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 "networks classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 22
Tytuł:
Vehicles Classification Using the HRBF Neural Network
Klasyfikacja pojazdów z wykorzystaniem sieci neuronowej HRBF
Autorzy:
Wantoch-Rekowski, R.
Powiązania:
https://bibliotekanauki.pl/articles/305921.pdf
Data publikacji:
2011
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
sieci neuronowe
klasyfikacja sieci
zbiór uczący
Hyper Radial Basis Function network HRBF
neural networks
networks classification
learning set
HRBF
Opis:
The paper presents the problem of using a neural network for military vehicle classification on the basis of ground vibration. One of the main elements of the system is a unit called the geophone. This unit allows to measure the amplitude of ground vibration in each direction for a certain period of time. The value of the amplitude is used to fix the characteristic frequencies of each vehicle. If we want to fix the main frequency it is necessary to use the Fourier transform. In this case the fast Fourier transform FFT was used. Since the neural network (Hyper Radial Basis Function network) was used, a learning set has to be prepared. Please find the attached results of using the HRBF neural network, which include: examples of learning, validation and test sets, the structure of the networks and the learning algorithm, learning and testing results.
W opracowaniu przedstawiono zagadnienie wykorzystania sieci neuronowej do klasyfikacji określonych typów pojazdów na podstawie analizy amplitudy drgań gruntu. Jednym z elementów systemu do pomiaru amplitudy drgań gruntu jest geofon. Umożliwia on pomiar amplitudy drgań gruntu w wybranym kierunku dla określonego przedziału czasu. Wartość wyznaczonej amplitudy wykorzystywana jest do wyznaczenia charakterystycznych częstotliwości drgań dla poszczególnych pojazdów. Do wyznaczenia charakterystycznych częstotliwości wykorzystywana jest transformata Fouriera FFT. Do klasyfikacji wykorzystana została sieć neuronowa z radialną funkcją aktywacji, dlatego też wymagane jest przygotowanie odpowiedniego zbioru uczącego. W opracowaniu przedstawiono wyniki użycia sieci HRBF. Przedstawiono strukturę oraz zawartość zbioru uczącego.
Źródło:
Biuletyn Instytutu Systemów Informatycznych; 2011, 7; 47-52
1508-4183
Pojawia się w:
Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Object classification with artificial neural networks : A comparative analysis
Autorzy:
Domeradzki, Kornel
Niewiadomski, Artur
Powiązania:
https://bibliotekanauki.pl/articles/1819259.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
object classification
neural networks
convolutional neural networks
residual neural networks
Opis:
Object classification is a problem which has attracted a lot of research attention in recent years. Traditional approach to this problem is built on a shallow trainable architecture that was meant to detect handcrafted features. That approach works poorly and introduces many complications in situations where one is to work with more than a couple types of objects in an image with a large resolution. That is why in the past few years convolutional and residual neural networks have experienced a tremendous rise in popularity. In this paper, we provide a review on topics related to artificial neural networks and a brief overview of our research. Our review begins with a short introduction to the topic of computer vision. Afterwards we cover briefly the concepts of neural networks, convolutional and residual neural networks and their commonly used models. Then we provide a comparative performance analysis of the previously mentioned models in a binary and multi-label classification problem. Finally, multiple conclusions are drawn, which are to serve as guidelines for future computer vision systems implementations.
Źródło:
Studia Informatica : systems and information technology; 2019, 1-2(23); 43--56
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
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:
Approach to classifying data with highly localized unmarked features using neural networks
Autorzy:
Grzeszczuk, Rafał
Powiązania:
https://bibliotekanauki.pl/articles/305688.pdf
Data publikacji:
2019
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
classification
neural networks
medical image analysis
Opis:
To face the increasing demand of quality healthcare, cutting-edge automation technology is being applied in demanding areas such as medical imaging. This paper proposes a novel approach to classification problems on datasets with sparse highly localized features. It is based on the use of a saliency map in the amplification of features. Unlike previous efforts, this approach does not use any prior information about feature localization. We present an experimental study based on the Diabetic Retinopathy classification problem, in which our method has shown to achieve an over 20%-higher accuracy in solving a two-class Diabetic Retinopathy classification problem than a naive approach based solely on residual neural networks. The dataset consists of 35,120 images of various qualities, inconsistent resolutions, and aspect ratios.
Źródło:
Computer Science; 2019, 20 (3); 329-342
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Proposition of Applying k-Means Classification Method and the SOM Type Neural Network to Improve the Efficiency of Small Domains Estimation in a Representative Study of Small and Medium-Sized Enterprises
Propozycja zastosowania metody klasyfikacji k-średnich oraz sieci neuronowej typu SOM do poprawy efektywności estymacji dla małych domen w reprezentacyjnym badaniu małych i średnich przedsiębiorstw
Autorzy:
Jurkiewicz, Tomasz
Najman, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/904708.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
small domain estimation
classification methods
neural networks
Opis:
Problem zbyt małej liczby obserwacji w próbie, reprezentującej określoną domenę populacji, może być rozwiązany między innymi poprzez zastosowanie takich estymatorów, które do szacowania parametrów w określonej supopulacji (małym obszarze, domenie) mogłyby wykorzystać informacje o innych jednostkach w próbie, które pochodzą spoza określonej części populacji. Jedna z metod estymacji dla małych domen zwana estymacją syntetyczną zakłada, że rozkład w badanej małej domenie jest identyczny z rozkładem całej populacji. Założenie to pozostaje zazwyczaj niespełnione, zwłaszcza w przypadku specyficznych domen, co skutkuje dużymi błędami estymacji. Autorzy przedstawiają propozycję dwuetapowego procesu estymacji. W pierwszym etapie za pomocą sieci neuronowych typu SOM oraz za pomocą metody klasyfikacji k-średnich określa się podobieństwa jednostek należących do małej domeny do jednostek z pozostałej części próby. Drugim krokiem jest wykorzystanie w estymacji, za pomocą odpowiednio skonstruowanych wag, informacji tylko z tych domen, które są podobne do badanej małej domeny. Autorzy przedstawiają rezultaty zastosowania podanej procedury w analizie branży budowlanej na podstawie wyników reprezentacyjnego badania małych i średnich przedsiębiorstw. Podjęli także próbę oszacowania błędów tak zmodyfikowanej metody estymacji syntetycznej.
The problem of a too small number of observations of a sample, representing a defined domain of a population may be solved inter alia thanks to the application of estimators which would use information about other components of the sample (derived from outside the defined part of the population) to estimate parameters in a given subpopulation (small area, domain). One of estimation methods for small domains - the synthetic estimation - assumes, that the distribution of the studied small domain is identical with the distribution of the whole population. This assumption remains usually unfulfilled, in particular in case of specific domains, what results in large estimation errors. The authors present a proposition of two-stage estimation process. In the first stage, using the SOM-type neural networks and using the k-means classification method the similarity of components belonging to the small domain with the components belonging to the remaining part of the sample is determined. The second step consists in using the information only from those domains, which are similar to the studied small domain with the help of appropriately construed weights. Authors present the results of the above procedure in the analysis of the building industry on the basis of a representative study of small and medium-sized enterprises. They have also undertaken an attempt to estimate the errors of the synthetic estimation method modified in such a way.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 194
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci neuronowych do klasyfikacji uszkodzeń maszyn wirujących
Application of neural networks to classification of malfunctions of rotating machinery
Autorzy:
Barszcz, T.
Powiązania:
https://bibliotekanauki.pl/articles/328828.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wibrodiagnostyka
sieć neuronowa
NARX
klasyfikacja
vibrodiagnostics
neural networks
classification
Opis:
Maszyny wirujące są najczęściej modelowane z dobrą dokładnością metodami liniowymi. Niektóre uszkodzenia tych maszyn mają jednak naturę nieliniową. Typowymi przykładami takich uszkodzeń są luzy posadowienia lub przytarcia wirnika. Zjawiska te powinny być wykrywane przy uwzględnieniu istnienia nieliniowości. Dobrą metodą modelowania takich nieliniowości jest NARX - metoda identyfikacji systemów nieliniowych. Osobnym problemem jest przejście od problemu modelowania zjawisk nieliniowych do wykorzystania takiego modelu do diagnostyki. Niniejszy artykuł prezentuje kilka możliwych podejść, a następnie proponuje metodę klasyfikacji opartą na sieciach NARX. Zaletą metody jest możliwość jej zastosowania do wykrywania nowych uszkodzeń, które nie były znane na etapie trenowania sieci. W końcowej części opisano zastosowanie metody do klasyfikacji nieliniowych uszkodzeń mierzonych na stanowisku badawczym.
Rotating machinery are most often modeled with good accuracy using linear methods. Some malfunctions, however, are of non-linear nature. Typical examples of those malfunctions are loose bearings and rotor rub. These phenomena can be detected taking nonlinearities into account. Good method to detect it is NARX - identification of nonlinear systems. Separate problem is the transition from modeling of nonlinear phenomena to using such models in diagnostics. The following paper presents few approaches and then proposes the method of classification based on NARX networks. The advantage of the method is the possibility to detect new failures, which were not known at the time of training the network. The last part of the paper describes application of the proposed method to the data acquired on the test rig.
Źródło:
Diagnostyka; 2006, 1(37); 107-113
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The SVM method as an instrument for the classification of vertical displacements
Autorzy:
Mrówczyńska, M.
Powiązania:
https://bibliotekanauki.pl/articles/106759.pdf
Data publikacji:
2015
Wydawca:
Politechnika Warszawska. Wydział Geodezji i Kartografii
Tematy:
neural networks
classification
vertical displacements
sieci neuronowe
klasyfikacja
przemieszczenia pionowe
Opis:
The article presents the basic rules for constructing and training neural networks called the Support Vector Machine method as well as possible applications for this kind of network. SVM networks are mainly used for solving tasks of classifying linearly and non-linearly separable data and regression. However, in recent years more applications have been found for them. The networks also solve such problems as the recognition of signals and images as well as speech identification.In this paper, non-linear SVM networks have been used for classifying linearly separable and non-separable data with a view to formulating a model of displacements of points in a measurement-control network. The points of the measurement-control network were placed on a civil engineering object located on expansive soil (linearly separable data) and represented a mining exploitation area (linearly non-separable data). The task of training SVM networks requires the use of quadratic programming in search of an optimum point of the Lagrangian function in relation to the parameters being optimised. In the case of linearly non-separable data, the SVM method makes it possible to find a hyperplane which classifies objects as correctly as possible, and at the same time is located possibly far away from concentrations typical of each class.
Źródło:
Reports on Geodesy and Geoinformatics; 2015, 98; 18-27
2391-8365
2391-8152
Pojawia się w:
Reports on Geodesy and Geoinformatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rejestracja, parametryzacja i klasyfikacja alofonów z wykorzystaniem bimodalności
Regcording, parameterization and classification of allophones employing bimodal approach
Autorzy:
Zaporowski, S.
Cygert, S.
Szwoch, G.
Korvel, G.
Czyżewski, A.
Powiązania:
https://bibliotekanauki.pl/articles/269055.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
sieci neuronowe
klasyfikacja
facial motion capture
neural networks
classification process
Opis:
Praca dotyczy rejestracji i parametryzacji alofonów w języku angielskim z wykorzystaniem dwóch modalności. W badaniach dokonano rejestracji wypowiedzi w języku angielskim mówców, których znajomość tego języka odpowiada poziomowi rodowitego mówcy. W kolejnym etapie wyodrębnione zostały alofony z nagrań fonicznych i odpowiadające im sygnały wizyjne. W procesie tworzenia wektorów cech wykorzystano odrębne systemy parametryzacji, osobne dla każdej modalności. Do parametryzacji sygnału fonicznego użyto typowych deskryptorów stosowanych w obszarze rozpoznawania mowy i muzyki. W nagraniach z systemu przechwytywania ruchu zaproponowano własne rozwiązania. Do klasyfikacji alofonów wykorzystano sieci neuronowe oraz maszynę wektorów nośnych w podejściu jednoi dwumodalnym. Stwierdzono, że skuteczność rozpoznawania wzrasta wraz z wykorzystaniem więcej niż jednej modalności.
The paper concerns the recording and parameterization of allophones in English using two modalities. In the research, the English speakers' statements were recorded. Those speakers’s language proficiency corresponds to the level of the native speaker. In the next stage, allophones from audio recordings and corresponding visual signals were isolated. In the process of creating feature vectors, separate parameterization systems were used for each modality. For the audio signal parameterization, typical descriptors used in the area of speech and music recognition were chosen. In the case of the motion capture system own solutions were proposed. For the purpose of allophones classification, neural networks and the suport vector machine were used in both approaches. It has been found that the recognition efficiency increases with the use of more than one modality.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2018, 60; 135-138
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification, Association and Pattern Completion Using Neural Similarity Based Methods
Autorzy:
Duch, W.
Adamczak, R.
Diercksen, G. H. F.
Powiązania:
https://bibliotekanauki.pl/articles/911147.pdf
Data publikacji:
2000
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
sieć neuronowa
klasyfikacja
rozpoznawanie obrazów
neural networks
classification
association
pattern recognition
Opis:
A framework for Similarity-Based Methods (SBMs) includes many classification models as special cases: neural networks of the Radial Basis Function type, Feature Space Mapping neurofuzzy networks based on separable transfer functions, Learning Vector Quantization, variants of the k nearest neighbor methods and several new models that may be presented in a network form. Multilayer Perceptrons (MLPs) use scalar products to compute a weighted activation of neurons, combining soft hyperplanes to provide decision borders. Distance-based multilayer perceptrons (D-MLPs) evaluate the similarity of inputs to weights offering a natural generalization of standard MLPs. A cluster- based initialization procedure determining the architecture and values of all adaptive parameters is described. Networks implementing SBM methods are useful not only for classification and approximation, but also as associative memories, in problems requiring pattern completion, offering an efficient way to deal with missing values. Non-Euclidean distance functions may also be introduced by normalization of the input vectors in an extended feature space. Both the approaches dramatically influence the shapes of decision borders. An illustrative example showing these changes is provided.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2000, 10, 4; 747-766
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
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:
Membership function - ARTMAP neural networks
Autorzy:
Sinčák, P.
Hric, M.
Vaščák, J.
Powiązania:
https://bibliotekanauki.pl/articles/1931570.pdf
Data publikacji:
2003
Wydawca:
Politechnika Gdańska
Tematy:
pattern recognition principles
classifier design
classification accuracy assessment
contingency tables
backpropagation neural networks
fuzzy BP neural networks
ART and ARTMAP neural networks
modular neural networks
neural networks
Opis:
The project deals with the application of computational intelligence (CI) tools for multispectral image classification. Pattern Recognition scheme is a global approach where the classification part is playing an important role to achieve the highest classification accuracy. Multispectral images are data mainly used in remote sensing and this kind of classification is very difficult to assess the accuracy of classification results. There is a feedback problem in adjusting the parts of pattern recognition scheme. Precise classification accuracy assessment is almost impossible to obtain, being an extremely laborious procedure. The paper presents simple neural networks for multispectral image classification, ARTMAP-like neural networks as more sophisticated tools for classification, and a modular approach to achieve the highest classification accuracy of multispectral images. There is a strong link to advances in computer technology, which gives much better conditions for modelling more sophisticated classifiers for multispectral images.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 1; 43-52
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
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:
Machine learning system for automated blood smear analysis
Autorzy:
Grochowski, Michał
Wąsowicz, Michał
Mikołajczyk, Agnieszka
Ficek, Mateusz
Kulka, Marek
Wróbel, Maciej S.
Jędrzejewska-Szczerska, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/220750.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
optical microscopy
blood cells
biophotonics
image analysis
classification
eigenfaces
neural networks
decision support
nanodiamonds
bioimaging
Opis:
In this paper the authors propose a decision support system for automatic blood smear analysis based onmicroscopic images. The images are pre-processed in order to remove irrelevant elements and to enhancethe most important ones – the healthy blood cells (erythrocytes) and the pathologic ones (echinocytes). The separated blood cells are analysed in terms of their most important features by the eigenfaces method. The features are the basis for designing the neural network classifier, learned to distinguish between erythrocytes and echinocytes. As the result, the proposed system is able to analyse the smear blood images in a fully automatic way and to deliver information on the number and statistics of the red blood cells, both healthy and pathologic. The system was examined in two case studies, involving the canine and human blood, and then consulted with the experienced medicine specialists. The accuracy of classification of red blood cells into erythrocytes and echinocytes reaches 96%.
Źródło:
Metrology and Measurement Systems; 2019, 26, 1; 81-93
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A comparison of conventional and deep learning methods of image classification
Porównanie metod klasycznego i głębokiego uczenia maszynowego w klasyfikacji obrazów
Autorzy:
Dovbnych, Maryna
Plechawska-Wójcik, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/2055127.pdf
Data publikacji:
2021
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
image classification
machine learning
deep learning
neural networks
klasyfikacja obrazów
uczenie maszynowe
uczenie głębokie
sieci neuronowe
Opis:
The aim of the research is to compare traditional and deep learning methods in image classification tasks. The conducted research experiment covers the analysis of five different models of neural networks: two models of multi–layer perceptron architecture: MLP with two hidden layers, MLP with three hidden layers; and three models of convolutional architecture: the three VGG blocks model, AlexNet and GoogLeNet. The models were tested on two different datasets: CIFAR–10 and MNIST and have been applied to the task of image classification. They were tested for classification performance, training speed, and the effect of the complexity of the dataset on the training outcome.
Celem badań jest porównanie metod klasycznego i głębokiego uczenia w zadaniach klasyfikacji obrazów. Przeprowa-dzony eksperyment badawczy obejmuje analizę pięciu różnych modeli sieci neuronowych: dwóch modeli wielowar-stwowej architektury perceptronowej: MLP z dwiema warstwami ukrytymi, MLP z trzema warstwami ukrytymi; oraz trzy modele architektury konwolucyjnej: model z trzema VGG blokami, AlexNet i GoogLeNet. Modele przetrenowano na dwóch różnych zbiorach danych: CIFAR–10 i MNIST i zastosowano w zadaniu klasyfikacji obrazów. Zostały one zbadane pod kątem wydajności klasyfikacji, szybkości trenowania i wpływu złożoności zbioru danych na wynik trenowania.
Źródło:
Journal of Computer Sciences Institute; 2021, 21; 303--308
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozpoznawanie stanu technicznego przekładni zębatych z wykorzystaniem sieci neuronowej CP
Identification of the Technical State of Toothed Gears with the Use of CP Neural Network
Autorzy:
Dybała, J.
Powiązania:
https://bibliotekanauki.pl/articles/360674.pdf
Data publikacji:
2005
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
sieci neuronowe
klasyfikacja
diagnostyka wibroakustyczna
przekładnie zębate
OMiUO 2005
neural networks
classification
vibroacoustic diagnostics
toothed gears
Opis:
W artykule przedstawiono sposób zastosowywania neuronowego klasyfikatora zbudowanego na bazie sieci neuronowej z propagacją przeciwną w diagnostyce wibroakustycznej przekładni zębatych. W końcowej części artykułu przedstawiono jako przykład wyniki eksperymentu laboratoryjnego.
This article presents a way of applying a neural classifier constructed on the basis of a counter-propagation neural network in vibroacoustic diagnosis of toothed gears. In the final part of the article the results of a laboratory experiment are presented.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2005, 5 (77); 227-236
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 22

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