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 "kryterium informacyjne Akaike" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    On explainable fuzzy recommenders and their performance evaluation
    Autorzy:
    Rutkowski, Tomasz
    Łapa, Krystian
    Nielek, Radosław
    Powiązania:
    https://bibliotekanauki.pl/articles/330650.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    recommender system
    explainable recommendation
    fuzzy system
    Akaike information criterion
    system rekomendacyjny
    system rozmyty
    kryterium informacyjne Akaike
    Opis:
    This paper presents a novel approach to the design of explainable recommender systems. It is based on the Wang–Mendel algorithm of fuzzy rule generation. A method for the learning and reduction of the fuzzy recommender is proposed along with feature encoding. Three criteria, including the Akaike information criterion, are used for evaluating an optimal balance between recommender accuracy and interpretability. Simulation results verify the effectiveness of the presented recommender system and illustrate its performance on the MovieLens 10M dataset.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 595-610
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A method of precise pulse onset determination using the Akaike Information Criterion for Ultrasound Transmission Tomography
    Autorzy:
    Pruchnicki, Piotr
    Opieliński, Krzysztof J.
    Powiązania:
    https://bibliotekanauki.pl/articles/2146650.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    Akaike Information Criterion
    AIC
    pulse wave
    transmission method
    ultrasound tomography
    kryterium informacyjne Akaike
    fala tętna
    metoda transmisyjna
    tomografia ultradźwiękowa
    Opis:
    Information criteria used in statistics for model selection can be used to accurately determine pulse transition times in transmission methods. The most popular information criteria are the Akaike Information Criterion (AIC) and the Bayesian Schwartz Criterion (BIC). These criteria are considered the most reliable tests of model type and structure and are computationally simple. In this paper, an algorithm developed according to the AIC criterion is used to determine the transition time from transmission tomography measurements acquired with a multi-element ultrasonic ring array, which is the scanning element of the novel prototype of ultrasound tomography device for detecting and estimating the malignancy of female breast cancer in vivo. As a result, a new algorithm was developed to precise search for the onset of the recorded receiving pulse. The algorithm was tested in an aqueous environment using elementary pairs of transmitting and receiving ultrasonic transducers of a tomographic ring array.
    Źródło:
    Vibrations in Physical Systems; 2021, 32, 1; art. no. 2021115
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Noise Source Identification Method for a Warp Machine Based on MEEMD_AIC
    Metoda identyfikacji źródła hałasu maszyny dziewiarskiej oparta na MEEMD_AIC
    Autorzy:
    Xu, Yang
    Zhang, Ziyu
    Li, Angang
    Sheng, Xiaowei
    Powiązania:
    https://bibliotekanauki.pl/articles/231620.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    warp knitting machine
    noise source identification
    modified ensemble empirical mode decomposition
    MEEMD
    Akaike Information Criterion
    maszyna dziewiarska
    źródło hałasu
    zmodyfikowany zespół dekompozycji trybu empirycznego
    kryterium informacyjne Akaike
    Opis:
    In order to recognise the noise source of a warp knitting machine, a method based on Modified Ensemble Empirical Mode Decomposition (MEEMD) and Akaike Information Criterion (AIC) is proposed. The MEEMD_AIC method is applied to measure the noise signal of a warp knitting machine and analyse every single effective component selected. Noise source identification is realised by combining the vibration signal characteristics of the main parts of the warp knitting machine. Firstly, MEEMD is used to decompose the measured noise signal of the warp knitting machine into a finite number of intrinsic mode function (IMF) components. Then, singular value decomposition (SVD) is performed on the covariance matrix of the component matrix to get the eigen value of the matrix. Next, the number of effective components is estimated based on the AIC criterion, and the effective components are selected by combining the energy characteristic index and the Pearson correlation coefficient method. The results show that the noise signal of the warp knitting machine is a mixture of multiple noise source signals. The main noise sources of the warp knitting machine, including the vibration of the pulling roller, the main shaft of the loop forming mechanism and the push rod of the guide bar traverse the mechanism, provide theoretical support for recognition of the active noise reduction of the warp knitting machine using the MEEMD_AIC method.
    W celu rozpoznania źródła szumu maszyny dziewiarskiej zaproponowano metodę rozpoznawania źródła hałasu opartą na zmodyfikowanym zespole dekompozycji trybu empirycznego (MEEMD) i Akaike Information Criterion (AIC). Metodę MEEMD_AIC zastosowano do pomiaru sygnału szumu maszyny dziewiarskiej i do analizy każdego elementu maszyny dziewiarskiej. Identyfikacja źródła hałasu odbywała się poprzez połączenie charakterystyki sygnału wibracji głównych części maszyny dziewiarskiej. Po pierwsze, MEEMD zastosowano do dekompozycji zmierzonego sygnału szumowego maszyny dziewiarskiej na skończoną liczbę elementów składowych funkcji trybu wewnętrznego (IMF). Następnie przeprowadzono rozkład wartości pojedynczej (SVD) na macierz kowariancji macierzy składowej uzyskując wartość własną macierzy. Następnie oszacowano liczbę składników efektywnych na podstawie kryterium AIC, a składniki efektywne wybrano poprzez połączenie wskaźnika charakterystyki energetycznej i metody współczynnika korelacji Pearsona. Wyniki pokazały, że sygnał szumu maszyny dziewiarskiej jest mieszaniną wielu sygnałów źródeł hałasu. Na główne źródło hałasu maszyny dziewiarskiej składają się wibracje wałka ciągnącego oraz hałas głównego wału mechanizmu formowania pętli i popychacza mechanizmu poprzecznego prowadnicy. Przeprowadzona za pomocą metody MEEMD_AIC identyfikacja zapewnia teoretyczne wsparcie dla aktywnej redukcji hałasu dziania.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2020, 3 (141); 55-61
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Growth curve functions in modeling the thin-layer drying of corn
    Krzywe wzrostu w modelowaniu procesu suszenia kukurydzy w cienkiej warstwie
    Autorzy:
    Siatkowski, M.
    Weres, J.
    Kujawa, S.
    Szabelska, A.
    Zyprych, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/287022.pdf
    Data publikacji:
    2010
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    Informacyjne Kryterium Akaike
    bayesowskie kryterium informacyjne Schwarza
    krzywe wzrostu
    kukurydza
    modelowanie
    Akaike Information Criterion
    Bayesian Information Criterion
    growth curve models
    corn
    modeling
    R package
    Opis:
    Modeling the thin-layer drying process for corn is described using 37 growth curve functions. The most effective functions were qualified by the application of Akaike Information Criterion and Bayesian Information Criterion. Both criteria showed that the thin-layer drying process for corn was best described by the baroreflex five-parameter function.
    Modelowanie procesu suszenia kukurydzy w cienkiej warstwie zostało opisane przy użyciu 37 krzywych wzrostu. Najlepiej dopasowane krzywe zostały wyłonione w oparciu o Informacyjne Kryterium Akaike oraz Bayesowkie Kryterium Informacyjne Schwarza. Oba współczynniki pokazały, iż proces suszenia kukurydzy w cienkiej warstwie najlepiej odwzorowuje pięcioparametrowa krzywa baroreflex.
    Źródło:
    Inżynieria Rolnicza; 2010, R. 14, nr 6, 6; 89-95
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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