Temat: Machine Learning - Katalog OPAC zbiorów

Skocz do pozycji: 1.

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

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Application of unsupervised learning algorithms for analysis the vibrations of an oscillator forced by a random series of impulses
Autorzy:: Ozga, Agnieszka
Sulewski, Marek
Powiązania:: https://bibliotekanauki.pl/articles/24201982.pdf
Data publikacji:: 2023
Wydawca:: Politechnika Poznańska. Instytut Mechaniki Stosowanej
Tematy:: machine learning
stochastic series of impulses
unsupervised machine learning
hierarchical clustering
uczenie maszynowe
losowa seria impulsów
uczenie nienadzorowane
grupowanie hierarchiczne
Opis:: Paper discusses a mathematical model describing the vibrations of a linear oscillator forced by a random series of impulses. The study aims at checking how precisely the distributions of values of the impulses forcing the vibrations of an oscillator can be differentiated. The analysis was carried out in the MatLab environment with the use of hierarchical clustering algorithms of unsupervised machine learning, for samples generated from computer simulation. The time series are non-stationary. The studies showed that high precision could be achieved in distinguishing two very similar distributions forcing the vibrations, on the basis of an analysis of the two first moments calculated from the movement.
Źródło:: Vibrations in Physical Systems; 2023, 34, 1; art. no. 2023121
0860-6897
Pojawia się w:: Vibrations in Physical Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise
Sztuczna inteligencja i ludzki talent w podejmowaniu decyzji z zakresu marketingu w przedsiębiorstwie
Autorzy:: Sobocińska, Magdalena
Powiązania:: https://bibliotekanauki.pl/articles/1925924.pdf
Data publikacji:: 2021-04-09
Wydawca:: Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
Tematy:: talent
artificial intelligence
machine learning
marketing
sztuczna inteligencja
uczenie maszynowe
Opis:: Purpose: The analysis of the content of publications concerning decision-making processes in an enterprise indicates that one of the tasks of modern management is to identify effective solutions based on the synergy of human and technological resources that support decision-making processes. This also applies to marketing, which is subject to virtualization related both to its concept and instruments, as well as marketing activities. The purpose of the paper is to show the role of artificial intelligence and human talent in decision making in the field of marketing in an enterprise. Design/methodology/approach: Critical literature review; the research procedure that is based on the review of the literature is focused on formulating the answers to the following questions: – What factors determine the effective implementation of artificial intelligence as a technology supporting decision-making processes in the sphere of marketing in enterprises? – What are the identified models of application of artificial intelligence and human talent in making decisions in enterprises? Findings: The use of the opportunities offered by artificial intelligence in supporting marketing decisions brings many benefits, but it also requires overcoming mental and cultural barriers. It should be emphasized that relying on artificial intelligence in decision-making processes does not mean eliminating people, especially the talented ones, because it is the employee who can revise the decision-making criteria or state that the algorithm on the basis of which decisions are made in the company is outdated. Research limitations/implications: Empirical verification of the proposed model would allow for identifying the role performed by talented employees and algorithms in decision-making processes in the era of development of innovative IT solutions along with determination of the hierarchy of factors stimulating these processes. Originality/value: Proposing a model of determinants and types of solutions that allow for effectively combining human resources described as talent and artificial intelligence in making decisions in the field of marketing in enterprises is the result of the considerations provided in the paper.
Cel: analiza treści publikacji z zakresu procesów podejmowania decyzji w przedsiębiorstwie wskazuje, że jednym z zadań współczesnego zarządzania jest identyfikowanie efektywnych, bazujących na synergii zasobów ludzkich i technologicznych, rozwiązań stanowiących wsparcie w procesach decyzyjnych. Dotyczy to także marketingu, który podlega wirtualizacji odnoszonej zarówno do jego koncepcji, jak i instrumentów oraz działań marketingowych. Celem artykułu jest ukazanie roli sztucznej inteligencji i ludzkiego talentu w procesach podejmowania decyzji z zakresu marketingu w przedsiębiorstwie. Metodologia: krytyczny przegląd literatury; bazujące na kwerendzie literatury postępowanie badawcze ukierunkowane zostało na sformułowanie odpowiedzi na następujące pytania: – jakie czynniki warunkują skuteczne wdrażanie sztucznej inteligencji jako technologii stanowiącej wsparcie w procesach decyzyjnych w obszarze marketingu w przedsiębiorstwie; – jakie wyróżnia się modele zastosowania sztucznej inteligencji w podejmowaniu decyzji w przedsiębiorstwie? Wyniki: wykorzystanie możliwości stwarzanych przez sztuczną inteligencję we wspieraniu decyzji marketingowych przynosi wiele korzyści, lecz wymaga przełamywania barier mentalnych i kulturowych. Należy podkreślić, że bazowanie na sztucznej inteligencji w procesach decyzyjnych nie oznacza eliminacji ludzi, w szczególności utalentowanych, ponieważ to pracownik może zrewidować kryteria decyzyjne, czy też stwierdzić, że zdezaktualizował się algorytm, w oparciu o który podejmowane były decyzje w przedsiębiorstwie. Ograniczenia/implikacje badawcze: empiryczna weryfikacja zaproponowanego modelu pozwoliłaby na identyfikację roli, którą odgrywają utalentowani pracownicy oraz algorytmy w procesach decyzyjnych w dobie rozwoju innowacyjnych rozwiązań informatycznych wraz z określeniem hierarchii czynników stymulujących te procesy. Oryginalność/wartość: efektem prowadzonych w artykule rozważań jest propozycja modelu czynników i typów rozwiązań pozwalających na efektywne łączenie zasobów ludzkich określanych jako talent i sztucznej inteligencji w podejmowaniu decyzji z zakresu marketingu w przedsiębiorstwie.
Źródło:: Problemy Zarządzania; 2021, 19, 1/2021 (91); 65-75
1644-9584
Pojawia się w:: Problemy Zarządzania
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Artificial Intelligence in Audit
Sztuczna inteligencja w audycie
Autorzy:: Karmańska, Anna
Powiązania:: https://bibliotekanauki.pl/articles/2158933.pdf
Data publikacji:: 2022
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:: audit
Artificial Intelligence
machine learning
audyt
sztuczna inteligencja
uczenie maszynowe
Opis:: The main objective of this paper is to identify the benefits of applying the Artificial Intelligence (AI) in the audit sector. The study employed a questionnaire for a research sample including 206 auditing and accounting practitioners and students. Data were collected via an online survey. A principal axis factor analysis with the Promax rotation was conducted to assess the underlying structure for the points of the questionnaire. The research outcomes indicate that, in the opinion of the respondents, AI adoption increases audit efficiency, and enhances client communication and service. Finally, AI can also automate time-consuming and routine tasks. The three indicated factors account for 62.223% variance. The findings reveal the advantages of AI adoption and could support managers in deploying new technology in their organizations. The research limitation concerns the fact that this study focused only on respondents from Poland.
Celem artykułu jest wskazanie korzyści płynących z zastosowania sztucznej inteligencji (AI) w badaniu sprawozdań finansowych. Posłużono się kwestionariuszem ankiety. Próbą badawczą objęto 206 praktyków i studentów audytu i rachunkowości. Zastosowano analizę czynnikową metodą głównych składowych z rotacją Promax. Wyniki wskazują, że w opinii respondentów zastosowanie sztucznej inteligencji zwiększa efektywność audytu. Sztuczna inteligencja usprawnia komunikację i obsługę klienta. Ponadto AI może zautomatyzować czasochłonne i rutynowe zadania. Powyższe trzy czynniki odpowiadają za 62,223% wariancji. Wyniki badania wskazują na korzyści płynące z implementacji sztucznej inteligencji w audycie i mogą wspierać menedżerów we wdrażaniu nowych technologii w ich organizacjach. Ograniczeniem badawczym jest fakt, że badanie koncentruje się na respondentach jedynie z Polski.
Źródło:: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2022, 66, 4; 87-99
1899-3192
Pojawia się w:: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Comparison of classical machine learning algorithms in the task of handwritten digits classification
Porównanie klasycznych algorytmów uczenia maszynowego w zadaniu klasyfikacji liczb pisanych odręcznie
Autorzy:: Voloshchenko, Oleksandr
Plechawska-Wójcik, Małgorzata
Powiązania:: https://bibliotekanauki.pl/articles/2055139.pdf
Data publikacji:: 2021
Wydawca:: Politechnika Lubelska. Instytut Informatyki
Tematy:: machine learning
classification
MNIST
classical algorithms
uczenie maszynowe
klasyfikacja
algorytmy klasyczne
Opis:: The purpose of this paper is to compare classical machine learning algorithms for handwritten number classification. The following algorithms were chosen for comparison: Logistic Regression, SVM, Decision Tree, Random Forest and k-NN. MNIST handwritten digit database is used in the task of training and testing the above algorithms. The dataset consists of 70,000 images of numbers from 0 to 9. The algorithms are compared considering such criteria as the learn-ing speed, prediction construction speed, host machine load, and classification accuracy. Each algorithm went through the training and testing phases 100 times, with the desired metrics retained at each iteration. The results were averaged to reach the reliable outcomes.
Celem niniejszej pracy jest porównanie klasycznych algorytmów uczenia maszynowego do klasyfikacji liczb pisanych odręcznie. Do porównania wybrano następujące algorytmy: Logistic Regression, SVM, Decision Tree, Random Forest oraz k-NN. Do szkolenia i testowania powyższych algorytmów wykorzystano zbiór danych MNIST. Zbiór danych składa się z 70 000 obrazów cyfr od 0 do 9. Algorytmy porównywane są z uwzględnieniem takich kryteriów jak szyb-kość uczenia, szybkość budowania predykcji, obciążenie maszyny głównej oraz dokładność klasyfikacji. Każdy algo-rytm przeszedł przez fazy szkolenia i testowania 100 razy, z zachowaniem pożądanych metryk przy każdej iteracji. Wyniki zostały uśrednione w celu uzyskania wiarygodnych rezultatów.
Źródło:: Journal of Computer Sciences Institute; 2021, 21; 279-286
2544-0764
Pojawia się w:: Journal of Computer Sciences Institute
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Zastosowanie uczenia maszynowego w budowie interfejsu sterowanego głosem na przykładzie odtwarzacza muzyki
Applying of machine learning in the construction of a voice-controlled interface on the example of a music player
Autorzy:: Basiakowski, Jakub
Powiązania:: https://bibliotekanauki.pl/articles/98114.pdf
Data publikacji:: 2019
Wydawca:: Politechnika Lubelska. Instytut Informatyki
Tematy:: uczenie maszynowe
sieć neuronowa
rozpoznawanie głosu
machine learning
neural network
speech recognition
Opis:: Poniższy artykuł przedstawia wyniki badań wpływu zastosowania uczenia maszynowego w budowie interfejsu sterowanego głosem. Do analizy wykorzystane zostały dwa różne modele: jednokierunkowa sieć neuronowa zawierająca jedną warstwę ukrytą oraz bardziej skomplikowana konwolucyjna sieć neuronowa. Dodatkowo wykonane zostało porównanie modeli użytych w celu realizacji badań pod względem jakości oraz przebiegu treningu.
The following paper presents the results of research on the impact of machine learning in the construction of a voice-controlled interface. Two different models were used for the analysys: a feedforward neural network containing one hidden layer and a more complicated convolutional neural network. What is more, a comparison of the applied models was presented. This comparison was performed in terms of quality and the course of training.
Źródło:: Journal of Computer Sciences Institute; 2019, 13; 302-309
2544-0764
Pojawia się w:: Journal of Computer Sciences Institute
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Ensembles of instance selection methods: A comparative study
Autorzy:: Blachnik, Marcin
Powiązania:: https://bibliotekanauki.pl/articles/330413.pdf
Data publikacji:: 2019
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: machine learning
instance selection
ensemble methods
uczenie maszynowe
selekcja przypadków
metoda zespołowa
Opis:: Instance selection is often performed as one of the preprocessing methods which, along with feature selection, allows a significant reduction in computational complexity and an increase in prediction accuracy. So far, only few authors have considered ensembles of instance selection methods, while the ensembles of final predictive models attract many researchers. To bridge that gap, in this paper we compare four ensembles adapted to instance selection: Bagging, Feature Bagging, AdaBoost and Additive Noise. The last one is introduced for the first time in this paper. The study is based on empirical comparison performed on 43 datasets and 9 base instance selection methods. The experiments are divided into three scenarios. In the first one, evaluated on a single dataset, we demonstrate the influence of the ensembles on the compression–accuracy relation, in the second scenario the goal is to achieve the highest prediction accuracy, and in the third one both accuracy and the level of dataset compression constitute a multi-objective criterion. The obtained results indicate that ensembles of instance selection improve the base instance selection algorithms except for unstable methods such as CNN and IB3, which is achieved at the expense of compression. In the comparison, Bagging and AdaBoost lead in most of the scenarios. In the experiments we evaluate three classifiers: 1NN, kNN and SVM. We also note a deterioration in prediction accuracy for robust classifiers (kNN and SVM) trained on data filtered by any instance selection methods (including the ensembles) when compared with the results obtained when the entire training set was used to train these classifiers.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2019, 29, 1; 151-168
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Identification of technical condition of valve clearance compensators using vibration measurement and machine learning
Autorzy:: Szymański, Grzegorz M.
Tabaszewski, Maciej
Powiązania:: https://bibliotekanauki.pl/articles/128095.pdf
Data publikacji:: 2019
Wydawca:: Politechnika Poznańska. Instytut Mechaniki Stosowanej
Tematy:: vibroacoustic diagnostics
combustion engine
machine learning
diagnostyka wibroakustyczna
silnik spalinowy
uczenie maszynowe
Opis:: The dynamic development of internal combustion engine design and requirements for high reliability generates the need to apply a strategy of their operation based on the current technical condition. The paper concerns vibration diagnostics of automatic compensators of valve lash of a combustion engine. It presents the course of an active experiment conducted in order to develop a methodology for identifying the state of compensators based on measures of vibration signals measured at the engine head. Based on the results of the experiment, a classifier was developed in the form of a decision tree, which with high accuracy identified the technical condition of the compensators. The set of simple rules obtained thanks to the built up trees allows for easy implementation of the diagnostic system in practice.
Źródło:: Vibrations in Physical Systems; 2019, 30, 2; 1-12
0860-6897
Pojawia się w:: Vibrations in Physical Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Zastosowanie metod uczenia maszynowego w analizie obrazu mikroskopowego płytek ceramicznych
Application of machine learning methods in the analysis of the microscopic image of ceramic tiles
Autorzy:: Gąsiński, Arkadiusz
Tymowicz-Grzyb, Paulina
Powiązania:: https://bibliotekanauki.pl/articles/36118598.pdf
Data publikacji:: 2022
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Ceramiki i Materiałów Budowlanych
Tematy:: analiza obrazu
uczenie maszynowe
mikroskopia elektronowa
image analysis
machine learning
electron microscopy
Opis:: Współczesne metody badań stosowane w nowoczesnych technikach badawczych spowodowały, że zbierane są ogromne ilości danych, które muszą być poddane dalszej analizie. Uczenie maszynowe pomaga interpretować zgromadzone dane, a po ich przetworzeniu może pomóc podjąć dalsze decyzje. Metoda ta ma coraz większe zastosowanie w kontroli jakości wyrobów. W artykule przedstawiono zastosowanie nadzorowanej wersji uczenia maszynowego w badaniach nad optymalizacją rozpoznawania faz chemicznych z obrazów mikroskopowych i obrazów składu chemicznego dla płytek ceramicznych. Stwierdzono, że w przypadku opracowanych danych z elektronowej mikroskopii skaningowej, najlepsze wyniki uzyskano dla algorytmu CART (drzewo decyzyjne). Zastosowana metodyka znacznie usprawnia przeprowadzenie badań i poprawia jakość uzyskanych analiz obrazu w odniesieniu do standardowego oprogramowania mikroskopów.
Contemporary research methods used in modern research techniques often result in the collection of huge amounts of data that must be further analyzed. Machine learning helps to interpret the collected data, and after their processing, it can help you make further decisions. The article presents the use of the supervised machine learning in research on the optimization of the recognition of chemical phases from microscopic images and chemical composition images for ceramic tiles. It was found that in the case of the developed data from scanning electron microscopy, the best results were obtained for the CART algorithm (decision tree structure). The applied methodology significantly improve the conduct of research and ameliorate the quality of the obtained image analyzes.
Źródło:: Szkło i Ceramika; 2022, 73, 2; 34-37
0039-8144
Pojawia się w:: Szkło i Ceramika
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Zastosowanie maszyny wektorów nośnych w sterowaniu sygnalizacją świetlną
Application of support vector machine in a traffic lights control
Autorzy:: Całuch, Artur
Cieślikowski, Adam
Plechawska-Wójcik, Małgorzata
Powiązania:: https://bibliotekanauki.pl/articles/98085.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Lubelska. Instytut Informatyki
Tematy:: uczenie maszynowe
symulator ruchu ulicznego
maszyna wektorów nośnych
machine learning
traffic simulator
support vector machine
Opis:: Niniejszy artykuł przedstawia proces dostosowania parametrów modelu maszyny wektorów nośnych, który posłuży do zbadania wpływu wartości parametru długości cyklu sygnalizacji świetlnej na jakość ruchu. Badania przeprowadzono z użyciem danych pozyskanych w trakcie przeprowadzonych symulacji w autorskim symulatorze ruchu ulicznego. W artykule przedstawiono i omówiono wyniki poszukiwania optymalnej wartości parametru długości cyklu sygnalizacji świetlnej.
This article presents the process of adapting support vector machine model’s parameters used for studying the effect of traffic light cycle length parameter’s value on traffic quality. The survey is carried out using data collected during running simulations in author’s traffic simulator. The article shows results of searching for optimum traffic light cycle length parameter’s value.
Źródło:: Journal of Computer Sciences Institute; 2020, 14; 37-42
2544-0764
Pojawia się w:: Journal of Computer Sciences Institute
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Elementy uczenia maszynowego na zajęciach matematyki
Elements of machine learning in mathematics
Autorzy:: Bartłomiejczyk, Agnieszka
Ptach, Dawid
Wata, Marcin
Powiązania:: https://bibliotekanauki.pl/articles/1841929.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: uczenie maszynowe
regresja wieloraka
problem klasyfikacyjny
machine learning
multiple regression
classification problem
Opis:: W artykule omówiono związki między matematyką kursową a wybranymi zagadnieniami związanymi z uczeniem maszynowym. Pokazano w jaki sposób proste operacje na macierzach pomagają serwisom VOD w rekomendacji tytułów filmowych zgodnych z zainteresowaniami użytkowników na podstawie ich wcześniejszych wyborów. Zaprezentowano również uproszczoną wersję algorytmu regresji wielorakiej stosowaną do wyceny nieruchomości oraz wspomniano o zastosowaniu sieci neuronowych w problemach klasyfikacyjnych.
The article discusses the relationship between academic mathematics course and selected topics of machine learning. It shows how simple matrix operations help VOD services to recommend film titles consistent with the interests of users, based on their previous choices. A simplified version of the multiple regression algorithm used for real estate valuation is also presented and the use of neural networks in classification problems is mentioned.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2020, 71; 27-30
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Active learning for automatic classification of complaints about municipal waste management
Autorzy:: Giel, Robert
Dabrowska, Alicja
Werbiska-Wojciechowska, Sylwia
Powiązania:: https://bibliotekanauki.pl/articles/2032848.pdf
Data publikacji:: 2021
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:: machine learning
waste separation
municipal economy
uczenie maszynowe
segregacja odpadów
gospodarka komunalna
Opis:: Information flow is an important issue in the area of waste management. There is a need for a fast response to reported problems. Therefore we investigated the classification process of Polish wasterelated complaints sent by Wrocław’s residents. It has been noticed that residents, mostly without expert knowledge of waste management, incorrectly classify the observed problems. In response to the observed unacceptable classification accuracy, we introduced a multi-class machine learning classification. Machine learning is widely used in waste management issues like predicting waste generation or different waste fractions identification for automated sorting. However, based on the literature review, it can be stated that there is a lack of solutions in machine learning-based text classification regarding waste management. Ten chosen classifiers were used to classify considered complaints into defined categories automatically. Additionally, we incorporated the active learning approach to reduce experts' effort involved in the labeling process, which is necessary when having an unlabeled dataset. The results confirm the possibility of applying machine learning algorithms to waste-related Polish complaints.
Źródło:: Environment Protection Engineering; 2021, 47, 4; 53-66
0324-8828
Pojawia się w:: Environment Protection Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Analiza możliwości automatycznej detekcji obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR
Analysis of the possibility of automatic detection of topographic objects in aerial and satellite images of the VHR
Autorzy:: Pluto-Kossakowska, Joanna
Kamiński, Michał
Powiązania:: https://bibliotekanauki.pl/articles/2058369.pdf
Data publikacji:: 2022
Wydawca:: Polskie Towarzystwo Geograficzne
Tematy:: uczenie maszynowe
klasyfikacja obrazów
obiekty topograficzne
machine learning
image classification
topographical objects
Opis:: W artykule podjęto temat uczenia maszynowego w rozpoznawaniu obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR ze szczególnym uwzględnieniem Bazy Danych Obiektów Topograficznych BDOT10k. Celem prac badawczych było przetestowanie trzech algorytmów klasyfikacji nadzorowanej do automatycznej detekcji wybranych klas obiektów topograficznych, m.in.: budynków, betonowych oraz asfaltowych elementów szarej infrastruktury (drogi, chodniki, place), wód powierzchniowych, lasów, terenów zadrzewionych i zakrzewionych, terenów o niskiej roślinności oraz gleby odkrytej (grunty nieużytkowane, wyrobiska). Przeanalizowano trzy powszechnie stosowane klasyfikatory: Maximum Likelihood, Support Vector Machine oraz Random Trees pod kątem różnych parametrów wejściowych. Wynikiem przeprowadzonych badań jest ocena ich skuteczności w detekcji poszczególnych klas oraz ocena przydatności wyników klasyfikacji do aktualizacji bazy danych BDOT10k. Badania zostały przeprowadzone dla zdjęcia satelitarnego WorldView-2 o rozdzielczości przestrzennej 0,46 m oraz ortofotomapy ze zdjęć lotniczych o dokładności przestrzennej 0,08 m. Wyniki badań wskazują na to, że wykorzystanie różnych klasyfikatorów uczenia maszynowego oraz danych źródłowych wpływa nieznacznie na wynik klasyfikacji. Ogólne statystyki dokładności wskazują, że całościowo klasyfikacja z wykorzystaniem zdjęć satelitarnych dała nieco lepsze rezultaty o kilka punktów procentowych w granicach 76-81%, a dla zdjęć lotniczych 75-78%. Natomiast dla niektórych klas miara statystyczna F1 przekracza wartość 0,9. Testowane algorytmy uczenia maszynowego dają bardzo dobre rezultaty w identyfikacji wybranych obiektów topograficznych, ale nie można jeszcze mówić o bezpośredniej aktualizacji BDOT10k.
The article deals with the topic of machine learning (ML) in the recognition of topographic objects in aerial and satellite VHR image, with particular emphasis on the Topographic Objects Database (BDOT10k). The aim of the research work was to test three supervised classification algorithms for automatic detection of selected classes of topographic objects, including: buildings, concrete and asphalt elements of grey infrastructure (roads, pavements, squares), surface waters, forests, wooded and bushy areas, areas with low vegetation and uncovered soil (unused lands or excavations). Three commonly used classifiers were analysed: Maximum Likelihood, Support Vector Machine and Random Trees for different input parameters. The result of the research is the assessment of their effectiveness in the detection of individual classes and the assessment of the suitability of the classification results for updating the BDOT10k database. The research was carried out for the WorldView-2 satellite image with a spatial resolution of 0.46 m and orthophotos from aerial images with a spatial resolution of 0.08 m. The research results indicate that the use of different ML classifiers and source data slightly affects the classification result. Overall accuracy statistics show that the classification using satellite images gave slightly better results by a few percentage points in the range from 76% to 81%, and for aerial photos from 75% to 78%. However, for some classes the statistical measure F1 exceeds 0.9 value. The tested ML algorithms give very good results in identifying selected topographic objects, but it is not yet possible to directly update topographical database.
Źródło:: Teledetekcja Środowiska; 2022, 62; 5-15
1644-6380
Pojawia się w:: Teledetekcja Środowiska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Engine valve clearance diagnostics based on vibration signals and machine learning methods
Diagnostyka luzu zaworów silnika spalinowego z wykorzystaniem sygnału drganiowego i metod uczenia maszynowego
Autorzy:: Tabaszewski, Maciej
Szymański, Grzegorz. M.
Powiązania:: https://bibliotekanauki.pl/articles/1365185.pdf
Data publikacji:: 2020
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: combustion engine
diagnostics
vibration
machine learning
silnik spalinowy
diagnostyka
drgania
uczenie maszynowe
Opis:: A dynamic advancement of the design of combustion engines generates a necessity of introduction of strategies of operation based on the information related to their technical condition. The paper analyzes problems related to vibration based diagnostics of valve clearance of a piston combustion engine, significant in terms of its efficiency and durability. Methods of classification have been proposed for the assessment of the valve clearance. Experiments have been performed and described that aimed at providing information necessary to develop and validate the proposed methods. In the performed investigations, the vibration signals were obtained from a triaxial accelerometer located in the engine cylinder head. A parameterization of the obtained vibration signal has been carried out for the engine operating under different engine loads, rotation speeds and valve clearance settings. The parameterization pertained to the specific features of the vibration signals, the derivative of the vibration signal as a function of time as well as the envelope of this derivative. In the first approach, the authors developed a classifier in the form of a set of binary trees that additionally allowed distinguishing the features significant in terms of the identification of adopted classes. For comparison, the authors also developed classifiers in the form of a neural network as well as a k-nearest neighbors algorithm using the Euclidean metric. Based on the performed investigations and analyses a method of valve clearance assessment has been proposed.
Dynamiczny rozwój konstrukcji silników spalinowych generuje potrzebę wprowadzenia strategii eksploatacji jednostek napędowych, opartej na znajomości ich stanu technicznego. W artykule poddano analizie zagadnienia, związane z drganiową diagnostyką luzu zaworów tłokowego silnika spalinowego, istotnego ze względu na efektywność pracy silnika i jego trwałość. Zaproponowano wykorzystanie metod klasyfikacji do oceny poprawności luzu zaworowego. Przeprowadzono i opisano eksperymenty, które miały na celu dostarczenie informacji koniecznych do zbudowania i zweryfikowania zaproponowanych metod. W przeprowadzonych badaniach pozyskano sygnały drganiowe z trójosiowego czujnika przyspieszeń drgań zlokalizowanego na głowicy silnika. Dokonano parametryzacji uzyskanych przebiegów czasowych sygnału drganiowego dla silnika pracującego pod różnym obciążeniem, z różnymi prędkościami obrotowymi oraz z różnymi luzami zaworowymi. Parametryzacja dotyczyła zarówno cech sygnału przyspieszeń drgań, pochodnej przyspieszeń drgań względem czasu jak i obwiedni tej pochodnej. W pierwszym podejściu zbudowano klasyfikator w postaci zbioru drzew binarnych, który przy okazji pozwolił na wyodrębnienie istotnych, ze względu na przyjęte klasy, cech. Dla porównania zbudowano także klasyfikatory w postaci sieci neuronowej jak i algorytmu k – najbliższych sąsiadów z metryką euklidesową. Na podstawie przeprowadzonych badań i analiz zaproponowano metodę oceny luzu zaworowego.
Źródło:: Eksploatacja i Niezawodność; 2020, 22, 2; 331-339
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Application of machine learning algorithms to predict permeability in tight sandstone formations
Zastosowanie metod uczenia maszynowego do przewidywania przepuszczalności w formacjach zwięzłych piaskowców typu tight gas
Autorzy:: Topór, Tomasz
Powiązania:: https://bibliotekanauki.pl/articles/2143653.pdf
Data publikacji:: 2021
Wydawca:: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Tematy:: machine learning
random forest
permeability
prediction
uczenie maszynowe
lasy losowe
predykcja
przepuszczalność
Opis:: The application of machine learning algorithms in petroleum geology has opened a new chapter in oil and gas exploration. Machine learning algorithms have been successfully used to predict crucial petrophysical properties when characterizing reservoirs. This study utilizes the concept of machine learning to predict permeability under confining stress conditions for samples from tight sandstone formations. The models were constructed using two machine learning algorithms of varying complexity (multiple linear regression [MLR] and random forests [RF]) and trained on a dataset that combined basic well information, basic petrophysical data, and rock type from a visual inspection of the core material. The RF algorithm underwent feature engineering to increase the number of predictors in the models. In order to check the training models’ robustness, 10-fold cross-validation was performed. The MLR and RF applications demonstrated that both algorithms can accurately predict permeability under constant confining pressure (R2 0.800 vs. 0.834). The RF accuracy was about 3% better than that of the MLR and about 6% better than the linear reference regression (LR) that utilized only porosity. Porosity was the most influential feature of the models’ performance. In the case of RF, the depth was also significant in the permeability predictions, which could be evidence of hidden interactions between the variables of porosity and depth. The local interpretation revealed the common features among outliers. Both the training and testing sets had moderate-low porosity (3–10%) and a lack of fractures. In the test set, calcite or quartz cementation also led to poor permeability predictions. The workflow that utilizes the tidymodels concept will be further applied in more complex examples to predict spatial petrophysical features from seismic attributes using various machine learning algorithms.
Zastosowanie algorytmów uczenia maszynowego w geologii naftowej otworzyło nowy rozdział w poszukiwaniu złóż ropy i gazu. Algorytmy uczenia maszynowego zostały z powodzeniem wykorzystane do przewidywania kluczowych właściwości petrofizycznych charakteryzujących złoże. W pracy zastosowano metody uczenia maszynowego do przewidywania przepuszczalności w warunkach ustalonego ciśnienia złożowego dla formacji zwięzłych piaskowców typu tight gas. Modele zostały skonstruowane przy użyciu algorytmów o różnym stopniu komplikacji (wielowymiarowa regresja liniowa – MLR i lasy losowe – RF), a następnie poddano je procesowi uczenia na danych zawierających podstawowe informacje o otworze, podstawowe parametry petrofizyczne oraz typ skał pochodzący z makroskopowego i mikroskopowego opisu próbek rdzeni. Typ skał został rozkodowany i poddany procesowi inżynierii cech, aby wydobyć dodatkowe zmienne do modelu. Proces uczenia na zbiorze treningowym został przeprowadzony z wykorzystaniem 10-krotnej kroswalidacji. Uzyskane wyniki pokazują, że oba algorytmy mogą przewidywać przepuszczalność z dużą dokładnością (R2 = 0,800 dla MLR vs R2 = 0,834 dla RF). Dokładność modelu RF jest około 3% lepsza niż MLR i około 6% lepsza w porównaniu do modelu referencyjnego (model regresji liniowej z jedną zmienną – porowatością). W przypadku obu modeli porowatość była najistotniejszym parametrem przy przewidywaniu przepuszczalności. Dodatkowo w modelu wykorzystującym lasy losowe istotną cechą okazała się głębokość próbki, co może świadczyć o dodatkowych interakcjach pomiędzy zmiennymi. Cechą wspólną próbek w zbiorze treningowym i testowym, dla których modele zadziałały ze słabą skutecznością, były porowatość od 3% do 10% i brak spękań. Dodatkowo w zbiorze testowym niska dokładność przewidywań przepuszczalności była związana z obecnością cementacji kalcytem i kwarcem. Workflow wykorzystujący stan wiedzy dotyczącej modelowania, którego trzon stanowi pakiet tidymodels, będzie dalej stosowany do prognozowania przestrzennych właściwości petrofizycznych na podstawie atrybutów sejsmicznych.
Źródło:: Nafta-Gaz; 2021, 77, 5; 283-292
0867-8871
Pojawia się w:: Nafta-Gaz
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Machine Learning" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język