluminum extrusion process based on data-driven modeling
Autorzy:
Perzyk, Marcin
Kochański, Andrzej
Kozłowski, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/29520062.pdf
Data publikacji:
2022
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
aluminum extrusion
advisory system
product defect
data mining
neural networks
system doradczy
wada produktu
eksploracja danych
sieci neuronowe
Opis:
The aluminum profile extrusion process is briefly characterized in the paper, together with the presentation of historical, automatically recorded data. The initial selection of the important, widely understood, process parameters was made using statistical methods such as correlation analysis for continuous and categorical (discrete) variables and ‘inverse’ ANOVA and Kruskal–Wallis methods. These selected process variables were used as inputs for MLP-type neural models with two main product defects as the numerical outputs with values 0 and 1. A multi-variant development program was applied for the neural networks and the best neural models were utilized for finding the characteristic influence of the process parameters on the product quality. The final result of the research is the basis of a recommendation system for the significant process parameters that uses a combination of information from previous cases and neural models.
Źródło:
Computer Methods in Materials Science; 2022, 22, 4; 173-188
2720-4081
2720-3948
Pojawia się w:
Computer Methods in Materials Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie dokładności różnych metod predykcji stężeń zanieczyszczeń powietrza
A comparison of accuracies of different air pollutants concentration prediction methods
Autorzy:
Hoffman, S.
Jasiński, R.
Powiązania:
https://bibliotekanauki.pl/articles/297662.pdf
Data publikacji:
2009
Wydawca:
Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
Tematy:
zanieczyszczenia powietrza
monitoring powietrza
stężenia chwilowe
dane monitoringu
brakujące dane
luki pomiarowe
aproksymacja
modele szeregów czasowych
modele regresyjne
sieci neuronowe
air monitoring
hourly concentrations
monitoring data
air pollution
missing data
measure gaps
approximation
time series models
regression models
neural networks
Opis:
W analizie wykorzystano dane zarejestrowane w latach 2004-2008 na ośmiu stacjach monitoringu powietrza działających w różnych miejscowościach województw łódzkiego i mazowieckiego. W pracy badano możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Ocenę jakości modelowania wykonano poprzez porównanie modelowanych stężeń ze stężeniami rzeczywistymi. Do predykcji stężeń wykorzystano sieci neuronowe. Porównywano dokładność pięciu różnych grup modeli: modeli szeregów czasowych, liniowych modeli regresji wielowymiarowej, nieliniowych modeli regresji wielowymiarowej, liniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu i nieliniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu. Celem praktycznym była rekomendacja optymalnych technik modelowania luki pomiarowej obejmującej pewien dłuższy fragment serii czasowej tylko jednego z zanieczyszczeń powietrza przy założeniu, że są dostępne wszystkie pozostałe dane, w tym dane pochodzące z sąsiednich stacji monitoringu powietrza. Wykonana analiza wykazała, że dla każdego z zanieczyszczeń powietrza należy rekomendować inne metody predykcji, ponieważ występują duże różnice w możliwościach modelowania poszczególnych zanieczyszczeń powietrza. Stężenia takich zanieczyszczeń, jak O3, SO2, PM10 można efektywnie modelować metodą szeregów czasowych, ale tylko do pewnego horyzontu prognozy, po którym regresyjne metody modelowania okazują się dokładniejsze. W modelowaniu stężeń O3 i PM10 efektywne może się okazać wykorzystanie stężeń tych zanieczyszczeń zarejestrowanych na innych stacjach monitoringu powietrza. W przypadku pozostałych zanieczyszczeń NO, NO2 i CO zasadne jest stosowanie tylko jednej metody modelowania - analizy regresji. Liniowe modele regresyjne są mniej dokładne od ich nieliniowych odpowiedników. Różnice dokładności obu typów modeli nie zawsze są duże. Dlatego modele liniowe mogą stanowić praktyczną alternatywę dla nieliniowych odpowiedników.
Air monitoring data collected over a 5-year period at 8 different measure sites in Central Poland were used as the database for analysis purposes. Approximation of concentrations of monitored air pollutants were done by means of several prediction methods: time series analysis, regression analysis with predictors from a single monitoring station, and regression analysis with external predictors. Separate models were created for O3, NO2, NO, PM10, SO2, CO. Modelled and measured concentrations were compared. As a result prediction errors were calculated for each model. The main objective of analysis was a comparison of prediction results, and recommendation the most accurate modelling methods, dedicated to specified pollutants. The examination was made by means of artificial neural networks, which were employed to create all types of models.
Źródło:
Inżynieria i Ochrona Środowiska; 2009, 12, 4; 307-325
1505-3695
2391-7253
Pojawia się w:
Inżynieria i Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classifiers accuracy improvement based on missing data imputation
Autorzy:
Jordanov, I.
Petrov, N.
Petrozziello, A.
Powiązania:
https://bibliotekanauki.pl/articles/91626.pdf
Data publikacji:
2018
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
machine learning
missing data
model-based imputation
neural networks
random forests
support vector machine
radar signal classification
nauczanie maszynowe
brakujące dane
sieci neuronowe
maszyna wektorów nośnych
klasyfikacja sygnałów radarowych
Opis:
In this paper we investigate further and extend our previous work on radar signal identification and classification based on a data set which comprises continuous, discrete and categorical data that represent radar pulse train characteristics such as signal frequencies, pulse repetition, type of modulation, intervals, scan period, scanning type, etc. As the most of the real world datasets, it also contains high percentage of missing values and to deal with this problem we investigate three imputation techniques: Multiple Imputation (MI); K-Nearest Neighbour Imputation (KNNI); and Bagged Tree Imputation (BTI). We apply these methods to data samples with up to 60% missingness, this way doubling the number of instances with complete values in the resulting dataset. The imputation models performance is assessed with Wilcoxon’s test for statistical significance and Cohen’s effect size metrics. To solve the classification task, we employ three intelligent approaches: Neural Networks (NN); Support Vector Machines (SVM); and Random Forests (RF). Subsequently, we critically analyse which imputation method influences most the classifiers’ performance, using a multiclass classification accuracy metric, based on the area under the ROC curves. We consider two superclasses (‘military’ and ‘civil’), each containing several ‘subclasses’, and introduce and propose two new metrics: inner class accuracy (IA); and outer class accuracy (OA), in addition to the overall classification accuracy (OCA) metric. We conclude that they can be used as complementary to the OCA when choosing the best classifier for the problem at hand.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 1; 31-48
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Niekonwencjonalne techniki pomiarowe w modelowaniu ruchu
Unconventional measuring techniques in traffic modeling
Autorzy:
Drzał, M.
Ostaszewski, P.
Powiązania:
https://bibliotekanauki.pl/articles/193434.pdf
Data publikacji:
2018
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
techniki pomiarowe
modelowanie
pozyskiwanie danych
sieci neuronowe
uczenie maszynowe
automatyczne pomiary ruchu w transporcie
measurement techniques
modeling
data acquisition
neural networks
machine learning
automatic measurement of traffic in transport
Opis:
Celem artykułu jest przedstawienie autorskiego projektu wprowadzenia algorytmu opartego o sieci neuronowe w zastosowaniu do pomiarów wykonywanych w transporcie. Jakość, ilość oraz sposób pozyskiwania danych bezpośrednio przekłada się na wyniki tworzonych modeli symulacyjnych. Przeanalizowano różne systemy (zarówno komercyjne, jak i autorskie), które są używane do pozyskania danych do modelowania. W wyniku różnych wątpliwości, niedostosowania systemów lub zbyt wysokich kosztów, zaproponowano alternatywne rozwiązania, które mogą wyeliminować prezentowane problemy. Zaproponowano rozwiązania ograniczające część problemów sygnalizowanych przez autorów w przedmiotowym zakresie. Testowe prace uzasadniły wykorzystanie sieci neuronowych w pomiarach w transporcie. Otrzymano wyniki pomiarów testowych o dostatecznej zgodności z rzeczywistymi obserwacjami oraz porównano je z wynikami systemów dostępnych na rynku. Autorzy poddają analizie dalsze wymagane prace oraz możliwości udoskonalenia stosowanych rozwiązań.
The aim of the article is to present the original project of introducing an algorithm based on neural networks in application to measurements performed in transport. The quality, quantity and method of obtaining data directly translate into the results of the simulation models created. Various systems (both commercial and proprietary) have been analyzed, which are used to obtain data for modeling. As a result of various doubts, system maladjustments or excessive costs, alternative solutions have been proposed that can eliminate the presented problems. As part of its work, solutions have been proposed that limit some of the problems reported by the authors in this regard. Test work justified the use of neural networks in measurements in transport. Test results with sufficient compliance with real observations were obtained and compared to the results of systems available on the market. The authors also analyze further required work and the possibilities of improving the solutions used.
Źródło:
Transport Miejski i Regionalny; 2018, 4; 25-31
1732-5153
Pojawia się w:
Transport Miejski i Regionalny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predictive regression models of monthly seismic energy emissions induced by longwall mining
Regresyjne modele predykcyjne miesięcznej emisji energii sejsmicznej indukowanej eksploatacją w ścianie
Autorzy:
Jakubowski, J.
Tajduś, A.
Powiązania:
https://bibliotekanauki.pl/articles/219968.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sejsmiczność indukowana
wstrząsy górnicze
zagrożenie tąpaniami
eksploatacja ścianowa
drzewa wzmacniane
sieci neuronowe
data mining
modele regresyjne
modele predykcyjne
induced seismicity
mining tremors
rockburst hazard
longwall mining
boosted trees
neural networks
regression models
predictive models
Opis:
This article presents the development and validation of predictive regression models of longwall mining-induced seismicity, based on observations in 63 longwalls, in 12 seams, in the Bielszowice colliery in the Upper Silesian Coal Basin, which took place between 1992 and 2012. A predicted variable is the logarithm of the monthly sum of seismic energy induced in a longwall area. The set of predictors include seven quantitative and qualitative variables describing some mining and geological conditions and earlier seismicity in longwalls. Two machine learning methods have been used to develop the models: boosted regression trees and neural networks. Two types of model validation have been applied: on a random validation sample and on a time-based validation sample. The set of a few selected variables enabled nonlinear regression models to be built which gave relatively small prediction errors, taking the complex and strongly stochastic nature of the phenomenon into account. The article presents both the models of periodic forecasting for the following month as well as long-term forecasting.
W artykule przedstawiono budowę i walidację predykcyjnych modeli regresyjnych sejsmiczności indukowanej eksploatacją w ścianie, opartych na obserwacjach w 63 ścianach kopalni Bielszowice prowadzonych w 12 pokładach w latach 1992-2012. Zmienna prognozowaną jest logarytm miesięcznej sumy energii sejsmicznej wstrząsów w ścianie. Zestaw predyktorów składa się z siedmiu zmiennych ilościowych i jakościowych opisujących wybrane czynniki górnicze i geologiczne w ścianach. Do budowy modeli zastosowano dwie metody uczenia się maszyn: drzewa wzmacniane oraz sieci neuronowe. Zastosowano dwa rodzaje walidacji modeli: na losowej próbie walidacyjnej oraz na czasowej próbie walidacyjnej. Zestaw kilku wybranych zmiennych pozwolił na zbudowanie nieliniowych modeli regresyjnych, które, biorąc pod uwagę złożoną i silnie stochastyczną naturę zjawiska, dają względnie małe błędy pro gnozy. W artykule przedstawiono zarówno modele do prognozy okresowej na kolejny miesiąc jak i do prognozy długoterminowej.
Źródło:
Archives of Mining Sciences; 2014, 59, 3; 705-720
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 16

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