Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "sieć probabilistyczna" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
The conception of using a Bayesian network for aiding the design of manufacturing processes of surface layers
Koncepcja wykorzystania sieci Bayesa do wspomagania projektowania procesów wytwarzania warstw wierzchnich
Autorzy:
Wójcicki, T.
Powiązania:
https://bibliotekanauki.pl/articles/258416.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
surface layers
surface engineering
Bayesian network
probabilistic networks
design
warstwa wierzchnia
inżynieria powierzchni
sieć Bayesa
sieć probabilistyczna
projektowanie
Opis:
The paper presents a selected area of ongoing research on computer-aided design of manufacturing processes of surface layers with the use of modern information technologies. It describes the main problems related to the manufacturing of surface layers by mechanical, thermal, thermo-mechanical, thermo-chemical, electrochemical, and physical treatment, and information technologies used for these tasks. The paper presents an original methodology that uses a probabilistic Bayesian network, which is a directed graph, and it is based on the events and their associated probabilities representing the structure of cause and effect for the selected problem areas. The methods of determining the probability of events for specific network nodes and joint probability distribution for the whole structure of the graph are described. The model of the information system transforms the input values into output values, and this paper presents the range of information and the phases of the inference process, consisting of automatic technology identification of surface layer formations characterized by the expected properties and method of determining the process parameters for selected technology. The implementation of a model solution for selected application problems associated with the need to get a surface layer characterized by a certain hardness distribution and the results achieved are presented.
W artykule przedstawiono wybrany fragment realizowanych prac badawczych dotyczących wspomagania projektowania procesów wytwarzania warstw wierzchnich z wykorzystaniem nowoczesnych technologii informatycznych. Omówiono podstawowe problemy związane z wytwarzaniem warstw wierzchnich poprzez obróbkę mechaniczną, cieplną, cieplno-mechaniczną, cieplno-chemiczną, elektrochemiczną i fizyczną oraz technologie informatyczne wykorzystywane do tego typu zadań. Zaprezentowano autorską metodykę wykorzystującą probabilistyczną sieć Bayesa, będącą skierowanym grafem opartym na zdarzeniach i przypisanych do nich prawdopodobieństwach odzwierciedlających strukturę przyczynowo-skutkową dla wybranych obszarów problemowych. Przedstawiono metody wyznaczania prawdopodobieństwa zdarzeń dla określonych węzłów sieci oraz łącznego rozkładu prawdopodobieństwa dla całej struktury grafu. Zaprezentowano model systemu informatycznego realizującego zadanie polegające na transformacji wielkości wejściowych na wielkości wyjściowe i wymagany do tego celu zakres informacyjny, a także fazy prowadzenia procesu wnioskowania, polegające na automatycznej identyfikacji technologii wytwarzania warstw wierzchnich, charakteryzujących się oczekiwanymi właściwościami, oraz sposób ustalania wartości parametrów procesowych dla wybranej technologii. Przedstawiono implementację rozwiązania modelowego dla wybranego problemu aplikacyjnego związanego z potrzebą uzyskania warstwy wierzchniej charakteryzującej się określonym rozkładem twardości, a także osiągnięte rezultaty.
Źródło:
Problemy Eksploatacji; 2013, 2; 69-81
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Education Quality Detection Method Based on the Probabilistic Neural Network Algorithm
Autorzy:
Wu, Changdong
Jiang, Hua
Wang, Ping
Powiązania:
https://bibliotekanauki.pl/articles/328682.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
detection
probabilistic neural network
classification
students' achievement
education quality
probabilistyczna sieć neuronowa
klasyfikacja
osiągnięcia studentów
jakość kształcenia
Opis:
The traditional education quality detection method is too single and unreasonable, which is not suitable to evaluate students' ability comprehensively. In this paper, the probabilistic neural network (PNN) algorithm is used to detect the education quality by considering the important impact between the various achievements of students. PNN algorithm originates from Bayesian decision rule, and it uses the non-linear Gaussian Parzen window as the probability density function. As PNN model has the virtues of strong nonlinear and anti-interfering ability, it is fit to detect the education quality by classifying the students' achievements. Besides, the influences of different evaluation models on classification accuracy and efficiency are also discussed in this paper. Furthermore, the effect of spread value on PNN model is also discussed. Finally, the actual data are used to detect the education quality. Experimental results show that the detection accuracy can reach 95%, and the detection time is only 0.0156s based on the proposed method. That is to say, the method is a very practical detection algorithm with high accuracy and efficiency. Moreover, it also provides a reference for how to further improve the teaching quality.
Źródło:
Diagnostyka; 2020, 21, 4; 79-86
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Statistical testing of segment homogeneity in classification of piecewise-regular objects
Autorzy:
Savchenko, A. V.
Belova, N. S.
Powiązania:
https://bibliotekanauki.pl/articles/330652.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
statistical pattern recognition
testing of segment homogeneity
probabilistic neural network
rozpoznawanie obrazu
jednorodność segmentu
probabilistyczna sieć neuronowa
Opis:
The paper is focused on the problem of multi-class classification of composite (piecewise-regular) objects (e.g., speech signals, complex images, etc.). We propose a mathematical model of composite object representation as a sequence of independent segments. Each segment is represented as a random sample of independent identically distributed feature vectors. Based on this model and a statistical approach, we reduce the task to a problem of composite hypothesis testing of segment homogeneity. Several nearest-neighbor criteria are implemented, and for some of them the well-known special cases (e.g., the Kullback–Leibler minimum information discrimination principle, the probabilistic neural network) are highlighted. It is experimentally shown that the proposed approach improves the accuracy when compared with contemporary classifiers.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2015, 25, 4; 915-925
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Pattern Classification of Fabric Defects Using a Probabilistic Neural Network and Its Hardware Implementation using the Field Programmable Gate Array System
Klasyfikacja rodzaju defektów tkanin za pomocą probabilistycznej sztucznej sieci neuronowej oraz za pomocą systemu FPGA
Autorzy:
Hasnat, A.
Ghosh, A.
Khatun, A.
Halder, S.
Powiązania:
https://bibliotekanauki.pl/articles/234369.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
classification
fabric defect
field programmable gate array (FPGA)
radial basis function
probabilistic neural network
klasyfikacja wad tkanin
probabilistyczna sieć neuronowa
Opis:
This study proposes a fabric defect classification system using a Probabilistic Neural Network (PNN) and its hardware implementation using a Field Programmable Gate Arrays (FPGA) based system. The PNN classifier achieves an accuracy of 98 ± 2% for the test data set, whereas the FPGA based hardware system of the PNN classifier realises about 94±2% testing accuracy. The FPGA system operates as fast as 50.777 MHz, corresponding to a clock period of 19.694 ns.
W pracy zaprezentowano system klasyfikacji wad tkanin przy użyciu probabilistycznej sieci neuronowej (PNN) i przy zastosowaniu systemu Field Programmable Gate Array (FPGA). PNN pozwala na osiągnięcie dokładności 98 ± 2% dla zbioru danych testowych, podczas gdy system FPGA pozwala na osiągnięcie dokładności około 94 ± 2%. System FPGA pracuje przy częstotliwości 50,777 MHz, co odpowiada 19,694 ns.
Źródło:
Fibres & Textiles in Eastern Europe; 2017, 1 (121); 42-48
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
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