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 "uczenie głębokie." wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 51
Tytuł:
Deep learning: theory and practice
Autorzy:
Cichocki, A.
Poggio, T.
Osowski, S.
Lempitsky, V.
Powiązania:
https://bibliotekanauki.pl/articles/202346.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
deep learning
networks
theory
practice
uczenie głębokie
sieci
teoria
praktyka
Opis:
This Special Section of the Bulletin of the Polish Academy of Sciences on Technical Sciences is devoted to theoretical aspects of deep machine learning as well as practical applications in some areas of signal and image processing, particularly in bioengineering.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 757-759
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza potencjału ataków wykorzystujących syntetycznie wygenerowane głosy na systemy biometrycznej weryfikacji mówców oraz wykrywania materiałów deepfake
Autorzy:
Bartuzi-Trokielewicz, Ewelina
Powiązania:
https://bibliotekanauki.pl/articles/31342041.pdf
Data publikacji:
2024-05-20
Wydawca:
Akademia Sztuki Wojennej
Tematy:
cyberbezpieczeństwo
biometria
weryfikacja mówców
audio deepfake
syntetyczne głosy
metody sztucznej inteligencji
uczenie maszynowe
uczenie głębokie
Opis:
Postęp technologiczny w dziedzinie głębokiego uczenia znacząco przyczynił się do rozwoju syntezowania głosu, umożliwił tworzenie realistycznych nagrań audio, które mogą naśladować indywidualne cechy głosów ludzkich. Chociaż ta innowacja otwiera nowe możliwości w dziedzinie technologii mowy, niesie ze sobą również poważne obawy dotyczące bezpieczeństwa, zwłaszcza w kontekście potencjalnego wykorzystania technologii deepfake do celów przestępczych. Przeprowadzone badanie koncentrowało się na ocenie wpływu syntetycznych głosów na systemy biometrycznej weryfikacji mówców w języku polskim oraz skuteczności wykrywania deepfake’ów narzędziami dostępnymi publicznie, z wykorzystaniem dwóch głównych metod generowania głosu, tj. przekształcenia tekstu na mowę oraz konwersji mowy. Jednym z głównych wniosków analizy jest potwierdzenie zdolności syntetycznych głosów do zachowania charakterystycznych cech biometrycznych i otwierania drogi przestępcom do nieautoryzowanego dostępu do zabezpieczonych systemów lub danych. To podkreśla potencjalne zagrożenia dla indywidualnych użytkowników oraz instytucji, które polegają na technologiach rozpoznawania mówcy jako metodzie uwierzytelniania i wskazuje na konieczność wdrażania modułów wykrywania ataków. Badanie ponadto pokazało, że deepfaki odnalezione w polskiej części internetu dotyczące promowania fałszywych inwestycji lub kierowane w celach dezinformacji najczęściej wykorzystują popularne i łatwo dostępne narzędzia do syntezy głosu. Badanie przyniosło również nowe spojrzenie na różnice w skuteczności metod konwersji tekstu na mowę i klonowania mowy. Okazuje się, że metody klonowania mowy mogą być bardziej skuteczne w przekazywaniu biometrycznych cech osobniczych niż metody konwersji tekstu na mowę, co stanowi szczególny problem z punktu widzenia bezpieczeństwa systemów weryfikacji. Wyniki eksperymentów podkreślają potrzebę dalszych badań i rozwoju w dziedzinie bezpieczeństwa biometrycznego, żeby skutecznie przeciwdziałać wykorzystywaniu syntetycznych głosów do nielegalnych działań. Wzrost świadomości o potencjalnych zagrożeniach i kontynuacja pracy nad ulepszaniem technologii weryfikacji mówców są ważne dla ochrony przed coraz bardziej wyrafinowanymi atakami wykorzystującymi technologię deepfake.
Źródło:
Cybersecurity and Law; 2024, 12, 2; 25-36
2658-1493
Pojawia się w:
Cybersecurity and Law
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Study of the Influence of Architecture on Effectiveness of Deep Neural Networks Training
Badania wpływu architektury na skuteczność uczenia głębokich sieci neuronowych
Autorzy:
Kolbusz, Janusz
Różycki, Paweł
Bartczak, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/509270.pdf
Data publikacji:
2018
Wydawca:
Akademia Finansów i Biznesu Vistula
Tematy:
deep learning
ANN architectures
Bridged MLP
NBN
uczenie głębokie
architektury sztucznych sieci neuronowych
Opis:
Paper presents impact of the neural network architecture on the training effectiveness and training time. Selected network architectures and training algorithm are described. Presented experimental results of research confirming the significant influence of architecture on the success of network training.
W artykule przedstawiono wpływ architektury sieci neuronowej na skuteczność i czas uczenia sieci. Opisano wybrane architektury sieci, algorytm uczenia oraz zaprezentowano wyniki badań potwierdzających znaczący wpływ architektury na sukces uczenia sieci.
Źródło:
Zeszyty Naukowe Uczelni Vistula; 2018, 59(2) Informatyka; 60-71
2353-2688
Pojawia się w:
Zeszyty Naukowe Uczelni Vistula
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A comparison of conventional and deep learning methods of image classification
Porównanie metod klasycznego i głębokiego uczenia maszynowego w klasyfikacji obrazów
Autorzy:
Dovbnych, Maryna
Plechawska-Wójcik, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/2055127.pdf
Data publikacji:
2021
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
image classification
machine learning
deep learning
neural networks
klasyfikacja obrazów
uczenie maszynowe
uczenie głębokie
sieci neuronowe
Opis:
The aim of the research is to compare traditional and deep learning methods in image classification tasks. The conducted research experiment covers the analysis of five different models of neural networks: two models of multi–layer perceptron architecture: MLP with two hidden layers, MLP with three hidden layers; and three models of convolutional architecture: the three VGG blocks model, AlexNet and GoogLeNet. The models were tested on two different datasets: CIFAR–10 and MNIST and have been applied to the task of image classification. They were tested for classification performance, training speed, and the effect of the complexity of the dataset on the training outcome.
Celem badań jest porównanie metod klasycznego i głębokiego uczenia w zadaniach klasyfikacji obrazów. Przeprowa-dzony eksperyment badawczy obejmuje analizę pięciu różnych modeli sieci neuronowych: dwóch modeli wielowar-stwowej architektury perceptronowej: MLP z dwiema warstwami ukrytymi, MLP z trzema warstwami ukrytymi; oraz trzy modele architektury konwolucyjnej: model z trzema VGG blokami, AlexNet i GoogLeNet. Modele przetrenowano na dwóch różnych zbiorach danych: CIFAR–10 i MNIST i zastosowano w zadaniu klasyfikacji obrazów. Zostały one zbadane pod kątem wydajności klasyfikacji, szybkości trenowania i wpływu złożoności zbioru danych na wynik trenowania.
Źródło:
Journal of Computer Sciences Institute; 2021, 21; 303--308
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Theory II: Deep learning and optimization
Autorzy:
Poggio, T.
Liao, Q.
Powiązania:
https://bibliotekanauki.pl/articles/201787.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
deep learning
convolutional neural networks
loss surface
optimization
uczenie głębokie
sieć neuronowa
optymalizacja
Opis:
The landscape of the empirical risk of overparametrized deep convolutional neural networks (DCNNs) is characterized with a mix of theory and experiments. In part A we show the existence of a large number of global minimizers with zero empirical error (modulo inconsistent equations). The argument which relies on the use of Bezout theorem is rigorous when the RELUs are replaced by a polynomial nonlinearity. We show with simulations that the corresponding polynomial network is indistinguishable from the RELU network. According to Bezout theorem, the global minimizers are degenerate unlike the local minima which in general should be non-degenerate. Further we experimentally analyzed and visualized the landscape of empirical risk of DCNNs on CIFAR-10 dataset. Based on above theoretical and experimental observations, we propose a simple model of the landscape of empirical risk. In part B, we characterize the optimization properties of stochastic gradient descent applied to deep networks. The main claim here consists of theoretical and experimental evidence for the following property of SGD: SGD concentrates in probability – like the classical Langevin equation – on large volume, ”flat” minima, selecting with high probability degenerate minimizers which are typically global minimizers.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 775-787
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Probabilistic adaptive computation time
Autorzy:
Figurnov, M.
Sobolev, A.
Vetrov, D.
Powiązania:
https://bibliotekanauki.pl/articles/201248.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
deep learning
probabilistic models
adaptive computation time
uczenie głębokie
modele probabilistyczne
adaptacyjny czas obliczeniowy
Opis:
We present a probabilistic model with discrete latent variables that control the computation time in deep learning models such as ResNets and LSTMs. A prior on the latent variables expresses the preference for faster computation. The amount of computation for an input is determined via amortized maximum a posteriori (MAP) inference. MAP inference is performed using a novel stochastic variational optimization method. The recently proposed adaptive computation time mechanism can be seen as an ad-hoc relaxation of this model. We demonstrate training using the general-purpose concrete relaxation of discrete variables. Evaluation on ResNet shows that our method matches the speed-accuracy trade-off of adaptive computation time, while allowing for evaluation with a simple deterministic procedure that has a lower memory footprint.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 811-820
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification of high resolution satellite images using improved U-Net
Autorzy:
Wang, Yong
Zhang, Dongfang
Dai, Guangming
Powiązania:
https://bibliotekanauki.pl/articles/331235.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
satellite image classification
deep learning
U-net
spatial pyramid pooling
zdjęcia satelitarne
uczenie głębokie
Opis:
Satellite image classification is essential for many socio-economic and environmental applications of geographic information systems, including urban and regional planning, conservation and management of natural resources, etc. In this paper, we propose a deep learning architecture to perform the pixel-level understanding of high spatial resolution satellite images and apply it to image classification tasks. Specifically, we augment the spatial pyramid pooling module with image-level features encoding the global context, and integrate it into the U-Net structure. The proposed model solves the problem consisting in the fact that U-Net tends to lose object boundaries after multiple pooling operations. In our experiments, two public datasets are used to assess the performance of the proposed model. Comparison with the results from the published algorithms demonstrates the effectiveness of our approach.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2020, 30, 3; 399-413
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparative study on the classification methods for breast cancer diagnosis
Autorzy:
Qiu, Y.
Zhou, G.
Zhao, Q.
Cichocki, A.
Powiązania:
https://bibliotekanauki.pl/articles/200743.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
breast cancer
mammography
DDSM
comparative study
deep learning
rak piersi
mammografia
Badanie porównawcze
uczenie głębokie
Opis:
Digital mammography is one of the most widely used approaches for breast cancer diagnosis. Many researchers have demonstrated the superiority of machine learning methods in breast cancer diagnosis using different mammography databases. Since these methods often have different pros and cons, which may confuse doctors and researchers, an elaborate comparison and examination among them is urgently needed for practical breast cancer diagnosis. In this study, we conducted a comprehensive comparative study of the state-of-the-art machine learning methods that are promising in breast cancer diagnosis. For this purpose we analyze the largest mammography diagnosis database: Digital Database for Screening Mammography (DDSM). We considered various approaches for feature extraction including principal component analysis (PCA), nonnegative matrix factorization (NMF), spatial-temporal discriminant analysis (STDA) and those for classification including linear discriminant analysis (LDA), random forests (RaF), k-nearest neighbors (kNN), as well as deep learning methods including convolutional neural networks (CNN) and stacked sparse autoencoder (SSAE). This paper can serve as a guideline and useful clues for doctors who are going to select machine learning methods for their breast cancer computer-aided diagnosis (CAD) systems as well for researchers interested in developing more reliable and efficient methods for breast cancer diagnosis.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 841-848
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An influence of deep learning and the internet of things on directions of development of integrated financial systems supporting smart cities for green economy
Wpływ uczenia głębokiego I internetu rzeczy na kierunki rozwoju zintegrowanych systemów finansowych wspierających inteligentne miasta w warunkach ekologicznej gospodarki
Autorzy:
Balicka, Honorata
Powiązania:
https://bibliotekanauki.pl/articles/1944111.pdf
Data publikacji:
2020
Wydawca:
Sopocka Akademia Nauk Stosowanych
Tematy:
Financial Systems
Smart City
Green Economy
Deep Learning.
finanse
smart city
ekologiczna gospodarka
uczenie głębokie.
Opis:
Cyfryzacja to nie tylko kontynuacja status quo na wyższym poziomie technologicznym, ale również zmiana reguł konkurencyjności gospodarczej praktycznie wewszystkich sektorach gospodarki, w tym finansowym. Cyfrowa transformacja biznesowa to proces wykorzystujący technologie cyfrowe do wzmocnienia zdolności firmy w celu konstruowania nowych efektywnych modeli biznesowych. Możliwości zastosowania sztucznej inteligencji w przedsiębiorstwach większości branż zyskały duże zainteresowanie w światowych badaniach. Realizują je przede wszystkim znaczące ośrodki naukowe oraz firmy konsultingowe. Wg ekspertów z grupy Gartnera aż 87% menedżerów wyższego szczebla jest przekonanych, że cyfryzacja jest priorytetem, a 79% strategów korporacyjnych uważa, że cyfryzacja na nowo definiuje działalność przedsiębiorstw, tworząc dodatkowe możliwości generowania zysków. Celem pracy jest scharakteryzowanie kierunków rozwoju systemów finansowych, wspierających inteligentne miasta i ekologiczną gospodarkę, w zakresie wykorzystania nowoczesnych technologii informatycznych, opartych na Internecie Rzeczy i głębokich sztucznych sieciach neuronowych. Zdaniem Autorki wykorzystanie najnowszych osiągnięć sztucznej inteligencji w systemach finansowych, a w szczególności do rozwoju elektronicznych form rozliczeń, stanowi ogromny potencjał umożliwiający uniknięcie głębokiego kryzysu w związku z negatywnymi skutkami długotrwałej pandemii w gospodarce. Warto podkreślić, że istnieje luka w literaturze przedmiotu w tym zakresie, gdyż nie ma jasnych pomysłów, jak skutecznie wykorzystać sztuczną inteligencję w chmurze obliczeniowej do efektywnego wspomagania systemów finansowych w smat city przy uwzględnieniu zrównoważonego rozwoju gospodarczego. Z powyższych względów w artykule rozważa się strategię, jak należy zwiększyć rolę zintegrowanego systemu finansowego w inteligentnym mieście. Ponadto charakteryzuje się Internet Rzeczy w odniesieniu do zarządzania krytycznymi zasobami miasta. Po omówieniu inwestycji finansowych w ekologiczne i inteligentne technologie scharakteryzowano zagadnienia związane z głębokimi sieciami neuronowymi do predykcji i klasyfikacji w systemach finansowych. Przedstawiono również rozważania dotyczące szczególnego przypadku architektury głębokiego uczenia opartej na sztucznych sieciach neuronowych (ANN). Rekurencyjne ANN klasy LSTM zweryfikowano pod kątem inwestycji finansowych na giełdzie. Na zakończenie przedstawiono wnioski i planowane przyszłe prace.
Digitalization is not only a continuation of the status quo at a higher technological level, but is changing the rules of the game in virtually all sectors of the economy, including financial and business. Digital business transformation is the process of using digital technologies to strengthen a company's ability to create robust digital business models. The possibilities of applying digital technologies in enter- prises of individual industries have gained great interest in global research. They are implemented primarily by significant scientific centers and consulting companies. According to Gartner study, 87% of senior executives say digitalization is a priority, and 79% of corporate strategists believe that digitalization is redefining their business in a completely new way, creating additional opportunities to generate profit. The aim of the work is to characterize the directions of financial system development supporting smart cities and green economy in the field of using modern information technologies based on cloud computing and deep neural networks. According to the author, the use of modern information technologies, based on the Internet of Things and deep neural networks in financial systems, in particular for the development of electronic forms of settlements creates a great chance to avoid a crisis due to the development of the pandemic consequences. It is worth to underline that there is a gap in the literature on the subject in this respect. There are no clear ideas on how to apply artificial intelligence and cloud computing to strengthen the role of the financial systems in smart city subject to an efficient development of green economy. Therefore, we discuss integrated financial system in smart city. Besides, we describe Internet of Things for green management of critical city resources. After discussing financial investment in green and smart technologies, issues related to deep learning for prediction in financial systems are characterized. Considerations on the special case of deep learning architecture based on artificial neural networks (ANNs) are presented, too. The Long Short Term Memory ANNs are verified for stock market investment. Finally, conclusions and future work are presented.
Źródło:
Przestrzeń, Ekonomia, Społeczeństwo; 2020, 17/I; 77-102
2299-1263
2353-0987
Pojawia się w:
Przestrzeń, Ekonomia, Społeczeństwo
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Big data significance in remote medical diagnostics based on deep learning techniques
Autorzy:
Kwaśniewska, A.
Giczewska, A.
Rumiński, J.
Powiązania:
https://bibliotekanauki.pl/articles/1940561.pdf
Data publikacji:
2017
Wydawca:
Politechnika Gdańska
Tematy:
telemedicine
deep learning
multimedia databases
big data
telemedycyna
uczenie głębokie
multimedialne bazy danych
duże zbiory danych
Opis:
In this paper we discuss the evaluation of neural networks in accordance with medical image classification and analysis. We also summarize the existing databases with images which could be used for training deep models that can be later utilized in remote home-based health care systems. In particular, we propose methods for remote video-based estimation of patient vital signs and other health-related parameters. Additionally, potential challenges of using, storing and transferring sensitive patient data are discussed.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2017, 21, 4; 309-319
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Performance analysis of a dual stage deep rain streak removal convolution neural network module with a modified deep residual dense network
Autorzy:
Jayaraman, Thiyagarajan
Chinnusamy, Shankar
Powiązania:
https://bibliotekanauki.pl/articles/2055158.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
single image deraining
deep learning
modified residual dense network
PyTorch
obraz pojedynczy
uczenie głębokie
sieć gęsta
Opis:
The visual appearance of outdoor captured images is affected by various weather conditions, such as rain patterns, haze, fog and snow. The rain pattern creates more degradation in the visual quality of the image due to its physical structure compared with other weather conditions. Also, the rain pattern affects both foreground and background image information. The removal of rain patterns from a single image is a critical process, and more attention is given to remove the structural rain pattern from real-time rain images. In this paper, we analyze the single image deraining problem and present a solution using the dual stage deep rain streak removal convolutional neural network. The proposed single image deraining framework primarily consists of three main blocks: a derain streaks removal CNN (derain SRCNN), a modified residual dense block (MRDB), and a six-stage scale feature aggregation module (3SFAM). The ablation study is conducted to evaluate the performance of various modules available in the proposed deraining network. The robustness of the proposed deraining network is evaluated over the popular synthetic and real-time data sets using four performance metrics such as the peak signal-to-noise ratio (PSNR), the feature similarity index (FSIM), the structural similarity index measure (SSIM), and the universal image quality index (UIQI). The experimental results show that the proposed framework outperforms both synthetic and real-time images compared with other state-of-the-art single image deraining approaches. In addition, the proposed network takes less running and training time.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2022, 32, 1; 111--123
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A nested autoencoder approach to automated defect inspection on textured surfaces
Autorzy:
Oz, Muhammed Ali Nur
Kaymakci, Ozgur Turay
Mercimek, Muharrem
Powiązania:
https://bibliotekanauki.pl/articles/2055170.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
autoencoder
defect detection
automatic visual inspection
deep learning
autoenkoder
wykrywanie defektów
inspekcja wizyjna
inspekcja automatyczna
uczenie głębokie
Opis:
In recent years, there has been a highly competitive pressure on industrial production. To keep ahead of the competition, emerging technologies must be developed and incorporated. Automated visual inspection systems, which improve the overall mass production quantity and quality in lines, are crucial. The modifications of the inspection system involve excessive time and money costs. Therefore, these systems should be flexible in terms of fulfilling the changing requirements of high capacity production support. A coherent defect detection model as a primary application to be used in a real-time intelligent visual surface inspection system is proposed in this paper. The method utilizes a new approach consisting of nested autoencoders trained with defect-free and defect injected samples to detect defects. Making use of two nested autoencoders, the proposed approach shows great performance in eliminating defects. The first autoencoder is used essentially for feature extraction and reconstructing the image from these features. The second one is employed to identify and fix defects in the feature code. Defects are detected by thresholding the difference between decoded feature code outputs of the first and the second autoencoder. The proposed model has a 96% detection rate and a relatively good segmentation performance while being able to inspect fabrics driven at high speeds.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 3; 515--523
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Theory I: Deep networks and the curse of dimensionality
Autorzy:
Poggio, T.
Liao, Q.
Powiązania:
https://bibliotekanauki.pl/articles/200623.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
deep network
shallow network
convolutional neural network
function approximation
deep learning
sieci neuronowe
aproksymacja funkcji
uczenie głębokie
Opis:
We review recent work characterizing the classes of functions for which deep learning can be exponentially better than shallow learning. Deep convolutional networks are a special case of these conditions, though weight sharing is not the main reason for their exponential advantage.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 761-773
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Analysis of Novel Money Laundering Data Using Heterogeneous Graph Isomorphism Networks. FinCEN Files Case Study
Wykorzystanie heterogenicznych grafowych sieci izomorficznych w analizie danych związanych z praniem brudnych pieniędzy. Studium przypadku FinCEN
Autorzy:
Wójcik, Filip
Powiązania:
https://bibliotekanauki.pl/articles/38890419.pdf
Data publikacji:
2024
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
money laundering
deep learning
machine learning
network analysis
graphs
pranie brudnych pieniędzy
uczenie głębokie
analiza sieci
grafy
Opis:
Aim: This study aimed to develop and apply the novel HexGIN (Heterogeneous extension for Graph Isomorphism Network) model to the FinCEN Files case data and compare its performance with existing solutions, such as the SAGE-based graph neural network and Multi-Layer Perceptron (MLP), to demonstrate its potential advantages in the field of anti-money laundering systems (AML). Methodology: The research employed the FinCEN Files case data to develop and apply the HexGIN model in a beneficiary prediction task for a suspicious transactions graph. The model's performance was compared with the existing solutions in a series of cross-validation experiments. Results: The experimental results on the cross-validation data and test dataset indicate the potential advantages of HexGIN over the existing solutions, such as MLP and Graph SAGE. The proposed model outperformed other algorithms in terms of F1 score, precision, and ROC AUC in both training and testing phases. Implications and recommendations: The findings demonstrate the potential of heterogeneous graph neural networks and their highly expressive architectures, such as GIN, in AML. Further research is needed, in particular to combine the proposed model with other existing algorithms and test the solution on various money-laundering datasets. Originality/value: Unlike many AML studies that rely on synthetic or undisclosed data sources, this research was based on a publicly available, real, heterogeneous transaction dataset, being part of a larger investigation. The results indicate a promising direction for the development of modern hybrid AML tools for analysing suspicious transactions; based on heterogeneous graph networks capable of handling various types of entities and their connections.
Cel: Celem niniejszej analizy jest opracowanie i zastosowanie nowego modelu HexGIN (heterogeniczne rozszerzenie dla izomorfizmu sieci grafowych) do danych z dochodzenia dziennikarskiego FinCEN oraz porównanie jego jakości predykcji z istniejącymi rozwiązaniami, takimi jak sieć SAGE i wielowarstwowa sieć neuronowa (MLP). Metodyka: W badaniach wykorzystano dane ze śledztwa FinCEN do opracowania i zastosowania modelu HexGIN w zadaniu przewidywania beneficjenta sieci powiązanych transakcji finansowych. Skuteczność modelu porównano z istniejącymi rozwiązaniami wykorzystującymi sieci neuronowe grafu w serii eksperymentów z walidacją krzyżową. Wyniki: Eksperymentalne wyniki na danych walidacji krzyżowej i zestawie testowym potwierdzają potencjalne zalety HexGIN w porównaniu z istniejącymi rozwiązaniami, takimi jak MLP i SAGE. Proponowany model przewyższa inne algorytmy pod względem wyniku miary F1, precyzji i ROC AUC, w fazie zarówno treningowej, jak i testowej. Implikacje i rekomendacje: Wyniki pokazują potencjał heterogenicznych grafowych sieci i ich wysoce ekspresyjnych implementacji, takich jak GIN, w analizie transakcji finansowych. Potrzebne są dalsze badania, zwłaszcza w celu połączenia proponowanego modelu z innymi istniejącymi algorytmami i przetestowania rozwiązania na różnych zestawach danych dotyczących problemu prania brudnych pieniędzy. Oryginalność/wartość: W przeciwieństwie do wielu badań, które opierają się na syntetycznych lub nieujawnionych źródłach danych związanych z praniem brudnych pieniędzy, to studium przypadku opiera się na publicznie dostępnych, rzeczywistych, heterogenicznych danych transakcyjnych, będących częścią większego śledztwa dziennikarskiego. Wyniki wskazują obiecujący kierunek dla rozwoju nowoczesnych hybrydowych narzędzi do analizy podejrzanych transakcji, opartych na heterogenicznych sieciach grafowych.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2024, 28, 2; 32-49
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A hybrid two-stage SqueezeNet and support vector machine system for Parkinson’s disease detection based on handwritten spiral patterns
Autorzy:
Bernardo, Lucas Salvador
Damaševičius, Robertas
de Albuquerque, Victor Hugo C.
Maskeliūnas, Rytis
Powiązania:
https://bibliotekanauki.pl/articles/2055162.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Parkinson’s disease
spirography
convolutional neural network
deep learning
choroba Parkinsona
spirografia
sieć neuronowa konwolucyjna
uczenie głębokie
Opis:
Parkinson’s disease (PD) is the second most common neurological disorder in the world. Nowadays, it is estimated that it affects from 2% to 3% of the global population over 65 years old. In clinical environments, a spiral drawing task is performed to help to obtain the disease’s diagnosis. The spiral trajectory differs between people with PD and healthy ones. This paper aims to analyze differences between handmade drawings of PD patients and healthy subjects by applying the SqueezeNet convolutional neural network (CNN) model as a feature extractor, and a support vector machine (SVM) as a classifier. The dataset used for training and testing consists of 514 handwritten draws of Archimedes’ spiral images derived from heterogeneous sources (digital and paper-based), from which 296 correspond to PD patients and 218 to healthy subjects. To extract features using the proposed CNN, a model is trained and 20% of its data is used for testing. Feature extraction results in 512 features, which are used for SVM training and testing, while the performance is compared with that of other machine learning classifiers such as a Gaussian naive Bayes (GNB) classifier (82.61%) and a random forest (RF) (87.38%). The proposed method displays an accuracy of 91.26%, which represents an improvement when compared to pure CNN-based models such as SqueezeNet (85.29%), VGG11 (87.25%), and ResNet (89.22%).
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 549--561
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 51

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