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 "digital learning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Sztuczna inteligencja w badaniu wybranych aspektów kultury
    Artificial Intelligence in the Study of Selected Aspects of Culture
    Autorzy:
    Radomski, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/36854406.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Ignatianum w Krakowie
    Tematy:
    sztuczna inteligencja
    uczenie maszynowe
    kultura
    humanistyka cyfrowa
    artificial intelligence
    machine learning
    culture
    digital humanities
    Opis:
    Sztuczna inteligencja jest jednym z najważniejszych elementów współczesnego świata. Funkcjonuje już ona w podstawowych dziedzinach życia. Jest także wykorzystywana w różnych dyscyplinach naukowych. Od pewnego czasu zaczyna się również stosować algorytmy sztucznej inteligencji do badania świata kultury. W artykule zostały ukazane najważniejsze metody i narzędzia sztucznej inteligencji stosowane w badaniach różnych zjawisk kultury, a także przykłady takich badań. Badacze kultury wykorzystują sztuczną inteligencję w dwóch obszarach. Pierwszym jest przetwarzanie języka naturalnego, drugim komputerowe badanie obrazów (filmów, zdjęć, grafiki itp.). Sztuczna inteligencja jest częścią uczenia maszynowego. Wykorzystuje ono konwolucyjne sieci neuronowe, duże ilości danych (big data) i superkomputery do analizy i wizualizacji cyfrowych wytworów. Badania kultury za pomocą sztucznej inteligencji są zaliczane do nowego paradygmatu zwanego humanistyką cyfrową.
    Artificial intelligence is one of the most important elements of the modern world. It already functions in the most important areas of life. It is also used in various scientific disciplines. For some time now, artificial intelligence algorithms have been used to study the world of culture. The article presents the most important methods and tools of artificial intelligence that are used in the study of various cultural phenomena, as well as examples of such studies. Cultural researches use artificial intelligence in two areas. The first one is natural language processing, while the other – the computerized examination of images (movies, photos, graphic, etc.). Artificial intelligence is part of machine learning. It uses convolutional naural networks, big data and supercomputers to analyze and visualize digital product. Artificial intelligence research into culture belongs to a new paradigm called: digital humanities
    Źródło:
    Perspektywy Kultury; 2022, 39, 4; 313-330
    2081-1446
    2719-8014
    Pojawia się w:
    Perspektywy Kultury
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatic recognition of artificial reverberation settings in speech recordings
    Autorzy:
    Kachniarz, Krzysztof
    Lewandowski, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/128124.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    artificial reverberation
    machine learning
    digital audio signal processing
    sztuczny pogłos
    uczenie maszynowe
    cyfrowe przetwarzanie sygnałów audio
    Opis:
    The aim of this study is to create the method for automatic recognition of artificial reverberation settings extracted from a reference speech recordings. The proposed method employs machine-learning techniques to support the sound engineer in finding the ideal settings for artificial reverberation plugin available at a given Digital Audio Workstation (DAW), i.e. Gaussian Mixture Model (GMM) approach and deep Convolutional Neural Network (CNN) VGG13, which is a novel approach. Training set and data set are 1885 speech signals selected from a EMIME Bilingual Database which were processed with 66 artificial reverberation presets selected from Semantic Audio Labs’s SAFE Reverb plugin database. Performance of the proposed automatic recognition method was evaluated using similarity measures between features of reference and analysed speech recordings. Evaluation procedure showed that a classical GMM approach gives 43.8% of recognition accuracy while proposed method with VGG13 deep CNN gives 99.94% of accuracy.
    Źródło:
    Vibrations in Physical Systems; 2019, 30, 1; 1-8
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Concept of automated malfunction detection of large turbomachinery using machine learning on transient data
    Metoda automatycznej detekcji niesprawności dużych turbozespołów z zastosowaniem metod uczenia maszynowego na danych ze stanów przejściowych
    Autorzy:
    Barszcz, Tomasz
    Zabaryłło, Mateusz
    Powiązania:
    https://bibliotekanauki.pl/articles/329350.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    turbomachinery
    transient data
    machine learning
    rotor modelling
    digital twin
    turbozespół
    dane ze stanów przejściowych
    uczenie maszynowe
    modelowanie wirników
    Opis:
    Large turbosets constitute a major source of electric energy in the world. They are critical machines which are vulnerable to several malfunctions which can decrease their availability and degrade the operation of the national electric grid system. The best source of data for assessment of the technical state are the transient data, measured during run-ups and coast-downs. The size of this data is very large and its analysis can be only performed by highly skilled vibration experts. The goal of this paper is to propose a method, which can apply Machine Learning for automated fault detection. In order to improve the quality of the learning process the method is accompanied by the ‘Digital Twin’ approach, where the simplified analytical rotordynamic model is tuned to a particular turboset and used in the learning process.
    Turbozespoły dużej mocy stanowią znaczną część źródeł energii elektrycznej na świecie. Są to maszyny krytyczne, które są wrażliwe na kilka rodzajów niesprawności. Mogą one obniżyć dyspozycyjność maszyn i wpłynąć negatywnie na prace całego systemu elektroenergetycznego. Najlepszym źródłem danych do oceny stanu dynamicznego są dane ze stanów przejściowych, mierzone podczas rozruchów i odstawień. Są to dane o bardzo dużych rozmiarach a ich analiza może być przeprowadzana tylko przez doświadczonych diagnostów. Celem artykułu jest propozycja metody, wykorzystującej metody uczenia maszynowego (Machine Learning) do automatycznego wykrywania uszkodzeń. W celu podniesienia jakości procesu uczenia metoda została uzupełniona o zastosowanie uproszczonego modelu analitycznego stanu dynamicznego turbozespołu. Model ten jest dostrajany do danego turbozespołu, a następnie stosowany do wygenerowania dodatkowych danych ze stanów przejściowych, które będą następnie użyte w procesie uczenia.
    Źródło:
    Diagnostyka; 2019, 20, 1; 63-71
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementation of digital twin and support vector machine in structural health monitoring of bridges
    Autorzy:
    Al-Hijazeen, Asseel Za'al Ode
    Fawad, Muhammad
    Gerges, Michael
    Koris, Kálmán
    Salamak, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/27312162.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    monitorowanie stanu konstrukcji
    most
    uszkodzenie
    bliźniak cyfrowy
    uczenie maszynowe
    maszyna wektorów wsparcia
    structural health monitoring
    bridge
    damage
    digital twin
    machine learning
    support vector machine
    Opis:
    Structural health monitoring (SHM) of bridges is constantly upgraded by researchers and bridge engineers as it directly deals with bridge performance and its safety over a certain time period. This article addresses some issues in the traditional SHM systems and the reason for moving towards an automated monitoring system. In order to automate the bridge assessment and monitoring process, a mechanism for the linkage of Digital Twins (DT) and Machine Learning (ML), namely the Support Vector Machine (SVM) algorithm, is discussed in detail. The basis of this mechanism lies in the collection of data from the real bridge using sensors and is providing the basis for the establishment and calibration of the digital twin. Then, data analysis and decision-making processes are to be carried out through regression-based ML algorithms. So, in this study, both ML brain and a DT model are merged to support the decision-making of the bridge management system and predict or even prevent further damage or collapse of the bridge. In this way, the SHM system cannot only be automated but calibrated from time to time to ensure the safety of the bridge against the associated damages.
    Źródło:
    Archives of Civil Engineering; 2023, 69, 3; 31--47
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analityka kulturowa, czyli jak narzędzia Data Science zmieniły humanistykę
    Cultural Analytics or How Data Science Tools Changed the Humanities
    Autorzy:
    Radomski, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/2154889.pdf
    Data publikacji:
    2022-03-31
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
    Tematy:
    wizualizacja
    big data
    uczenie maszynowe
    humanistyka cyfrowa
    Humanistyka
    analityka kulturowa
    data science
    Machine Learning
    Big Data
    Visualization
    Humanities
    Digital Humanities
    Cultural Analytics
    Data Science
    Opis:
    W artykule zostały przedstawione paradygmaty badawcze, które radykalnie zmieniły współczesną humanistykę. Najważniejszym z nich jest analityka kulturowa. Jest ona oparta na metodach Data Science. Autor prezentuje założenia data science, a następnie cechy charakterystyczne humanistyki cyfrowej i analityki kulturowej. W drugiej części artykułu zostały przedstawione przykłady badań i projektów prowadzonych w ramach analityki kulturowej. Są to projekty realizowane w DH Lab uniwersytetu w Yale, Software Studies Initiative oraz Media lab Katowice. Badania prowadzone w tych instytucjach przeobraziły humanistykę. Jej cechy charakterystyczne – to badanie dużych kolekcji danych, automatyzacja badań, wykorzystanie uczenia maszynowego i wizualizacja wiedzy. Nowa humanistyka, twierdzi autor, stała się nauką ścisłą.
    The article presents research paradigms that have radically changed the contemporary humanities. The most important of these is cultural analytics. It is based on Data Science methods. The author presents the assumptions of data science, and then the characteristics of digital humanities and cultural analytics. The second part of the article presents examples of research and projects conducted as part of cultural analysis. These are projects implemented at the DH Lab at Yale University, Software Studies Initiative, and Media Lab Katowice. Research conducted in these institutions transformed the humanities. Its characteristic features are the study of large data collections, research automation, the use of machine learning and knowledge visualization. The new humanities, the author claims, has become an exact science.
    Źródło:
    Studia Humanistyczne AGH; 2022, 21, 1; 7-22
    2084-3364
    Pojawia się w:
    Studia Humanistyczne AGH
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Digital population and housing census - the experience of Serbia
    Cyfrowy powszechny spis ludności i mieszkań – przykład Serbii
    Autorzy:
    Kovačević, Miladin
    Nikić, Mira
    Josipović, Branko
    Lakčević, Snežana
    Pantelić, Vesna
    Mitrović, Nevena
    Kolaković, Adil
    Korovićh, Petar
    Powiązania:
    https://bibliotekanauki.pl/articles/28408260.pdf
    Data publikacji:
    2023-10-31
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    2022 Census of Population
    Households and Dwellings
    digital census
    geospatial data
    monitoring system
    machine learning
    administrative data
    record linkage
    imputation
    statistical population register
    Serbia
    Powszechny Spis Ludności
    Gospodarstw Domowych i Mieszkań 2022
    spis cyfrowy
    dane geoprzestrzenne
    system monitorujący
    uczenie maszynowe
    dane administracyjne
    łączenie rekordów
    imputacja
    statystyczna ewidencja ludności
    Opis:
    The aim of the paper is to present the experience of the Republic of Serbia in conducting the 2022 Census of Population, Households and Dwellings, focusing on the employment, legal framework and financing of the census as well as on its successful implementation. It discusses strategic decisions on data collection and the integration of information technology - including geospatial data, data collection techniques, machine learning, record linkage and monitoring system - to overcome the challenges posed by the census. The paper addresses the census undercoverage, explores the use of administrative data for item imputation, and examines the development of a statistical population register. The study demonstrates the benefits of adopting a digital-census approach: significant improvement of accuracy, cost reduction and acquired expeditiousness. The Statistical Office of the Republic of Serbia conducted a digital census combined with traditional methods, excluding self-enumeration, along with the use of administrative data for item imputation, and recommends this approach as the most effective way to obtain precise and comprehensive information about a population, including its demographic characteristics, geographic distribution and overall size.
    Celem artykułu jest przedstawienie doświadczeń Republiki Serbii w zakresie organizacji Powszechnego Spisu Ludności, Gospodarstw Domowych i Mieszkań 2022, ze szczególnym uwzględnieniem zagadnień dotyczących zatrudnienia personelu, ram prawnych i finansowania tego badania oraz warunków jego udanej realizacji. Praca skupia się na strategicznych decyzjach w sprawie zbierania danych oraz zastosowania technik informatycznych, takich jak: wykorzystanie danych przestrzennych, cyfrowe metody uzyskiwania danych, uczenie maszynowe, łączenie rekordów czy system monitorujący, mających na celu sprostanie wyzwaniom związanym ze spisem. Autorzy poruszają także kwestie niedostatecznego pokrycia spisu oraz wykorzystania rejestrów administracyjnych do imputacji danych. Ponadto poświęcają uwagę opracowaniu i udoskonalaniu statystycznej ewidencji ludności, dokładności danych, obniżeniu kosztów i zwiększeniu efektywności badania. Główny Urząd Statystyczny Republiki Serbii przeprowadził spis powszechny w sposób cyfrowy, łącząc ten mechanizm z metodami tradycyjnymi (z wyłączeniem samospisu) i posiłkując się rejestrami administracyjnymi w celu imputacji danych. Metoda ta jest w artykule rekomendowana jako najefektywniejszy sposób uzyskania precyzyjnych i wyczerpujących informacji na temat populacji, w tym jej charakterystyki demograficznej, rozmieszczenia przestrzennego i liczebności.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2023, 68, 10; 49-70
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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