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 "SOM" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    Soft computing tools for virtual drug discovery
    Autorzy:
    Hagan, D.
    Hagan, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/91628.pdf
    Data publikacji:
    2018
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    drug discovery
    virtual screening
    multilayer network
    SOM
    Opis:
    In this paper, we describe how several soft computing tools can be used to assist in high throughput screening of potential drug candidates. Individual small molecules (ligands) are assessed for their potential to bind to specific proteins (receptors). Committees of multilayer networks are used to classify protein-ligand complexes as good binders or bad binders, based on selected chemical descriptors. The novel aspects of this paper include the use of statistical analyses on the weights of single layer networks to select the appropriate descriptors, the use of Monte Carlo cross-validation to provide confidence measures of network performance (and also to identify problems in the data), the addition of new chemical descriptors to improve network accuracy, and the use of Self Organizing Maps to analyze the performance of the trained network and identify anomalies. We demonstrate the procedures on a large practical data set, and use them to discover a promising characteristic of the data. We also perform virtual screenings with the trained networks on a number of benchmark sets and analyze the results.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 3; 173-189
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    One- and multivariable characteristics of spring barley (Hordeum vulgare L.) cultivars breed at the Nagradowice Plant Breeding Station of the Poznańska Hodowla Roślin, studied in experiments in 2017-2018
    Autorzy:
    Mańkowski, Dariusz
    Jasińska, Dorota
    Anioła, Magdalena
    Śmiałowski, Tadeusz
    Janaszek-Mańkowska, Monika
    Dynkowska, Wioletta M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2197949.pdf
    Data publikacji:
    2021-11-18
    Wydawca:
    Instytut Hodowli i Aklimatyzacji Roślin
    Tematy:
    spring barley
    breeding experiments
    yielding
    BWLUE
    SOM
    Opis:
    The aim of this study was to evaluate the yield variability of spring barley families grown at the Nagradowice Plant Breeding Station of Poznan Plant Breeding against other families studied in years 2017‒2018 in Team Breeding Experiments. Research material included 250 spring barley families cultivated in 2017 and 2018 in 6 locations. Selection of spring barley families for preliminary experiments was based on synthesis of results obtained in inter-plant experiments established in 2016 and 2017 in 5 locations. Combined (due to location) analysis of variance for experimental data was performed for each year and each series of experiments separately. Best Weighted Linear Unbiased Estimators (BWLUE) for the effects of individual sources of variation were included in ANOVA model. Significant effect of location on mean yield was observed in each research year and each series of experiments. Crucial differences were also observed between tested varieties and breeding lines. Moreover, significant interaction between locations and varieties or breeding families was also observed. Self-organising map (SOM) was applied to develop multivariable characteristic of tested families and cultivars of spring barley. Analyses results, i.e. ranking of BWLUE effects as well as SOM segmentation revealed seven breading lines from Breeding Station Nagradowice, which may be considered for further breeding process.
    Źródło:
    Plant Breeding and Seed Science; 2021, 82; 3-18
    1429-3862
    2083-599X
    Pojawia się w:
    Plant Breeding and Seed Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Anomalous and traditional diffusion modelling in SOM learning
    Autorzy:
    Hrebik, Radek
    Kukal, Jaromir
    Powiązania:
    https://bibliotekanauki.pl/articles/949793.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    self organization
    Kohonen map
    diffusion learning
    anomalous diffusion
    SOM
    Opis:
    The traditional self organizing map (SOM) is learned by Kohonen learning. The main disadvantage of this approach is in epoch based learning when the radius and rate of learning are decreasing functions of epoch index. The aim of study is to demonstrate advantages of diffusive learning in single epoch learning and other cases for both traditional and anomalous diffusion models. We also discuss the differences between traditional and anomalous learning in models and in quality of obtained SOM. The anomalous diffusion model leads to less accurate SOM which is in accordance to biological assumptions of normal diffusive processes in living nervous system. But the traditional Kohonen learning has been overperformed by novel diffusive learning approaches.
    Źródło:
    Archives of Control Sciences; 2019, 29, 4; 699-717
    1230-2384
    Pojawia się w:
    Archives of Control Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptive modelling of spatial diversification of soil classification units
    Adaptacyjne modelowanie przestrzennego zróżnicowania jednostek klasyfikacyjnych gleb
    Autorzy:
    Urbański, K.
    Gruszczyński, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/292945.pdf
    Data publikacji:
    2016
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    adaptive algorithms
    self-organizing map (SOM)
    soil classification
    Upper Silesian Industrial Region
    algorytmy adaptacyjne
    Górnośląski Okręg Przemysłowy (GOP)
    klasyfikacja gleb
    samoorganizująca mapa (SOM)
    Opis:
    The article presents the results of attempts to use adaptive algorithms for classification tasks different soils units. The area of study was the Upper Silesian Industrial Region, which physiographic and soils parameters in the form of digitized was used in the calculation. The study used algorithms, self-organizing map (SOM) of Kohonen, and classifiers: deep neural network, and two types of decision trees: Distributed Random Forest and Gradient Boosting Machine. Especially distributed algorithm Random Forest (algorithm DRF) showed a very high degree of generalization capabilities in modeling complex diversity of soil. The obtained results indicate, that the digitization of topographic and thematic maps give you a fairly good basis for creating useful models of soil classification. However, the results also showed that it cannot be concluded that the best algorithm presented in this research can be regarded as a general principle of system design inference.
    Wraz z rozwojem technologii informatycznych następuje stopniowa zmiana podejścia do dokumentacji kartograficznej obiektów przyrodniczych, w tym gleb. Podstawowymi cechami dowolnej klasyfikacji, których przedmiotem są gleby, jest wielowymiarowość jednostek (nie ma pojedynczej właściwości, możliwej do wyznaczenia w drodze pomiaru, która wystarczałaby do jednoznacznego przypisania pedonu do określonej klasy w stosowanych skalach klasyfikacyjnych gleb), w związku z czym właściwe wydaje się wykorzystanie do tego celu dostępnych komputerowych metod przetwarzania danych. Modelowanie przestrzennego zróżnicowania gleb na podstawie przesłanek natury fizjograficznej, odtworzonych na podstawie digitalizacji istniejących materiałów kartograficznych, jest podstawą do tworzenia przestrzennych baz danych przechowywanych w wersji cyfrowej. Inaczej niż w typowej kartografii tematycznej zawierającej treści glebowo-siedliskowe, modele te wskazują na prawdopodobieństwo a priori występowania określonej jednostki glebowej w określonym położeniu, nie zaś bezwzględną przynależność terenu do niej. Taka interpretacja wymaga zbudowania stosownego algorytmu wiążącego czynniki natury geologicznej i fizjograficznej z jednostkami glebowymi. Do tego celu często wykorzystuje się tak zwane algorytmy adaptacyjne, umożliwiające elastyczne tworzenie modeli zależności bazujących na danych. W pracy przedstawiono dwa warianty doboru parametrów przetwarzania danych fizjograficzno-glebowych potencjalnie przydatnych do tych celów. Wykorzystano dane pochodzące z bazy danych fizjograficznoglebowych z rejonu GOP (Górnośląski Okręg Przemysłowy) uzyskanych w wyniku digitalizacji materiałów kartograficznych. Analizie poddano wyłącznie tereny użytków rolnych: gruntów ornych (R) i trwałych użytków zielonych (Ł i Ps). Na obszarze o powierzchni 1 km2 wyodrębniono 6,4 mln jednostek tworzących siatkę kwadratów o rozmiarach 20 × 20 m. Wykorzystane zostały algorytmy samoorganizującej mapy (SOM) Kohonena oraz klasyfikatory – głęboka sieć neuronowa, oraz dwa rodzaje drzew decyzyjnych – rozproszony las losowy (ang. Distributed Random Forest) i wzmacniane drzewa losowe (ang. Gradient Boosting Machine). Szczególnie algorytm rozproszonego lasu losowego (algorytm DRF) wykazał bardzo wysoki stopień zdolności generalizacyjnej w modelowaniu zróżnicowania kompleksów glebowych.
    Źródło:
    Journal of Water and Land Development; 2016, 30; 127-139
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Noisy image segmentation using a self-organizing map network
    Autorzy:
    Gorjizadeh, S
    Pasban, S
    Alipour, S
    Powiązania:
    https://bibliotekanauki.pl/articles/102708.pdf
    Data publikacji:
    2015
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    image segmentation
    unsupervised algorithm
    noise
    statistical features
    SOM neural networks
    Opis:
    Image segmentation is an essential step in image processing. Many image segmentation methods are available but most of these methods are not suitable for noisy images or they require priori knowledge, such as knowledge on the type of noise. In order to overcome these obstacles, a new image segmentation algorithm is proposed by using a self-organizing map (SOM) with some changes in its structure and training data. In this paper, we choose a pixel with its spatial neighbors and two statistical features, mean and median, computed based on a block of pixels as training data for each pixel. This approach helps SOM network recognize a model of noise, and consequently, segment noisy image as well by using spatial information and two statistical features. Moreover, a two cycle thresholding process is used at the end of learning phase to combine or remove extra segments. This way helps the proposed network to recognize the correct number of clusters/segments automatically. A performance evaluation of the proposed algorithm is carried out on different kinds of image, including medical data imagery and natural scene. The experimental results show that the proposed algoise in comparison with the well-known unsupervised algothms.
    Źródło:
    Advances in Science and Technology. Research Journal; 2015, 9, 26; 118--123
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regional differentiation of households in the context of a subjective assessment of the level of income
    Regionalne zróżnicowanie gospodarstw domowych w kontekście subiektywnej oceny poziomu dochodów
    Autorzy:
    Grzywińska-Rąpca, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/548563.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Rzeszowski. Wydawnictwo Uniwersytetu Rzeszowskiego
    Tematy:
    household
    subjective assessment
    material situation
    SOM
    Kohonen
    gospodarstwo domowe
    subiektywna ocena
    sytuacja materialna
    Opis:
    One of the factors affecting the stratification and diversity of living conditions of the population is the level of income of the population. Income levels indicate inequalities that are inevitable and even necessary to some extent. They are part of the incentive mechanisms in consumer behaviour. The aim of the article was to show, by grouping voivodships, the differences in the assessment of the subjective level of household income. Households participating in the Household Budget Survey conducted by the Polish Central Statistical Office reported the amount of income (in PLN) allowing (in their assessment) to recognize the given income as: very weak, insufficient, barely sufficient, good and very good. The specified values of the centroids made it possible to organize voivodships in Poland due to the level of analysed features and identification of groups in which there are households with similar expectations and a subjective assessment of the economic situation. Based on the analysis, it can be concluded that in terms of subjective assessments of the level of income obtained by households there are stratifications in the individual groups of voivodships. The analysis of the diversity of income level assessments was conducted in a spatial section (diversification of the phenomenon by voivodships). The SOM-Kohonen method was used for the analysis.
    Jednym z czynników wpływających na rozwarstwienie i różnorodność warunków życia społeczeństwa jest poziom dochodu ludności. Poziom dochodu wskazuje na nierówności, które są nieuniknione, a nawet w pewnym stopniu niezbędne. Są elementem mechanizmów motywacyjnych w zachowaniach konsumentów. Celem artykułu jest wykazanie, za pomocą grupowania województw, zróżnicowania w ocenie subiektywnego poziomu dochodów gospodarstw domowych. Gospodarstwa uczestniczące w Badaniu budżetów gospodarstw domowych przeprowadzonym przez Główny Urząd Statystyczny podawały wysokość dochodów (w złotych) pozwalających (w ich ocenie) uznać dane dochody, jako: bardzo słabe, niewystarczające, ledwo wystarczające, dobre i bardzo dobre. Określone wartości centroidów umożliwiły uporządkowanie województw w Polsce ze względu na poziom analizowanych cech oraz identyfikację grup, w których są gospodarstwa domowe o podobnych oczekiwaniach i subiektywnej ocenie sytuacji gospodarczej. Na podstawie analizy można stwierdzić, że pod względem subiektywnych ocen poziomu dochodów uzyskiwanych przez gospodarstwa domowe istnieją stratyfikacje w poszczególnych grupach województw. Analiza różnorodności ocen poziomu dochodów została przeprowadzona w przekroju przestrzennym (zróżnicowanie zjawiska według województw). Do analizy zastosowano metodę SOM-Kohonen.
    Źródło:
    Nierówności Społeczne a Wzrost Gospodarczy; 2019, 60; 227-241
    1898-5084
    2658-0780
    Pojawia się w:
    Nierówności Społeczne a Wzrost Gospodarczy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Intelligent prediction of milling strategy using neural networks
    Autorzy:
    Klancnik, S.
    Balic, J.
    Cus, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/971013.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    SOM neural networks
    CAD/CAM system
    feature extraction
    milling strategy
    CAD segmentation
    STL model
    Opis:
    This paper presents the prediction of milling tool-path strategy using Artificial Neural Network (ANN), by taking the predefined technological objectives into account. In the presented case, the best possible surface quality of a machined surface was taken as the primary technological aim. This paper shows how feature extraction from a 3D CAD model, and classification using a self-organizing neural network, are done. The experimental results presented in this paper suggest that the prediction of milling strategy using the self-organizing neural network (SOM) is effective.
    Źródło:
    Control and Cybernetics; 2010, 39, 1; 9-24
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Segmentation Analysis For Polish Digital Startups in Years 2015 and 2016
    Analiza segmentacyjna polskich startupów cyfrowych w latach 2015–2016
    Autorzy:
    Rostek, Katarzyna
    Skala, Agnieszka
    Powiązania:
    https://bibliotekanauki.pl/articles/2179638.pdf
    Data publikacji:
    2018-06-30
    Wydawca:
    Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
    Tematy:
    startup
    segmentation
    clustering
    SOM Kohonen
    characteristics
    digital
    segmentacja
    klasteryzacja
    sieci Kohonena
    charakterystyki
    technologie cyfrowe
    Opis:
    The largest study of the digital industry in Poland has been run since 2015 by the Startup Poland Foundation in cooperation with the researchers from the Warsaw University of Technology. Such studies are not easy to carry out because of the heterogeneity of the definitions of basic concepts, including the definition of a startup. This article presents a comparison of examples of this type of study carried out worldwide and identifies the main differences between them. On the basis of the data obtained from the Foundation’s research, a segmentation and comparative analysis of Polish startups was carried out, the results of which are presented in this article. Six main differentiating features of the defined segments were identified, of which the production of hardware by startups and cooperation with academia were of particular interest.
    Największe badanie startupów branży cyfrowej w Polsce od 2015 r. wykonuje fundacja Startup Poland we współpracy z naukowcami z Politechniki Warszawskiej. Badania takie nie są łatwe do zrealizowania ze względu na niejednorodność definicji podstawowych pojęć, w tym definicji startupu. W artykule przedstawiono zestawienie przykładowych badań tego typu, wykonywanych na świecie i wskazano główne różnice, jakie między nimi występują. Na podstawie danych otrzymanych w ramach badań fundacji, przeprowadzono analizę segmentacyjną i porównawczą polskich startupów, której wyniki zaprezentowano w artykule. Zidentyfikowano sześć głównych cech różnicujących poszczególne segmenty, wśród których na szczególną uwagę zasługuje fakt produkowania przez startupy hardware’u oraz prowadzenie współpracy z nauką.
    Źródło:
    Studia i Materiały; 2018, 1(26); 55-67
    1733-9758
    Pojawia się w:
    Studia i Materiały
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Image Retrieval Based on Text and Visual Content Using Neural Networks
    Autorzy:
    Castro, D. A.
    Seijas, L. M.
    Powiązania:
    https://bibliotekanauki.pl/articles/108732.pdf
    Data publikacji:
    2010
    Wydawca:
    Społeczna Akademia Nauk w Łodzi
    Tematy:
    image retrieval
    Self-Organizing Maps (SOM)
    content-based image retrieval (CBIR)
    Text-Based Image Retrieval (TBIR)
    ParBSOM
    Scoring function
    Opis:
    In the last few years there has been a dramatic increase in the amount of visual data to be searched and retrieved. Typically, images are described by their textual content (TBIR) or by their visual features (CBIR). However, these approaches still present many problems. The hybrid approach was recently introduced, combining both characteristics to improve the benefits of using text and visual content separately. In this work we examine the use of the Self Organizing Maps for content-based image indexing and retrieval. We propose a scoring function which eliminates irrelevant images from the results and we also introduce a SOM variant (ParBSOM) that reduces training and retrieval times. The application of these techniques to the hybrid approach improved computational results.
    Źródło:
    Journal of Applied Computer Science Methods; 2010, 2 No. 1; 21-39
    1689-9636
    Pojawia się w:
    Journal of Applied Computer Science Methods
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multiscale evaluation of a thin-bed reservoir
    Autorzy:
    Lis-Śledziona, Anita
    Powiązania:
    https://bibliotekanauki.pl/articles/1841759.pdf
    Data publikacji:
    2021
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    thin beds
    high resolution well logs prediction
    horizontal resistivity
    unsupervised neural network
    self-organizing maps (SOM)
    electrofacies
    low resistivity pay
    Opis:
    A thin-bed laminated shaly-sand reservoir of the Miocene formation was evaluated using two methods: high resolution microresistivity data from the XRMI tool and conventional well logs. Based on high resolution data, the Earth model of the reservoir was defined in a way that allowed the analyzed interval to be subdivided into thin layers of sandstones, mudstones, and claystones. Theoretical logs of gamma ray, bulk density, horizontal and vertical resistivity were calculated based on the forward modeling method to describe the petrophysical properties of individual beds and calculate the clay volume, porosity, and water saturation. The relationships amongst the contents of minerals were established based on the XRD data from the neighboring wells; hence, the high-resolution lithological model was evaluated. Predicted curves and estimated volumes of minerals were used as an input in multimineral solver and based on the assumed petrophysical model the input data were recalculated, reconstructed and compared with the predicted curves. The volumes of minerals and input curves were adjusted during several runs to minimalize the error between predicted and recalculated variables. Another approach was based on electrofacies modeling using unsupervised self-organizing maps. As an input, conventional well logs were used. Then, the evaluated facies model was used during forward modeling of the effective porosity, horizontal resistivity and water saturation. The obtained results were compared and, finally, the effective thickness of the reservoir was established based on the results from the two methods.
    Źródło:
    Geology, Geophysics and Environment; 2021, 47, 1; 5-20
    2299-8004
    2353-0790
    Pojawia się w:
    Geology, Geophysics and Environment
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pulse shape discrimination of neutrons and gamma rays using kohonen artificial neural networks
    Autorzy:
    Tambouratzis, T.
    Chernikova, D.
    Pzsit, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/91759.pdf
    Data publikacji:
    2013
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    shape
    neutron
    discrimination
    gamma rays
    Kohonen artificial neural networks
    ANNs
    linear vector quantisation
    LVQ
    self-organizing map
    SOM
    pulse shape discrimination
    PSD
    Opis:
    The potential of two Kohonen artificial neural networks (ANNs) - linear vector quantisation (LVQ) and the self organising map (SOM) - is explored for pulse shape discrimination (PSD), i.e. for distinguishing between neutrons (n’s) and gamma rays (’s). The effect that (a) the energy level, and (b) the relative size of the training and test sets, have on identification accuracy is also evaluated on the given PSD dataset. The two Kohonen ANNs demonstrate complementary discrimination ability on the training and test sets: while the LVQ is consistently more accurate on classifying the training set, the SOM exhibits higher n/ identification rates when classifying new patterns regardless of the proportion of training and test set patterns at the different energy levels; the average time for decision making equals ˜100 μs in the case of the LVQ and ˜450 μs in the case of the SOM.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 2; 77-88
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Music Mood Visualization Using Self-Organizing Maps
    Autorzy:
    Plewa, M.
    Kostek, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/176410.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    music mood
    music parameterization
    MER (Music Emotion Recognition)
    MIR (Music Information Retrieval)
    Multidimensional Scaling (MDS)
    principal component analysis (PCA)
    Self-Organizing Maps (SOM)
    ANN (Artificial Neural Networks)
    Opis:
    Due to an increasing amount of music being made available in digital form in the Internet, an automatic organization of music is sought. The paper presents an approach to graphical representation of mood of songs based on Self-Organizing Maps. Parameters describing mood of music are proposed and calculated and then analyzed employing correlation with mood dimensions based on the Multidimensional Scaling. A map is created in which music excerpts with similar mood are organized next to each other on the two-dimensional display.
    Źródło:
    Archives of Acoustics; 2015, 40, 4; 513-525
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A class of neuro-computational methods for assamese fricative classification
    Autorzy:
    Patgiri, C.
    Sarma, M.
    Sarma, K. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/91763.pdf
    Data publikacji:
    2015
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    neuro-computational classifier
    fricative phonemes
    Assamese language
    Recurrent Neural Network
    RNN
    neuro fuzzy classifier
    linear prediction cepstral coefficients
    LPCC
    self-organizing map
    SOM
    adaptive neuro-fuzzy inference system
    ANFIS
    klasyfikator neuronowy
    klasyfikator neuronowo rozmyty
    sieć Kohonena
    Opis:
    In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 1; 59-70
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      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