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 "GMDH method" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    The ERP class system objective assessment method
    Autorzy:
    Patalas, J.
    Krupa, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/117659.pdf
    Data publikacji:
    2005
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    ERP systems
    method GMDH
    group method of data handling
    Opis:
    This paper presents ERP class system objective assessment method when using the neural systems GMDH basing on the Ivachnienko algorithm. An approach to ERPs evaluation aimed at their successful implementation into a class of the small and medium-sized enterprises (SMEs) is considered. The set of performance indices supporting an ERP evaluation in the context of its implementation into a given SME is proposed. Consequently the decision model binding the selected indicators of effectiveness of SME implementation with the parameters of a given ERP system and the parameters of the company as such, which introduced this system is discussed.
    Źródło:
    Applied Computer Science; 2005, 1, 1; 115-132
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Influence of the GMDH neural network data preparation method on UTC(PL) correction prediction results
    Autorzy:
    Miczulski, W.
    Sobolewski, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/221698.pdf
    Data publikacji:
    2012
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    GMDH neural network
    national timescale
    atomic clock
    time series analysis
    Opis:
    The article presents results of the influence of the GMDH (Group Method of Data Handling) neural network input data preparation method on the results of predicting corrections for the Polish timescale UTC(PL). Prediction of corrections was carried out using two methods, time series analysis and regression. As appropriate to these methods, the input data was prepared based on two time series, ts1 and ts2. The implemented research concerned the designation of the prediction errors on certain days of the forecast and the influence of the quantity of data on the prediction error. The obtained results indicate that in the case of the GMDH neural network the best quality of forecasting for UTC(PL) can be obtained using the time-series analysis method. The prediction errors obtained did not exceed the value of š 8 ns, which confirms the possibility of maintaining the Polish timescale at a high level of compliance with the UTC.
    Źródło:
    Metrology and Measurement Systems; 2012, 19, 1; 123-132
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of the results of time series prediction obtained with the classical GMDH algorithm and the modified method containing sensitivity functions
    Porównanie rezultatów predykcji szeregów czasowych uzyskanych za pomocą klasycznego algorytmu GMDH oraz zmodyfikowanej metody GMDH z funkcjami czułości
    Autorzy:
    Bobkowska, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/155812.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    complex systems
    prediction
    sensitivity functions
    GMDH
    partial models
    Kolmogorov-Gabor equation
    time series
    short sample of data
    systemy złożone
    predykcja
    funkcje czułości
    modele częściowe
    równania Kołmogorowa-Gabora
    szeregi czasowe
    próbki niewielu danych
    Opis:
    The paper presents the results of prediction experiments dealing with the behavior of a complex process containing significant regularity which is modeled by a given time series. In my research I use only a small amount of the input data in order to predict future states of the aforementioned time series using a modified GMDH containing sensitivity functions. It turns out that, for some specific processes, sensitivity functions allow us to obtain more accurate results than the classical GMDH.
    Poniższy artykuł przedstawia wyniki eksperymentów dotyczących predykcji zachowania pewnego złożonego procesu zawierającego znaczne regularności, który modelowany jest za pomocą szeregu czasowego. W celu predykcji kolejnych wartości szeregu korzystam jedynie z niewielkiej ilości danych wejściowych stosując zmodyfikowaną metodę GMDH (Group Method of Data Handling) zawierającą funkcje czułości. Metody statystyczne stosowane zwykle w celu ustalenia zależności między poszczególnymi zmiennymi są całkowicie nieprzydatne w warunkach niewielkiej ilości danych wejściowych. Trudno w takich warunkach dostrzec i zbadać regularności szeregu i zależności pomiędzy zmiennymi tego szeregu. Nawet jeśli badany szereg jest szeregiem ze ściśle określoną regularnością, to nie mamy pewności, że ilość próbek, na których ma sposobność pracować badacz jest wystarczająca do określenia wszystkich jego cech. Proces przedstawiony za pomocą pewnego szeregu, może mieć np. składnik cykliczny, który przy małej ilości próbek będzie niewidoczny. Korzystamy więc z narzędzia umożliwiającego uchwycenie wahań analizowanego procesu, jego siły czy kierunku wykorzystywanego między innymi w dyscyplinach zajmujących się sterowaniem procesami. Jednym z takich narzędzi szacujących są właśnie funkcje czułości. Uzyskiwane rezultaty badań pokazują, że zastosowanie funkcji czułości pozwala na otrzymanie dokładniejszych wyników predykcji niż klasyczna metoda GMDH dla pewnych szczególnych zachowań procesu.
    Źródło:
    Pomiary Automatyka Kontrola; 2013, R. 59, nr 7, 7; 688-691
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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