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 "Klasyfikacja sieci" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
    Wyświetlanie 1-15 z 15
    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:
    Przydatność różnych typów sieci neuronowych w klasyfikacji gleb
    Application of different types of the neural networks in soils classification
    Autorzy:
    Gruszczyński, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/269264.pdf
    Data publikacji:
    2006
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    sieci neuronowe
    klasyfikacja gleb
    neural network
    soils classification
    Opis:
    Zaprezentowano zastosowanie trzech algorytmów sieci neuronowych do klasyfikowania gleb na podstawie cech możliwych do interpretacji z dostępnej, analogowej dokumentacji kartograficznej. Spośród przebadanych algorytmów najlepsze wyniki klasyfikacji dają sieci typu MLP oraz probabilistyczne (PNN). Połączenie wyników działania sieci PNN oraz SOM pozwala na pogłębioną analizę zależności klasyfikacyjnych w obszarze opracowania, polegającą między innymi na zobrazowaniu rozmytych relacji między poszczególnymi kompleksami w terenie
    The application of three neural networks algorithm in task soils classification, on the basis of features obtained from analog cartographic documentation, is presented. The MLP (Multi-Layer Perceptron) type net and PNN (Probabilistic Neural Network) give the best classification results among examined algorithms. The PNN and SOM (Self-Organizing Map) combination of net operational results gives more deep classification relations within sphere this study, based among others on fuzzy relationships visualization between complexes in analyzed area
    Źródło:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2006, 11, 1; 13-25
    1426-2908
    Pojawia się w:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
    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:
    Influence of gestational age on neural networks interpretation of fetal monitoring signals
    Autorzy:
    Jeżewski, M.
    Czabański, R.
    Horoba, K.
    Wróbel, J.
    Łęski, J.
    Jeżewski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/333505.pdf
    Data publikacji:
    2008
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    monitoring płodu
    kardiotokografia
    klasyfikacja
    sieci neuronowe
    fetal monitoring
    cardiotocography
    classification
    neural networks (NN)
    Opis:
    Cardiotocographic monitoring (CTG) is a primary biophysical monitoring method for assessment of the fetal state and is based on analysis of fetal heart rate, uterine contraction activity and fetal movement signals. Visual analysis of CTG traces is very difficult so computer-aided fetal monitoring systems have become a standard in clinical centres. We proposed the application of neural networks for the prediction of fetal outcome using the parameters of quantitative description of acquired signals as inputs. We focused on the influence of the gestational age (during trace recording) on the fetal outcome classification quality. We designed MLP and RBF neural networks with changing the number of neurons in the hidden layer to find the best structure. Networks were trained and tested fifty times, with random cases assignment to training, validating and testing subset. We obtained the value of sensitivity index above 0.7, what may be regarded as good result. However additional trace grouping within similar gestational age, increased classification quality in the case of MLP networks.
    Źródło:
    Journal of Medical Informatics & Technologies; 2008, 12; 137-142
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    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:
    Badania struktur sieci neuronowych typu mlp do oceny układu stref ciśnienia systemu dystrybucji wody
    Research of structures of mlp artificial neural networks to evaluate the pressure zones of water distribution system
    Autorzy:
    Dawidowicz, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/403185.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    system dystrybucji wody
    sieci neuronowe
    strefa ciśnienia
    klasyfikacja
    water distribution system
    neural networks
    zone pressure
    classification
    Opis:
    W artykule opisano badania nad różnymi strukturami sztucznych sieci neuronowych typu perceptron wielowarstwowy MLP przeznaczonych do oceny układu systemu dystrybucji wody. Problem oceny układu systemu został potraktowany jako zadanie klasyfikacji. Zdefiniowano klasy opisujące problemy występujące w procesie obliczeń związane z wysokością ciśnienia i podziałem systemu na strefy. Sieć neuronowa na podstawie zmiennych wejściowych, opisujących warunki hydrauliczne i terenowe, dokonuje klasyfikacji wskazując występujący problem w danym węźle systemu dystrybucji wody. Zamieszczono zestawienia tabelaryczne struktur przebadanych sieci neuronowych, wartości błędu uczenia, trafność klasyfikowania oraz analizę wrażliwości zmiennych wejściowych. Uzyskana sieć neuronowa ma za zadanie uzupełnić podstawową metodykę obliczeń systemów dystrybucji wody o elementy oceny uzyskanych wyników obliczeń.
    Designing of water distribution systems is inherently associated with hydraulic simulations the purpose of which is to determine the flow rate in individual system sections, selection of pipe diameters, calculation of pressure losses and of the pressure head at nodes. In the water distribution system design and hydraulic calculations one should, inter alia, check a pressure head in different parts of the system. It is also important to establish whether the system should consist of one or more pressure zones. It is connected with the appropriate location of network pumping stations and pressure reducing stations. There are many methods of calculation of water distribution systems that allow you to solve tasks for various structures of pipeline. Computer programmes based on the above methods calculate the value required variables describing the individual elements of the system, but do not have procedures for assessing their accuracy. Currently, there are no, and probably there will be no programmes which would replace a designer in the aforementioned tasks. However, nowadays one tries to develop computer programmes featuring certain degree of creativity in order to facilitate user decision making. The article describes research on the various structures of multilayer perceptrons designed to evaluate the pressure zones the water distribution system. The task of evaluation system was defined as a classification. Problems in the calculation of water distribution systems related to the amount of pressure and the division of the system into zones described using classes. A neural network based on input variables that describe the hydraulic conditions and terrain, classifies the problem occurring in a given node water distribution system. The article contains a table with tested multilayer perceptrons, learning error values, classification results and a table with sensitivity analysis network input variables. The resulting neural network should complement the basic methodology for calculating the water distribution systems with elements of evaluate the results calculations.
    Źródło:
    Budownictwo i Inżynieria Środowiska; 2015, 6, 2; 53-60
    2081-3279
    Pojawia się w:
    Budownictwo i Inżynieria Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie sieci neuronowych cp w wibroakustycznej diagnostyce uszkodzeń przekładni zębatej
    Use of cp neural network in vibroacoustic diagnostics of toothed gears failure
    Autorzy:
    Dybała, J.
    Radkowski, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/328698.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    selekcja cech
    klasyfikacja obrazów
    sieci neuronowe
    diagnostyka wibroakustyczna
    feature selection
    pattern classification
    neural networks
    vibroacoustic diagnostic
    Opis:
    W artykule przedstawiono sposób zastosowywania neuronowego klasyfikatora zbudowanego na bazie sieci neuronowej z propagacją przeciwną w diagnostyce wibroakustycznej przekładni zębatej. Ponadto, w pracy przedstawiono unikalną metodę selekcji cech stanu obiektu opartą na geometrii przestrzeni obserwacji. W końcowej części artykułu przedstawiono jako przykład wyniki eksperymentu laboratoryjnego.
    The article presents a way of applying a neural classifier constructed on the basis of counter-propagation neural network in vibroacoustic diagnostics of toothed gears. Moreover, in the paper the unique feature selection method of object state is presented. This method is based on geometry of the observation space. In final unit of article the results of laboratory experiment are presented as example.
    Źródło:
    Diagnostyka; 2004, 31; 59-66
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sieci Kohonena do podziału województwa zachodniopomorskiego na rejony o zbliżonych warunkach produkcji rolniczej
    The application of Kohonens neural network for purposes of the division of Zachodniopomorskie province into areas with similar conditions for rural production
    Autorzy:
    Zarod, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/78763.pdf
    Data publikacji:
    2012
    Wydawca:
    Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
    Tematy:
    woj.zachodniopomorskie
    produkcja rolna
    warunki produkcji
    rolnicza przestrzen produkcyjna
    klasyfikacja gmin
    sieci neuronowe
    samoorganizujace sie mapy
    Źródło:
    Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica; 2012, 68
    2081-0644
    Pojawia się w:
    Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
    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
    Tytuł:
    The dedicated decision support system in recognition of some uncertain disease entities
    Autorzy:
    Porwik, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/333041.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie obrazu
    klasyfikacja danych
    sieci neuronowe
    systemy wspomagania decyzji
    image recognition
    data classification
    neural network
    decision support systems
    Opis:
    This work presents the principles of image recognition, where quality-based methods are applied. The neural networks and additional software have been proposed. This goal was achieved by using non-parametric recognition algorithms. In this paper the two-state hybrid classification method has been proposed, where artificial intelligence algorithm is included. In recognition process, the learning method, selection and optimization of diagnostic parameters have been introduced. The integrated part of the classifier structure is voting mechanism, which indicates incorrect states of the system – for example the unrecognized images. Effectiveness of the system has been shown by means of examples, where ambiguous data have been incorporated – it is very often a practice of medical diagnostics.
    Źródło:
    Journal of Medical Informatics & Technologies; 2009, 13; 97-100
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    „Śmieci na wejściu, śmieci na wyjściu”. Wpływ jakości koderów na działanie sieci neuronowej klasyfikującej wypowiedzi w mediach społecznościowych
    „Garbage in, Garbage out”. The Impact of Coders’ Quality on the Neural Network Classifying Text on Social Media
    Autorzy:
    Matuszewski, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/2131910.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sieci neuronowe
    klasyfikacja danych tekstowych
    modele nadzorowane
    opinion mining
    jakość koderów
    text classification
    neural networks
    supervised models
    quality of coders
    Opis:
    Jedna z głównych decyzji przy ręcznym kodowaniu danych tekstowych dotyczy tego, czy kodowanie ma być weryfikowane. W przypadku modeli nadzorowanych prowadzi to do istotnego dylematu: czy lepszym rozwiązaniem jest dostarczenie modelowi dużej liczby przypadków, na których będzie się uczyć kosztem weryfikacji poprawności danych, czy też zakodowanie każdego przypadku n-razy, co pozwoli porównać kody i sprawdzić ich poprawność, ale jednocześnie n-krotnie zmniejszy zbiór danych treningowych. Taka decyzja może zaważyć nie tylko na ostatecznych wynikach klasyfikatora. Z punktu widzenia badaczy jest istotna również dlatego, że – realistycznie zakładając, że badania mają ograniczone źródło finansowania – nie można jej cofnąć. Wykorzystując 100 tys. unikatowych i ręcznie zakodowanych tweetów przeprowadzono symulacje wyników klasyfikatora w zależności od kontrolowanego odsetka błędnie zakodowanych dokumentów. Na podstawie danych przedstawiono rekomendacje.
    One of the critical decisions when manually coding text data is whether to verify the coders’ work. In the case of supervised models, this leads to a significant dilemma: is it better to provide the model with a large number of cases on which it will learn at the expense of verifying the correctness of the data, or whether it is better to code each case n-times, which will allow to compare the codes and check their correctness but at the same time will reduce the training dataset by n-fold. Such a decision not only affect the final results of the classifier. From the researchers’ point of view, it is also crucial because, realistically assuming that research has limited funding, it cannot be undone. The study uses a simulation approach and provides conclusions and recommendations based on 100,000 unique and hand-coded tweets.
    Źródło:
    Studia Socjologiczne; 2022, 2; 137-164
    0039-3371
    Pojawia się w:
    Studia Socjologiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja mikroskopowych obrazów skał przy wykorzystaniu sieci neuronowych
    Classification of the microscopic images of rocks with the use of neural networks
    Autorzy:
    Młynarczuk, M.
    Bielecka, M.
    Ślipek, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/394187.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    automatyczna klasyfikacja skał
    obrazy mikroskopowe
    sieci neuronowe
    sztuczna inteligencja
    SOM
    MLP
    LVQ
    automatic classification of rocks
    microscopic images
    neural networks
    artificial intelligence
    Opis:
    Klasyfikacja skał stanowi ważny aspekt w wielu zagadnieniach górnictwa i geologii inżynierskiej. Automatyzacja procesu klasyfikacji mikroskopowych obrazów skał może przyczynić się do usprawniania przetwarzania ogromnych zbiorów fotografii skał, poprzez jego przyspieszenie i wyeliminowanie wpływu subiektywnej oceny obserwatora na końcowy wynik klasyfikacji. Podczas pierwszego etapu badan opisanych w tym artykule wykorzystano zbiór 2700 mikroskopowych obrazów szlifów cienkich 9 skał, różniących się od siebie cechami petrograficznymi. Próbki skał zostały opisane 13-wymiarowym wektorem cech. Przy użyciu trzech różnych sieci neuronowych: dwuwarstwowej sieci jednokierunkowej (multi-layer feed-forward perceptron, MLP), samoorganizującej mapy Kohonena (self organizing Kohonen maps, SOM) oraz kwantyzacji wektorowej (learning vector quantization, LVQ), fotografie, po wcześniejszym treningu sieci odseparowanymi podzbiorami próbek, zostały poddane procesowi automatycznej klasyfikacji. Stukrotne powtarzanie losowania podzbiorów wykorzystywanych do treningu sieci oraz powtarzanie algorytmu uczenia sieci i rozpoznawania zdjęć pozwoliło na uzyskanie statystycznie wiarygodnych wyników, których wartość średnia wyniosła 99,4%. Następnie zbiór skał został zwiększony do łącznej wielkości 6300 zdjęć reprezentujących 21 różnych skał, a badania zostały powtórzone z zachowanie wektora cech oraz parametrów nauki sieci. Wynik średni poprawnych klasyfikacji dla powiększonego zbioru obrazów wyniósł 98,30%.
    Rock classification is an inherent part of numerous aspects of geology and engineering geology. Automating the classification of the microscopic images of rocks may result in improvements in analyzing vast sets of rocks' images by speeding up their recognition and eliminating the influence of the observer's subjective judgment in the final classification results. A set of 2,700 microscopic images of thin sections of 9 rocks, which differ in petrographic features, was used during the first step of the study described in the following article. Samples were displayed in a thirteen-dimensional feature space. With the use of three different neural networks multi-layer feed-forward perceptron (MLP), self-organizing Kohonen maps (SOM), and learning vector quantization (LVQ) ? images were subjected to an automated classification process preceded by the network's training with the use of isolated subset samples. Centuple repetition of subset drawings, which were used to train the network by repeating the self-learning network and images recognition algorithm, led to the achievement of statistically trustworthy results with a mean at the level of 99.4 %, and for the best drawing at 99.71%. Afterwards, the rocks set was extended to a total volume of 6,300 images of 21 different rocks, and the test was repeated preserving the feature space and self-learning network parameters. The average score of correct classifications for the extended images set was 98.30%, with the best score at 98.95%.
    Źródło:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2014, 86; 27-38
    2080-0819
    Pojawia się w:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
    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
      Wyświetlanie 1-15 z 15

      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