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 "Machine Learning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 19
Tytuł:
Analiza wydajności biblioteki TensorFlow z wykorzystaniem różnych algorytmów optymalizacji
Performance analysis of the TensorFlow library with different optimisation algorithms
Autorzy:
Wadas, Maciej
Smołka, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/2055131.pdf
Data publikacji:
2021
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
sieci neuronowe
machine learning
neural networks
Opis:
W artykule zaprezentowano wyniki analizy wydajności biblioteki TensorFlow wykorzystywanej w uczeniu maszyno-wym i głębokich sieciach neuronowych. Analiza skupia się na porównaniu parametrów otrzymanych podczas treningu modelu sieci neuronowej dla algorytmów optymalizacji: Adam, Nadam, AdaMax, AdaDelta, AdaGrad. Zwrócono szczególną uwagę na różnice pomiędzy efektywnością treningu na zadaniach wykorzystujących mikroprocesor i kartę graficzną. Do przeprowadzenia badań utworzono modele sieci neuronowej, której zadaniem było rozpoznawanie znaków języka polskiego pisanych odręcznie. Otrzymane wyniki wykazały, że najwydajniejszym algorytmem jest AdaMax, zaś podzespół komputera wykorzystywany podczas badań wpływa jedynie na czas treningu wykorzystanego modelu sieci neuronowej.
This paper presents the results of performance analysis of the Tensorflow library used in machine learning and deep neural networks. The analysis focuses on comparing the parameters obtained when training the neural network model for optimization algorithms: Adam, Nadam, AdaMax, AdaDelta, AdaGrad. Special attention has been paid to the differences between the training efficiency on tasks using microprocessor and graphics card. For the study, neural network models were created in order to recognise Polish handwritten characters. The results obtained showed that the most efficient algorithm is AdaMax, while the computer component used during the research only affects the training time of the neural network model used.
Źródło:
Journal of Computer Sciences Institute; 2021, 21; 330--335
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Building computer vision systems using machine learning algorithms
Autorzy:
Boyko, N.
Sokil, N.
Powiązania:
https://bibliotekanauki.pl/articles/410768.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Oddział w Lublinie PAN
Tematy:
algorithm
information system
neural network
machine learning
client-server architecture
script
artificial system
machine learning algorithms
algorytm
systemy informacyjne
sieci neuronowe
systemy uczące
architektura klient-serwer
skrypt
Opis:
In this paper theoretic aspects of machine learning system in the field of computer vision is considered. There are presented methods of behavior analysis. There are offered tasks and problems associated with building systems using machine learning algorithm. The paper provides signs of problems that can be solved by using machine learning algorithms There is demonstrated step by step construction of computer vision system. The paper provides the algorithm of solving the problem of binary (two classes) classification for demonstration the machine learning algorithm possibilities in image recognition field, which can recognize the gender of the person on the photo. Aspects related to the search of data processing are also considered. There is analyzed the search of optimal parameters for algorithms. An interpretation of results in machine learning algorithm is provided. Binarization methods in machine learning algorithm are offered. There is analyzed the technology for improving the accuracy of machine learning algorithm. There are proposed ways to improve computer vision system in neural systems. Also there are analyzed large software modules that work using machine learning systems. The article provides prospects of powerful information technologies, which are necessary for the proper data selection in learning and configuration of feature extraction algorithm to create a computer vision system.
Źródło:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes; 2017, 6, 2; 15-20
2084-5715
Pojawia się w:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes
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:
Wound image segmentation using clustering based algorithms
Autorzy:
Farmaha, Ihor
Banaś, Marian
Savchyn, Vasyl
Lukashchuk, Bohdan
Farmaha, Taras
Powiązania:
https://bibliotekanauki.pl/articles/2064381.pdf
Data publikacji:
2019
Wydawca:
STE GROUP
Tematy:
clustering
Segmentation
machine learning
neural networks
wounds
segmentacja
nauczanie maszynowe
sieci neuronowe
rany
klastrowanie
Opis:
Classic methods of measurement and analysis of the wounds on the images are very time consuming and inaccurate. Automation of this process will improve measurement accuracy and speed up the process. Research is aimed to create an algorithm based on machine learning for automated segmentation based on clustering algorithms Methods. Algorithms used: SLIC (Simple Linear Iterative Clustering), Deep Embedded Clustering (that is based on artificial neural networks and k-means). Because of insufficient amount of labeled data, classification with artificial neural networks can`t reach good results. Clustering, on the other hand is an unsupervised learning technique and doesn`t need human interaction. Combination of traditional clustering methods for image segmentation with artificial neural networks leads to combination of advantages of both of them. Preliminary step to adapt Deep Embedded Clustering to work with bio-medical images is introduced and is based on SLIC algorithm for image segmentation. Segmentation with this method, after model training, leads to better results than with traditional SLIC.
Źródło:
New Trends in Production Engineering; 2019, 2, 1; 570--578
2545-2843
Pojawia się w:
New Trends in Production Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Utilisation of the artificial neural network in the strategy for the allocation of storage space
Autorzy:
Janke, Piotr
Jończyk, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/1883695.pdf
Data publikacji:
2020
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
logistics
machine learning
artificial intelligence
neural networks
logistyka
uczenie maszynowe
sztuczna inteligencja
sieci neuronowe
Opis:
Purpose: The main goal of the article is to develop a method that automatically allocates the warehouse zones of the product range of the studied enterprise for the selected machine learning algorithm. Design/methodology/approach: The problem of the studied issue is presented in the context of a specific company. The research used the double ABC method for the initial classification of zones. Input data were prepared according to the developed methodology. Selected machine learning algorithms were tested for the same data. Findings: Machine learning methods can be used to classify storage zones in that specific warehouse. Especially Boosted Trees and Neural Networks gives small errors at training stage witch our methodology. There may be differences in errors at the stage of learning the algorithm and the stage of implementing it with completely new data. Originality/value: Machine learning is a new solution that is increasingly used in various areas of logistics. The article draws attention to some problems in implementing this solution for enterprises.
Źródło:
Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska; 2020, 145; 197-209
1641-3466
Pojawia się w:
Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine learning versus human-developed algorithms in image analysis of microstructures
Autorzy:
Piwowarczyk, Adam
Wojnar, Leszek
Powiązania:
https://bibliotekanauki.pl/articles/103967.pdf
Data publikacji:
2019
Wydawca:
Stowarzyszenie Menedżerów Jakości i Produkcji
Tematy:
image analysis
object detection
neural networks
machine learning
analiza obrazu
detekcja obiektów
sieci neuronowe
uczenie maszynowe
Opis:
Automatic image analysis is nowadays a standard method in quality control of metallic materials, especially in grain size, graphite shape and non-metallic content evaluation. Automatically prepared solutions, based on machine learning, constitute an effective and sufficiently precise tool for classification. Human-developed algorithms, on the other hand, require much more experience in preparation, but allow better control of factors affecting the final result. Both attempts were described and compared.
Źródło:
Quality Production Improvement - QPI; 2019, 1, 1; 412-416
2657-8603
Pojawia się w:
Quality Production Improvement - QPI
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Performance comparison of machine learning algotihms for predictive maintenance
Porównanie skuteczności algorytmów uczenia maszynowego dla konserwacji predykcyjnej
Autorzy:
Gęca, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/1841332.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
machine learning
random forest
predictive maintenance
neural networks
uczenie maszynowe
las losowy
konserwacja predykcyjna
sieci neuronowe
Opis:
The consequences of failures and unscheduled maintenance are the reasons why engineers have been trying to increase the reliability of industrial equipment for years. In modern solutions, predictive maintenance is a frequently used method. It allows to forecast failures and alert about their possibility. This paper presents a summary of the machine learning algorithms that can be used in predictive maintenance and comparison of their performance. The analysis was made on the basis of data set from Microsoft Azure AI Gallery. The paper presents a comprehensive approach to the issue including feature engineering, preprocessing, dimensionality reduction techniques, as well as tuning of model parameters in order to obtain the highest possible performance. The conducted research allowed to conclude that in the analysed case, the best algorithm achieved 99.92% accuracy out of over 122 thousand test data records. In conclusion, predictive maintenance based on machine learning represents the future of machine reliability in industry.
Skutki związane z awariami oraz niezaplanowaną konserwacją to powody, dla których od lat inżynierowie próbują zwiększyć niezawodność osprzętu przemysłowego. W nowoczesnych rozwiązaniach obok tradycyjnych metod stosowana jest również tzw. konserwacja predykcyjna, która pozwala przewidywać awarie i alarmować o możliwości ich powstawania. W niniejszej pracy przedstawiono zestawienie algorytmów uczenia maszynowego, które można zastosować w konserwacji predykcyjnej oraz porównanie ich skuteczności. Analizy dokonano na podstawie zbioru danych Azure AI Gallery udostępnionych przez firmę Microsoft. Praca przedstawia kompleksowe podejście do analizowanego zagadnienia uwzględniające wydobywanie cech charakterystycznych, wstępne przygotowanie danych, zastosowanie technik redukcji wymiarowości, a także dostrajanie parametrów poszczególnych modeli w celu uzyskania najwyższej możliwej skuteczności. Przeprowadzone badania pozwoliły wskazać najlepszy algorytm, który uzyskał dokładność na poziomie 99,92%, spośród ponad 122 tys. rekordów danych testowych. Na podstawie tego można stwierdzić, że konserwacja predykcyjna prowadzona w oparciu o uczenie maszynowe stanowi przyszłość w zakresie podniesienia niezawodności maszyn w przemyśle.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2020, 10, 3; 32-35
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Terrain classification using static and dynamic texture features by uav downwash effect
Autorzy:
Carvalho, João Pedro
Fonseca, José Manuel
Mora, André Damas
Powiązania:
https://bibliotekanauki.pl/articles/384711.pdf
Data publikacji:
2019
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
image processing
texture
machine learning
terrain classificafion
neural networks
UAV
przetwarzanie obrazu
tekstura
nauczanie maszynowe
sieci neuronowe
Opis:
Knowing how to identify terrain types is especially important in the autonomous navigation, mapping, decision making and emergency landings areas. For example, an unmanned aerial vehicle (UAV) can use it to find a suitable landing position or to cooperate with other robots to navigate across an unknown region. Previous works on terrain classification from RGB images taken onboard of UAVs shown that only static pixel-based features were tested with a considerable classification error. This paper presents a computer vision algorithm capable of identifying the terrain from RGB images with improved accuracy. The algorithm complement the static image features and dynamic texture patterns produced by UAVs rotors downwash effect (visible at lower altitudes) and machine learning methods to classify the underlying terrain. The system is validated using videos acquired onboard of a UAV with a RGB camera.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2019, 13, 1; 84-93
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka nawierzchni drogowej przy zastosowaniu metod sieci neuronowych – studium przypadku
Road pavement diagnostics using neural network methods – a case study
Autorzy:
Jóźwiak, Zuzanna
Pożarycki, Andrzej
Górnaś, Przemysław
Powiązania:
https://bibliotekanauki.pl/articles/24024764.pdf
Data publikacji:
2022
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
sieci neuronowe
głębokie uczenie maszynowe
diagnostyka nawierzchni
obrazy cyfrowe
neural networks
deep machine learning
pavement diagnostics
digital images
Opis:
W artykule przedstawiono zastosowanie metody głębokiego uczenia maszynowego, wykorzystanej do jednego z zagadnień diagnostyki nawierzchni drogowej. Opisano techniki głębokiego uczenia maszynowego do rozpoznawania wybranej grupy uszkodzeń nawierzchni zarejestrowanych na obrazach cyfrowych. W ramach eksperymentu numerycznego porównano między sobą dwa modele powszechnie znane jako VGG16 i VGG19. Architektura sieci reprezentowana jest poprzez schemat połączeń charakterystyczny dla konwolucyjnych sieci neuronowych, które z założenia przeznaczone są na potrzeby identyfikacji obiektów na obrazach cyfrowych. Mimo wszystko źródłowa baza danych, znana pod angielską nazwą ImageNet, nie zawiera obrazów cyfrowych nawierzchni jezdni. W celu poszerzenia wiedzy w tym zakresie autorzy utworzyli bazę ortogonalnych obrazów cyfrowych nawierzchni jezdni i opisali jeden z możliwych scenariuszy wykorzystania tych narzędzi do zautomatyzowanej identyfikacji uproszczonej wersji wskaźnika stanu powierzchni.
This paper presents the application of deep machine learning method used for one of the problems of road pavement diagnostics. Deep machine learning techniques for the recognition of a selected group of pavement surface defects observed in digital images are described. In a numerical experiment, two models commonly known as VGG16 and VGG19 were compared to each other. The network architecture is represented by a connection scheme characteristic of convolutional neural networks, which by design are intended for the purpose of identifying objects in digital images. Nevertheless, the source database known as ImageNet does not contain digital images of pavement surfaces. In order to extend the knowledge in this area, the authors created a database of orthogonal digital images of pavement surfaces and described one of the possible scenarios of using these tools for automated identification of a simplified version of the surface condition index.
Źródło:
Drogownictwo; 2022, 2-3; 65--72
0012-6357
Pojawia się w:
Drogownictwo
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza istotności cech znamion skórnych dla celów diagnostyki czerniaka złośliwego
Skin lesion features analysis for malignant melanoma classification
Autorzy:
Mikołajczyk, A.
Grochowski, M.
Powiązania:
https://bibliotekanauki.pl/articles/268540.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
algorytm ewolucyjny
uczenie maszynowe
sieci neuronowe
systemy wspomagania decyzji
evolutionary algorithm
neural networks
decision support system
machine learning
Opis:
Pomimo dynamicznego rozwoju metod uczenia maszynowego i ich wdrażania do praktyki lekarskiej, automatyczna analiza znamion skórnych wciąż jest nierozwiązanym problemem. Poniższy artykuł proponuje zastosowanie algorytmu ewolucyjnego do zaprojektowania, wytrenowania i przetestowania całych populacji klasyfikatorów (sztucznych sieci neuronowych) oraz ich iteracyjnego udoskonalania w każdej kolejnej populacji, w celu osiągnięcia jak najlepszej dokładności klasyfikacji znamion skórnych. Algorytm zwraca optymalny zestaw cech opisujących obraz dermatoskopowy wraz z proponowaną architekturą sieci neuronowej. Uzyskano dokładność równą 85,83%, swoistość równą 79,07% oraz czułość równą 92,60%.
Despite the dynamic development of machine learning methods, automatic analysis of skin lesions is still open issue. The following article proposes the use of an evolutionary algorithm to design, train, and to test a whole population of classifiers (artificial neural networks) and to iteratively improve them in each subsequent population, in order to achieve the best possible accuracy in the classification of skin lesions task. The algorithm returns an optimal set of features describing the dermatoscopic image together with the proposed architecture of the neural network. High classification results were obtained, in particular: accuracy equal to 85.83%, specificity 79.07% and sensitivity 92.60%.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2018, 60; 67-70
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Physics-guided neural networks (PGNNs) to solve differential equations for spatial analysis
Autorzy:
Borzyszkowski, Bartłomiej
Damaszke, Karol
Romankiewicz, Jakub
Świniarski, Marcin
Moszyński, Marek
Powiązania:
https://bibliotekanauki.pl/articles/2086847.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
physics-guided neural networks
spatial analysis
differential equations
machine learning
sieci neuronowe
fizyka
analiza przestrzenna
równania różniczkowe
uczenie maszynowe
Opis:
Numerous examples of physically unjustified neural networks, despite satisfactory performance, generate contradictions with logic and lead to many inaccuracies in the final applications. One of the methods to justify the typical black-box model already at the training stage involves extending its cost function by a relationship directly inspired by the physical formula. This publication explains the concept of Physics-guided neural networks (PGNN), makes an overview of already proposed solutions in the field and describes possibilities of implementing physics-based loss functions for spatial analysis. Our approach shows that the model predictions are not only optimal but also scientifically consistent with domain specific equations. Furthermore, we present two applications of PGNNs and illustrate their advantages in theory by solving Poisson’s and Burger’s partial differential equations. The proposed formulas describe various real-world processes and have numerous applications in the area of applied mathematics. Eventually, the usage of scientific knowledge contained in the tailored cost functions shows that our methods guarantee physics-consistent results as well as better generalizability of the model compared to classical, artificial neural networks.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 6; e139391, 1--10
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Innovative methods of neural reconstruction for tomographic images in maintenance of tank industrial reactors
Nowatorskie metody neuronowej rekonstrukcji obrazów tomograficznych w eksploatacji zbiornikowych reaktorów przemysłowych
Autorzy:
Rymarczyk, Tomasz
Kłosowski, Grzegorz
Powiązania:
https://bibliotekanauki.pl/articles/1365287.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
electrical tomography
industrial processes
process control
neural networks
machine learning
tomografia elektryczna
procesy przemysłowe
sterowanie procesami
sieci neuronowe
uczenie maszynowe
Opis:
The article presents an innovative concept of improving the monitoring and optimization of industrial processes. The developed method is based on a system of many separately trained neural networks, in which each network generates a single point of the output image. Thanks to the elastic net method, the implemented algorithm reduces the correlated and irrelevant variables from the input measurement vector, making it more resistant to the phenomenon of data noises. The advantage of the described solution over known non-invasive methods is to obtain a higher resolution of images dynamically appearing inside the reactor of artifacts (crystals or gas bubbles), which essentially contributes to the early detection of hazards and problems associated with the operation of industrial systems, and thus increases the efficiency of chemical process control.
W artykule przedstawiono nowatorską koncepcję usprawnienia monitoringu i optymalizacji procesów przemysłowych. Opracowana metoda bazuje na systemie osobno wytrenowanych wielu sieci neuronowych, w którym każda sieć generuje pojedynczy punkt obrazu wyjściowego. Dzięki zastosowaniu metody elastic net zaimplementowany algorytm redukuje z wejściowego wektora pomiarowego zmienne skorelowane i nieistotne, czyniąc go bardziej odpornym na zjawisko zaszumienia danych. Przewagą opisywanego rozwiązania nad znanymi metodami nieinwazyjnymi jest uzyskanie wyższej rozdzielczości obrazów dynamicznie pojawiających się wewnątrz reaktora artefaktów (kryształów lub pęcherzy gazowych), co zasadniczo przyczynia się do wczesnego wykrycia zagrożeń i problemów związanych z eksploatacją systemów przemysłowych, a tym samym zwiększa efektywność sterowania procesami chemicznymi.
Źródło:
Eksploatacja i Niezawodność; 2019, 21, 2; 261-267
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Regression Using Machine Learning and Neural Networks for Studying Tribological Properties of Wear-Resistant Layers
Zastosowanie regresji z wykorzystaniem uczenia maszynowego i sieci neuronowych w badaniach właściwości tribologicznych warstw trudnościeralnych
Autorzy:
Malinowski, Paweł
Kasińska, Justyna
Powiązania:
https://bibliotekanauki.pl/articles/2116061.pdf
Data publikacji:
2022
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
machine learning
neural networks
regression
tribology
tribological characteristics
wear indicators
uczenie maszynowe
sieci neuronowe
regresja
tribologia
charakterystyka tribologiczna
wskaźniki zużycia
Opis:
Artificial intelligence is becoming commonplace in various research and industrial fields. In tribology, various statistical and predictive methods allow an analysis of numerical data in the form of tribological characteristics and surface structure geometry, to mention just two examples. With machine learning algorithms and neural network models, continuous values can be predicted (regression), and individual groups can be classified. In this article, we review the machine learning and neural networks application to the analysis of research results in a broad context. Additionally, a case study is presented for selected machine learning tools based on tribological tests of padding welds, from which the tribological characteristics (friction coefficient, linear wear) and wear indicators (maximum wear depth, wear area) were determined. The study results were used in exploratory data analysis to establish the correlation trends between selected parameters. They can also be the basis for regression analysis using machine learning algorithms and neural networks. The article presents a case study using these approaches in the tribological context and shows their ability to accurately and effectively predict selected tribological characteristics.
Zastosowanie sztucznej inteligencji w różnych dziedzinach nauki i przemysłu jest coraz bardziej powszechne. Duża różnorodność metod statystycznych i predykcyjnych umożliwia użycie ich również w tribologii. Analiza danych liczbowych w postaci charakterystyk tribologicznych, struktury geometrycznej powierzchni oraz wielu innych wymaga zastosowania narzędzi informatycznych oraz statystycznych. Wykorzystanie algorytmów uczenia maszynowego i budowanie modelu sieci neuronowej umożliwi prognozowanie wartości ciągłych (regresja) oraz klasyfikowanie poszczególnych grup. W artykule autorzy dokonują przeglądu możliwości aplikacyjnych algorytmów uczenia maszynowego i sieci neuronowych do analizy wyników badań w szerokim kontekście. Dodatkowo zaprezentowano studium przypadku dla wybranych narzędzi uczenia maszynowego na podstawie przykładowych badań tribologicznych napoin, dla których przeprowadzono testy, w których wyznaczono charakterystyki tribologiczne (współczynnik tarcia, zużycie liniowe) oraz wskaźniki zużycia (maksymalna głębokość wytarcia, pole wytarcia). Wyniki badań były podstawą do przeprowadzenia analizy eksploracyjnej i posłużyły do wykazania korelacji pomiędzy wybranymi parametrami. Autorzy przekonują, że mogą one być podstawą do analizy regresji z wykorzystaniem algorytmów uczenia maszynowego i sieci neuronowych. W artykule zaprezentowano studium przypadku z wykorzystaniem tych podejść w kontekście tribologicznym oraz pokazano ich zdolność do dokładnego i skutecznego przewidywania wybranych charakterystyk tribologicznych.
Źródło:
Tribologia; 2022, 1; 57--64
0208-7774
Pojawia się w:
Tribologia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zarządzanie nieruchomościami z wykorzystaniem kognitywnej maszyny wnioskującej
Real estate management using a cognitive reasoning machine
Autorzy:
Nowak-Nova, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/23050824.pdf
Data publikacji:
2023-03-20
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
Automatyczne Modele Wyceny
zarządzanie nieruchomościami
uczenie maszynowe
sieci neuronowe
systemy kognitywne
Automated Valuation Models
real estate
Machine Learning
Neural Networks
Cognitive Systems
Opis:
W artykule przedstawiono możliwość zastosowania Automatycznych Modeli Wyceny (AVMs), rozszerzonych o technologie algorytmów uczenia maszynowego i sztuczne sieci neuronowe, do przetwarzania kognitywnego w obszarze Facility Management. Opisano eksperymenty symulujące w procesach operacyjnego zarządzania nieruchomością, zachowania AVMs w kognitywnej maszynie wnioskującej. Badano poprawność działania algorytmów usług decyzyjnych wywoływanych przez zautomatyzowane silniki wnioskujące dla generalizacji informacji o nieruchomości oraz procesu planowania wykorzystującego algorytmy. Kluczowe wnioski z badania potwierdzają, że przyjęcie dla AVMs perspektywy kognitywnej i zastosowanie technologii algorytmów i sztucznych sieci neuronowych w operacyjnym zarządzaniu nieruchomością zwiększa produktywność procesów, tym samym przynosi korzyść zarządzającemu.
The article presents the possibility of using Automatic Valuation Models (AVMs), extended with technologies of Machine Learning algorithms and Neural Networks, for cognitive processing in the area of Facility Management. Experiments simulating, in the processes of operational management of real estate, of AVMs’s behavior in a cognitive reasoning machine, have been described. The correctness of operation of decision service algorithms, triggered by automated inference engines, has been examined for generalization of information on the property and the planning process using the algorithms. The key findings of the study confirm that the adoption of a cognitive perspective for AVMs and the application of algorithm technology and artificial neural networks in the operational management of real estate, increases the productivity of the processes, and, thus brings benefits the managing entity.
Źródło:
Nowoczesne Systemy Zarządzania; 2023, 18, 1; 29-48
1896-9380
2719-860X
Pojawia się w:
Nowoczesne Systemy Zarządzania
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie zawartości PM2,5 w powietrzu atmosferycznym przy użyciu sieci ELM
PM2,5 particulate pollution forecasting using ELM
Autorzy:
Siwek, K.
Baranowski, M.
Grzywacz, T.
Powiązania:
https://bibliotekanauki.pl/articles/377680.pdf
Data publikacji:
2018
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
zanieczyszczenie powietrza atmosferycznego
PM2,5
sieci neuronowe
Extreme Learning Machine
ELM
Opis:
Artykuł przedstawia nowe podejście do predykcji zawartości pyłów zawieszonych w powietrzu atmosferycznym wykorzystujące sieć neuronową typu ELM (Extreme Learning Machine). Predykcja ta dotyczy obliczenia średniego poziomu zanieczyszczenia powietrza pyłem PM2,5 na warszawskim Ursynowie z jednodniowym wyprzedzeniem. Do zrozumienia wagi problemu zawarto zwięzły opis zagrożeń, jakie niesie za sobą zanieczyszczenie powietrza drobnym pyłem zawieszonym PM2,5. W pracy przedstawiono krótki opis sieci ELM oraz zaprezentowano uzyskane wyniki prognozy. Przeprowadzono analizę uzyskanych wyników. Omówiono zasadność prognozowania oraz wskazano możliwe środki zapobiegawcze i ochronne.
The article presents a new approach to atmospheric dust prediction using an ELM (Extreme Learning Machine) neural network. This prediction concerns the calculation of the average level of PM2,5 air pollution in Warsaw's Ursynów one day ahead. To understand the significance of the problem, a brief description of the hazards posed by PM2,5 air pollution is included. The work presents a short description of the ELM network and presents the obtained forecast results. The analysis of the obtained results was carried out. The validity of forecasting was discussed and possible preventive and protective measures were indicated.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2018, 96; 307-318
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 19

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