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 model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Iontophoresis of the eye - a computational approach
    Jonoforeza oka –podejście obliczeniowe
    Autorzy:
    Mikołajewska, Emilia
    Mikołajewski, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/41205874.pdf
    Data publikacji:
    2023
    Wydawca:
    Uniwersytet Kazimierza Wielkiego w Bydgoszczy
    Tematy:
    computational model
    machine learning
    iontophoresis
    eye
    drug delivery
    model obliczeniowy
    uczenie maszynowe
    jonoforeza
    oko
    dostarczanie leków
    Opis:
    ontophoresis is an effective, non-invasive method of intraocular drug delivery based on electric current. However, it has many limitations that can be addressed by effective computational models based on both machine learning (a data-driven approach) and other artificial intelligence methods and techniques. To date, computational models using AI/ML are lacking, including for the iontophoresis mechanism itself. Their wider use would help facilitate the delivery of drugs to the eye, which remains a major challenge dueto the multiple barriers in the eye. The aim of this paper is to explore the feasibility of developing a computational model for ocular iontophoresis using available AI methods and techniques.
    Jonoforeza jest skuteczną, nieinwazyjną metodą wewnątrzgałkowego podawania leków opartą na prądzie elektrycznym. Ma jednak wiele ograniczeń, które można rozwiązać za pomocą skutecznych modeli obliczeniowych opartych zarówno na uczeniu maszynowym (podejście oparte na danych), jak i innych metodach i technikach sztucznej inteligencji. Do tej pory brakuje modeli obliczeniowych wykorzystujących AI/ML, w tym dla samego mechanizmu jonoforezy. Ich szersze zastosowanie pomogłoby ułatwić dostarczanie leków do oczu, co pozostaje poważnym wyzwaniem ze względu na liczne bariery w oku. Celem artykułu jest zbadanie wykonalności opracowania modelu obliczeniowego dla jonoforezy ocznej przy użyciu dostępnych metod i technik sztucznej inteligencji.
    Źródło:
    Studia i Materiały Informatyki Stosowanej; 2023, 15, 1; 28-32
    1689-6300
    Pojawia się w:
    Studia i Materiały Informatyki Stosowanej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie rozmytej mapy kognitywnej w prognozowaniu efektywności pracy wypożyczalni rowerowych
    Application of fuzzy cognitive map to predict of effectiveness of bike sharing systems
    Autorzy:
    Jastriebow, A.
    Kubuś, Ł.
    Poczęta, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/408030.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    rozmyta mapa kognitywna
    model prognozowania
    obliczenia ewolucyjne
    uczenie maszynowe
    fuzzy cognitive map
    predictive model
    evolutionary computation
    machine learning
    Opis:
    W pracy zaproponowano zastosowanie rozmytej mapy kognitywnej wraz z ewolucyjnymi algorytmami uczenia do modelowania systemu prognozowania efektywności pracy wypożyczalni rowerowych. Na podstawie danych historycznych zbudowano rozmytą mapę kognitywną, którą następnie zastosowano do prognozowania liczby rowerzystów i klientów wypożyczalni w trzech kolejnych dniach. Proces uczenia zrealizowano z zastosowaniem indywidualnego kierunkowego algorytmu ewolucyjnego IDEA oraz algorytmu genetycznego z kodowaniem zmiennoprzecinkowym RCGA. Analizę symulacyjną systemu prognozowania efektywności pracy wypożyczalni rowerowych przeprowadzono przy pomocy oprogramowania opracowanego w technologii JAVA.
    This paper proposes application of fuzzy cognitive map with evolutionary learning algorithms to model a system for prediction of effectiveness of bike sharing systems. Fuzzy cognitive map was constructed based on historical data and next used to forecast the number of cyclists and customers of bike sharing systems on three consecutive days. The learning process was realized with the use of Individually Directional Evolutionary Algorithm IDEA and Real-Coded Genetic Algorithm RCGA. Simulation analysis of the system for prediction of effectiveness of bike sharing systems was carried out with the use of software developed in JAVA.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 4; 70-73
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Inteligentny system wspomagający proces identyfikacji perspektywicznych horyzontów w wielohoryzontowych złożach gazu ziemnego uwzględniający kryterium ekonomiczne ich udostępnienia i eksploatacji
    Intelligent system supporting the process of identification of perspective horizons in multi-horizontal gas deposits taking into account economic criteria, their completion and exploitation
    Autorzy:
    Pańko, Adam
    Powiązania:
    https://bibliotekanauki.pl/articles/31344032.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    sztuczna inteligencja
    uczenie maszynowe
    sztuczne sieci neuronowe
    zastępczy model złożowy
    analiza ekonomiczna
    artificial intelligence
    machine learning
    artificial neural network
    surrogate reservoir model
    economic analysis
    Opis:
    W artykule zaprezentowano inteligentny system wspomagający proces identyfikacji perspektywicznych horyzontów złożowych w wielohoryzontowych złożach gazu ziemnego, uwzględniający kryterium ekonomiczne ich udostępnienia i eksploatacji. W procesie projektowania systemu zostały wykorzystane dotychczasowe doświadczenia firmy ORLEN Upstream z prac prowadzonych na obszarze zapadliska przedkarpackiego w utworach miocenu, obejmujące etap poszukiwania i eksploatacji wielohoryzontowych złóż gazu ziemnego. System został opracowany na bazie sztucznej inteligencji (SI) z wykorzystaniem między innymi sztucznych sieci neuronowych (SSN) i metod uczenia maszynowego (ML) oraz dodatkowo metod tzw. eksperymentu projektowanego (ang. design of experiment, DOE). Pierwsza część systemu obejmuje procesy związane z selekcją odpowiednich danych wejściowych i ich przygotowaniem do wykorzystania w kolejnych elementach systemu. Kolejnym etapem inteligentnego systemu jest identyfikacja perspektywicznych horyzontów złożowych w nowo wierconych odwiertach na podstawie wyników wykonanych opróbowań typu DST (ang. drill stem test) i testów produkcyjnych w dotychczas odwierconych i eksploatowanych odwiertach przez ORLEN Upstream. Następny element systemu stanowi projekt bazy danych wejściowych do budowy zastępczego modelu złożowego (ZMZ). Do konstrukcji bazy danych wykorzystano metodę Latin hypercube i symulator numeryczny Eclipse. W dalszej części systemu skonstruowany model zastępczy został użyty do probabilistycznego generowania profili wydobycia gazu ze zidentyfikowanych w poprzednim etapie perspektywicznych horyzontów złożowych. Ostatnim elementem zaprojektowanego systemu jest analiza ekonomiczna opłacalności procesu udostępniania i eksploatacji, bazująca między innymi na wyznaczonych profilach wydobycia gazu. Wynikiem analizy jest wyznaczenie podstawowych wskaźników ekonomicznych inwestycji. Na podstawie przeprowadzonej analizy ekonomicznej tworzony jest ranking zidentyfikowanych horyzontów i podejmowana jest decyzja o ewentualnym udostępnieniu i eksploatacji zidentyfikowanego horyzontu lub odstąpieniu od jego opróbowania.
    The article presents an intelligent system supporting the process of identification of perspective horizons in multi-horizontal gas deposits taking into account economic criteria of their completion and exploitation. Artificial Intelligence has been used for more than two decades as a development tool for solutions in several areas of the E&P industry: production control and optimization, forecasting, ans simulation, among many others. The intelligent system was designed based on so far carried out work by the ORLEN Upstream company in the area of the Carpathian Foredeep (Miocene formations), including the phase of exploration and exploitation of multi-horizontal gas deposits. The system was developed based on artificial intelligence (AI) using, among other things, artificial neural networks (ANN), machine learning (ML), and additional methods of design of experiment (DOE). The first part of the designed system includes processes connected with the selection of proper input data and their preparation to be utilized in the next section of the system. The next stage of the intelligent system is the identification of perspective horizons in the new drilling wells based on results from performed DST and production tests in so far drilled and exploited wells by ORLEN Upstream. The subsequent stage is the design of input database for the construction of the Surrogate Reservoir Model (SRM). This input database was prepared using the Latin Hypercube method and the commercial reservoir simulator Eclipse. In the duration of the next stage of the system, the previously prepared Surrogate Reservoir Model was utilized to probabilistically generate production gas profiles from identified horizons. The final part of the intelligent system is the economic profitability analysis of investments, among other things, based on generated production profiles. The results of the economic analysis are economic indicators of investment. The decision concerning the possible completion and exploitation of the identified horizon or renouncement of the execution of the drill stem test is made on the basis of the economic results.
    Źródło:
    Nafta-Gaz; 2022, 78, 11; 827-834
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid predictions of the homogenous properties’ market value with the use of ann
    Prognozowanie wartości rynkowej jednorodnych nieruchomości hybrydowym modelem z wykorzystaniem sztucznych sieci neuronowych
    Autorzy:
    Anysz, Hubert
    Podwórna, Monika
    Ibadov, Nabi
    Lennerts, Kunibert
    Dikarev, Kostiantyn
    Powiązania:
    https://bibliotekanauki.pl/articles/1852660.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    wycena nieruchomości
    sieć neuronowa sztuczna
    perceptron wielowarstwowy
    podejście porównawcze
    uczenie maszynowe
    model hybrydowy
    real estate valuation
    artificial neural network
    multilayer perceptron
    comparative approach
    machine learning
    hybrid model
    Opis:
    The homogenous properties – as flats are – have the set of key features that characterizes them. The area of a flat, the number of rooms and storey number where it is located, the technical state of a building, and the state of the vicinity of the blocks of flats assessed. The database comprises 222 flats with their transaction prices on the secondary estate market. The analysed flats are located in a certain quarter of Wrocław city in Poland. The database is large enough to apply machine learning for successful price predictions. Their close locations significantly lower the influence of clients’ assessments of the attractiveness of the location on the flat’s price. The hybrid approach is applied, where classifying precedes the solution of the regression problem. Dependently on the class of flats, the mean absolute percentage error achieved through the calculations presented in the article varies from 4,4 % to 7,8 %. In the classes of flats where the number of cases doesn’t allow for machine predicting, multivariate linear regression is applied. The reliable use of machine learning tools has proved that the automated valuation of homogenous types of properties can produce price predictions with the error low enough for real applications.
    Wycena nieruchomości jest złożonym procesem. Rzeczoznawca majątkowy musi być biegły zarówno w naukach ekonomicznych, prawnych, jak i technicznych. W praktyce często zdarzają się przypadki, w których konieczne jest poznanie zakresu wartości nieruchomości w krótkim czasie. Zautomatyzowane modele wyceny (AVM) są kwestionowane przez praktyków, ale nie oznacza to, że nie należy szukać nowych metod wyceny, innych niż te określone w Rozporządzeniu Rady Ministrów z dnia 21 września 2004 r. w sprawie wyceny nieruchomości i sporządzania operatu szacunkowego. Do określenia wartości rynkowej nieruchomości zdefiniowanej w Ustawie z dnia 21 sierpnia 1997 r o gospodarce nieruchomościami, jako „szacunkowa kwota, jaką w dniu wyceny można uzyskać za nieruchomość w transakcji sprzedaży zawieranej na warunkach rynkowych pomiędzy kupującym a sprzedającym, którzy mają stanowczy zamiar zawarcia umowy, działają z rozeznaniem i postępują rozważnie oraz nie znajdują się w sytuacji przymusowej”, najczęściej stosowaną metodą wyceny jest podejście porównawcze polegające na szacowaniu wartości na podstawie ostatnich danych sprzedaży innych podobnych nieruchomości na rynku lokalnym. Takie podejście wymaga aktywnego, rozwiniętego oraz w miarę stabilnego rynku. Rzeczoznawca majątkowy analizuje ceny transakcyjne nieruchomości, które w wystarczającym stopniu są podobne do nieruchomości wycenianej. Analiza atrybutów nieruchomości polega na badaniu nieruchomości pod względem trwałych cech, które mają znaczący wpływ na wartość, w szczególności lokalizację obiektu, jego powierzchnię, położenie w budynku, stan techniczny. W pracy przenalizowano próbkę 222 nieruchomości lokalowych, które były przedmiotem obrotu na wrocławskim rynku wtórnym. Lokalny rynek nieruchomości przyjęto jako nieruchomości lokalowe o powierzchni użytkowej z przedziału od 15 do 95 m2, w budynkach o stanie dobry lub średnim, z obrębu Grabiszyn dzielnicy Fabryczna miasta Wrocław. W pracy przyjęto dwuletni okres analizy, ze względu na w miarę stabilny rynek w okresie 2013-2014 nie uwzględniono czynnika czasu - przyjęto zerowy trend czasowy dla transakcji wolnorynkowych.
    Źródło:
    Archives of Civil Engineering; 2021, 67, 1; 285-301
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    CAD models clustering with machine learning
    Autorzy:
    Machalica, Dawid
    Matyjewski, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/139503.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    3D shape matching
    3D shape retrieval
    3D model recognition
    3D shape
    content-based retrieval
    machine learning
    dopasowanie kształtu 3D
    pobieranie kształtu 3D
    rozpoznawanie modeli 3D
    kształt 3D
    pobieranie oparte na treści
    uczenie maszynowe
    Opis:
    Similarity assessment between 3D models is an important problem in many fields including medicine, biology and industry. As there is no direct method to compare 3D geometries, different model representations (shape signatures) are developed to enable shape description, indexing and clustering. Even though some of those descriptors proved to achieve high classification precision, their application is often limited. In this work, a different approach to similarity assessment of 3D CAD models was presented. Instead of focusing on one specific shape signature, 45 easy-to-extract shape signatures were considered simultaneously. The vector of those features constituted an input for 3 machine learning algorithms: the random forest classifier, the support vector classifier and the fully connected neural network. The usefulness of the proposed approach was evaluated with a dataset consisting of over 1600 CAD models belonging to 9 separate classes. Different values of hyperparameters, as well as neural network configurations, were considered. Retrieval accuracy exceeding 99% was achieved on the test dataset.
    Źródło:
    Archive of Mechanical Engineering; 2019, LXVI, 2; 133-152
    0004-0738
    Pojawia się w:
    Archive of Mechanical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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