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 "singular analysis" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Singular spectrum analysis as a smoothing method of load variability
    Analiza widma szczególnego jako metoda wygładzania zmienności obciążenia
    Autorzy:
    Cempel, C.
    Tabaszewski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/327782.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    rozkład na wartości szczególne
    analiza widma szczególnego
    condition monitoring
    singular value decomposition
    singular spectrum analysis
    Opis:
    Application of SVD to fault extraction from the machine symptom observation matrix (SOM) seems to be validated enough, especially by data taken from many real diagnostic cases. However, frequently we have situation of varying machine load during the production process, where by observed primary symptoms are influenced greatly. This concerns generalized symptoms too, so decision making process and forecasting is disturbed. But we can apply some new data smoothing procedure called singular spectrum analysis (SSA), to eliminate load influenced symptom fluctuation, and obtain the machine wear trend only. This seems to be true, as it was shown in the paper, but special care should be taken to choose smoothing approximation order properly.
    Zastosowanie rozkładu SVD do wydobycia informacji o uszkodzeniu z symptomowej macierzy obserwacji (ang. SOM) wydaje się być wystarczająco uzasadnione, szczególnie dla danych pochodzących z wielu rzeczywistych przypadków diagnostycznych. Jednakże w wielu przypadkach mamy do czynienia z sytuacją zmiennych obciążeń maszyny podczas procesu produkcji, silnie wpływających na obserwowane symptomy. Dotyczy to także symptomów uogólnionych, co utrudnia proces podejmowania decyzji i prognozowania. Możemy jednak zastosować pewną nową procedurę wygładzania nazywaną analizą widma szczególnego (ang. SSA), aby wyeliminować obciążenia wpływające na fluktuacje symptomu i otrzymać tylko trend zużycia maszyny. Wydaje się to być prawdą, jak zostało pokazane w pracy, jednak z zachowaniem szczególnej uwagi w poprawnym wyborze rzędu przybliżenia w procedurze wygładzania.
    Źródło:
    Diagnostyka; 2010, 4(56); 3-8
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of five SVD-based algorithms for calibration of spectrophotometric analyzers
    Autorzy:
    Wagner, J.
    Morawski, R. Z.
    Miękina, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/220564.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    spectrophotometry
    chemometrics
    singular value decomposition
    regularisation
    food analysis
    edible oils analysis
    Opis:
    Spectrophotometry is an analytical technique of increasing importance for the food industry, applied i.a. in the quantitative assessment of the composition of mixtures. Since the absorbance data acquired by means of a spectrophotometer are highly correlated, the problem of calibration of a spectrophotometric analyzer is, as a rule, numerically ill-conditioned, and advanced data-processing methods must be frequently applied to attain an acceptable level of measurement uncertainty. This paper contains a description of four algorithms for calibration of spectrophotometric analyzers, based on the singular value decomposition (SVD) of matrices, as well as the results of their comparison - in terms of measurement uncertainty and computational complexity - with a reference algorithm based on the estimator of ordinary least squares. The comparison is carried out using an extensive collection of semi-synthetic data representative of trinary mixtures of edible oils. The results of that comparison show the superiority of an algorithm of calibration based on the truncated SVD combined with a signal-to-noise ratio used as a criterion for the selection of regularisation parameters - with respect to other SVD-based algorithms of calibration.
    Źródło:
    Metrology and Measurement Systems; 2014, 21, 2; 191-204
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyczne tworzenie podsumowań tekstów metodami algebraicznymi
    Automatic text summarization using algebraic approach
    Autorzy:
    Gramacki, J.
    Gramacki, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/156932.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    automatyczne podsumowywanie
    ukryta semantyka dokumentów
    przekształcenie SVD
    generic text summarization
    sentence extraction
    latent semantic analysis
    singular value decomposition
    Opis:
    Duża liczba zwracanych (na przykład przez różnego rodzaju wyszukiwarki internetowe) dokumentów oznacza, że często zmuszeni jesteśmy do czasochłonnego ich przeglądania, celem weryfikacji trafności zwracanych wyników. Gdy dokumenty są długie, czas ich przeglądania znacznie się wydłuża. Można by go wydatnie skrócić, gdyby istniała możliwość automatycznego generowania sensownych podsumowań (streszczeń). W artykule omawiamy wybrane algebraiczne metody służące automatycznemu wydobywaniu z tekstu jego najistotniejszych słów kluczowych oraz najistotniejszych zdań.
    Text summarization is a real practical problem due to explosion of the volume of textual information available nowadays. In order to solve this problem, text summarization systems which extract brief information from a given text are created. The end user, by looking only at the summary, may decide whether the document is or is not of interest to him/her. Built summaries can have 2 fundamental forms. Firstly, extractive summarization may collect important sentences from the input text to constitute the summary. Secondly, abstractive summarization tries to capture main concepts of the text and then some new sentences, summarizing the input text, are generated. Nowadays, however, it seems that the latter approach still needs extensive works to be really useful. A summary can be extracted from a single document or multiple documents. In the paper the authors build summaries of one document only. The extension into multi-document summaries is the straightforward task in the case when a set of semantically uniform texts is summarized. Summaries may also be categorized as generic and query-based summaries. In the first case, there are generated summaries con-taining main topics of a document. In the second case, summaries contain the sentences that are related to the given queries. In the paper there are built generic summaries. Summarization systems use different approaches to determine important sentences. Here there is used semantic oriented approach based on a method known as Latent Semantic Analysis (LSA). LSA is an algebraic method that extracts meaning of words and similarity of sentences using the information about usage of the words in the context. It uses Singular Value Decomposition (SVD) for finding semantically similar words and sentences. Using the results of SVD the authors try to select best sentences (which constitute the best summary of the text). The paper is organized as follows. In Section 2 there is formulated the problem. In Section 3 there is shown how a docu-ment may be represented in a useful algebraic format. The so called Term-Sentence matrix (TSM) is used. The authors also point at some preliminary tasks necessary to be performed for successful further analysis. In Subsection 3.2 there is shortly presented an idea of LSA as based on SVD decomposition. In the last section 4 two examples of text summarizations build for both Polish and English texts are given. The two methods used differ slightly from each other. The authors' extracting key words and key sentences seems to be proper content-related summaries of the input texts.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 7, 7; 751-755
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A fast neural network learning algorithm with approximate singular value decomposition
    Autorzy:
    Jankowski, Norbert
    Linowiecki, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/330870.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    Moore–Penrose pseudoinverse
    radial basis function network
    extreme learning machine
    kernel method
    machine learning
    singular value decomposition
    deep extreme learning
    principal component analysis
    pseudoodwrotność Moore–Penrose
    radialna funkcja bazowa
    maszyna uczenia ekstremalnego
    uczenie maszynowe
    analiza składników głównych
    Opis:
    The learning of neural networks is becoming more and more important. Researchers have constructed dozens of learning algorithms, but it is still necessary to develop faster, more flexible, or more accurate learning algorithms. With fast learning we can examine more learning scenarios for a given problem, especially in the case of meta-learning. In this article we focus on the construction of a much faster learning algorithm and its modifications, especially for nonlinear versions of neural networks. The main idea of this algorithm lies in the usage of fast approximation of the Moore–Penrose pseudo-inverse matrix. The complexity of the original singular value decomposition algorithm is O(mn2). We consider algorithms with a complexity of O(mnl), where l < n and l is often significantly smaller than n. Such learning algorithms can be applied to the learning of radial basis function networks, extreme learning machines or deep ELMs, principal component analysis or even missing data imputation.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 581-594
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies