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 "Machine Learning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 50
Tytuł:
Analiza wydajności bibliotek uczenia maszynowego
Performance analysis of machine learning libraries
Autorzy:
Kędziora, Ewa Justyna
Maksim, Grzegorz Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/1837833.pdf
Data publikacji:
2021
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
machine learning
performance
TensorFlow
ML
NET
wydajność
Opis:
W artykule zaprezentowane zostały wyniki analizy wydajności bibliotek uczenia maszynowego. Badania oparte zostały na narzędziach ML.NET i TensorFlow. Przeprowadzona analiza bazowała na porównaniu czasu działania bibliotek podczas wykrywania obiektów na zbiorach zdjęć, przy użyciu sprzętu o różnych parametrach. Biblioteką, zużywającą mniejsze zasoby sprzętowe, okazała się TensorFlow. Nie bez znaczenia okazał się wybór platformy sprzętowej oraz możliwość użycia rdzeni graficznych, mających wpływ na zwiększenie wydajności obliczeń.
The paper presents results of performance analysis of machine learning libraries. The research was based on ML.NET and TensorFlow tools. The analysis was based on a comparison of running time of the libraries, during detection of objects on sets of images, using hardware with different parameters. The library, consuming fewer hardware resources, turned out to be TensorFlow. The choice of hardware platform and the possibility of using graphic cores, affecting the increase in computational efficiency, turned out to be not without significance.
Źródło:
Journal of Computer Sciences Institute; 2021, 20; 230-236
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczna inteligencja w problematyce modeli oceny ryzyka w instytucjach finansowych z perspektywy prawno-regulacyjnej
Artifical intelligence in problems of risk assessment models in financial institutions from a legal and regulatory perspective
Autorzy:
Nowakowski, Michał
Waliszewski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/2033957.pdf
Data publikacji:
2022-03-30
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
risk assessment models
artificial intelligence
bank
machine learning
Opis:
Purpose of the article / hypothesis: This article aims to verify the need to introduce additional legal and regulatory requirements in relation to the models used in banks, including, in particular, risk assessment models. At the same time, the article analyzes the need for possible introduction of sector-specific guidelines, or the need to include the above-mentioned models in the classification of high-risk artificial intelligence systems, referred to in the draft EU regulation on artificial intelligence. Methodology: The article is based on an analysis of the available literature on the subject, legal acts as well as regulations and standards developed both at the local and international level. Research results / results: The issue of the application of models in the financial sector, mainly banking, is of significant importance from the perspective of the regulator and supervisor. Quality, compliance with the regulations, but also efficiency and effective supervision may constitute the (instability) of a given financial institution, the instability of which may be a component – at least potentially – of systemic risk. Banks commonly use internal models that generally allow the calculation of capital requirements to cover specific risks in a bank’s business, such as credit risk or market risk. Internal models have been evolving for years and are undoubtedly becoming more and more accurate (they predict with a greater probability the occurrence of certain events), although they are still only certain assumptions that reality can verify, as evidenced by financial crises that have already occurred in the past as well as failures of banks considered to be stable. At the same time, the development of new technologies, in particular the so-called artificial intelligence makes institutions more and more willing to use various models, e.g. machine learning, to support these models and obtain theoretically better results. The European Union, but also other jurisdictions are considering or already introducing specific legal and regulatory solutions that are to introduce clear rules related to the use of certain artificial intelligence systems, including those used by financial institutions. As a result, institutions – already burdened with significant regulatory requirements, may soon be obliged to go through another "health path" of a legal and regulatory compliance nature.
Źródło:
Finanse i Prawo Finansowe; 2022, 1, 33; 119-141
2391-6478
2353-5601
Pojawia się w:
Finanse i Prawo Finansowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza wydajności biblioteki TensorFlow z wykorzystaniem różnych algorytmów optymalizacji
Performance analysis of the TensorFlow library with different optimisation algorithms
Autorzy:
Wadas, Maciej
Smołka, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/2055131.pdf
Data publikacji:
2021
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
sieci neuronowe
machine learning
neural networks
Opis:
W artykule zaprezentowano wyniki analizy wydajności biblioteki TensorFlow wykorzystywanej w uczeniu maszyno-wym i głębokich sieciach neuronowych. Analiza skupia się na porównaniu parametrów otrzymanych podczas treningu modelu sieci neuronowej dla algorytmów optymalizacji: Adam, Nadam, AdaMax, AdaDelta, AdaGrad. Zwrócono szczególną uwagę na różnice pomiędzy efektywnością treningu na zadaniach wykorzystujących mikroprocesor i kartę graficzną. Do przeprowadzenia badań utworzono modele sieci neuronowej, której zadaniem było rozpoznawanie znaków języka polskiego pisanych odręcznie. Otrzymane wyniki wykazały, że najwydajniejszym algorytmem jest AdaMax, zaś podzespół komputera wykorzystywany podczas badań wpływa jedynie na czas treningu wykorzystanego modelu sieci neuronowej.
This paper presents the results of performance analysis of the Tensorflow library used in machine learning and deep neural networks. The analysis focuses on comparing the parameters obtained when training the neural network model for optimization algorithms: Adam, Nadam, AdaMax, AdaDelta, AdaGrad. Special attention has been paid to the differences between the training efficiency on tasks using microprocessor and graphics card. For the study, neural network models were created in order to recognise Polish handwritten characters. The results obtained showed that the most efficient algorithm is AdaMax, while the computer component used during the research only affects the training time of the neural network model used.
Źródło:
Journal of Computer Sciences Institute; 2021, 21; 330--335
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozwój sztucznej inteligencji i jej wpływ na rynek finansowy
The Development of Artificial Intelligence and its Impact on the Financial Market
Autorzy:
Tomaszek, Arkadiusz
Powiązania:
https://bibliotekanauki.pl/articles/36095177.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
financial market
artificial intelligence
machine learning
opportunities and threats
digitization
Opis:
The purpose of this article. The aim of the article is to analyze selected issues related to artificial intelligence and its development, particularly its impact on the financial market, taking into account the opportunities and threats that artificial intelligence and its areas, such as machine learning or deep learning, pose to financial market participants. The research methods utilized in the study were used to evaluate the phenomenon on a macroeconomic scale. Methodology. The results of the research were based on the analysis of secondary data, such as source literature – both domestic and foreign, systems analysis of European Union legal acts, as well as the review of reports on the use of AI within the financial market. The paper is theoretical. The result of the research. The development of artificial intelligence in financial markets may provide an opportunity to gain competitive advantage, especially for financial market participants who aptly implement AI-based solutions in its initial phase. However, this entails both benefits and risks, the possible occurrence of which depends on many other factors.
Źródło:
Finanse i Prawo Finansowe; 2022, 2 (Numer Specjalny); 109-119
2391-6478
2353-5601
Pojawia się w:
Finanse i Prawo Finansowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie dziennych obrotów przedsiębiorstwa za pomocą algorytmu XGBoost – studium przypadku
Forecasting daily turnover using XGBoost algorithm – a case study
Autorzy:
Wójcik, Filip
Powiązania:
https://bibliotekanauki.pl/articles/586257.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Prognozowanie
Sztuczna inteligencja
Uczenie maszynowe
Artificial intelligence
Forecasting
Machine learning
Opis:
Celem niniejszego artykułu było zbadanie możliwości wykorzystania algorytmu Extreme Gradient Boosting (XGBoost) jako narzędzia prognozowania obrotów przedsiębiorstwa. Na studium przypadku wybrano udostępnione przez firmę Rossmann (wraz z prośbą o opracowanie innowacyjnej metody prognozowania) dane, obejmujące informacje z mikro- i makrootoczenia oraz obrotów 1115 oddziałów. Działanie algorytmu porównano z klasycznymi modelami SARIMAX i Holta–Wintersa, wykorzystując walidację krzyżową oraz testy statystycznej istotności różnic trafności predykcji. Badano metryki średniego błędu procentowego, współczynnik Theila oraz skorygowany współczynnik determinacji. Wyniki przekazano do weryfikacji firmie Rossmann. Potwierdzono, iż XGBoost po zastosowaniu odpowiedniej obróbki danych i sposobu uczenia osiąga lepsze rezultaty niż modele klasyczne.
The goal of this paper was to investigate use of the Extreme Gradient Boosting XGBoost algorithm as a forecasting tool. The data provided by the Rossman Company, with a request to design an innovative prediction method, has been used as a base for this case study. The data contains details about micro- and macro-environment, as well as turnover of 1115 stores. Performance of the algorithm was compared to classical forecasting models SARIMAX and Holt–Winters, using time-series cross validation and tests for statistical importance in prediction quality differences. Metrics of root mean squared percentage error (RMSPE), Theil’s coefficient and adjusted correlation coefficient were analyzed. Results where then passed to Rossman for verification on a separate validation set, via Kaggle.com platform. Study results confirmed, that XGBoost, after using proper data preparation and training method, achieves better results than classical models.
Źródło:
Studia Ekonomiczne; 2018, 375; 121-140
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie uczenia maszynowego w budowie interfejsu sterowanego głosem na przykładzie odtwarzacza muzyki
Applying of machine learning in the construction of a voice-controlled interface on the example of a music player
Autorzy:
Basiakowski, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/98114.pdf
Data publikacji:
2019
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
sieć neuronowa
rozpoznawanie głosu
machine learning
neural network
speech recognition
Opis:
Poniższy artykuł przedstawia wyniki badań wpływu zastosowania uczenia maszynowego w budowie interfejsu sterowanego głosem. Do analizy wykorzystane zostały dwa różne modele: jednokierunkowa sieć neuronowa zawierająca jedną warstwę ukrytą oraz bardziej skomplikowana konwolucyjna sieć neuronowa. Dodatkowo wykonane zostało porównanie modeli użytych w celu realizacji badań pod względem jakości oraz przebiegu treningu.
The following paper presents the results of research on the impact of machine learning in the construction of a voice-controlled interface. Two different models were used for the analysys: a feedforward neural network containing one hidden layer and a more complicated convolutional neural network. What is more, a comparison of the applied models was presented. This comparison was performed in terms of quality and the course of training.
Źródło:
Journal of Computer Sciences Institute; 2019, 13; 302-309
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metod uczenia maszynowego w analizie obrazu mikroskopowego płytek ceramicznych
Application of machine learning methods in the analysis of the microscopic image of ceramic tiles
Autorzy:
Gąsiński, Arkadiusz
Tymowicz-Grzyb, Paulina
Powiązania:
https://bibliotekanauki.pl/articles/36118598.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Ceramiki i Materiałów Budowlanych
Tematy:
analiza obrazu
uczenie maszynowe
mikroskopia elektronowa
image analysis
machine learning
electron microscopy
Opis:
Współczesne metody badań stosowane w nowoczesnych technikach badawczych spowodowały, że zbierane są ogromne ilości danych, które muszą być poddane dalszej analizie. Uczenie maszynowe pomaga interpretować zgromadzone dane, a po ich przetworzeniu może pomóc podjąć dalsze decyzje. Metoda ta ma coraz większe zastosowanie w kontroli jakości wyrobów. W artykule przedstawiono zastosowanie nadzorowanej wersji uczenia maszynowego w badaniach nad optymalizacją rozpoznawania faz chemicznych z obrazów mikroskopowych i obrazów składu chemicznego dla płytek ceramicznych. Stwierdzono, że w przypadku opracowanych danych z elektronowej mikroskopii skaningowej, najlepsze wyniki uzyskano dla algorytmu CART (drzewo decyzyjne). Zastosowana metodyka znacznie usprawnia przeprowadzenie badań i poprawia jakość uzyskanych analiz obrazu w odniesieniu do standardowego oprogramowania mikroskopów.
Contemporary research methods used in modern research techniques often result in the collection of huge amounts of data that must be further analyzed. Machine learning helps to interpret the collected data, and after their processing, it can help you make further decisions. The article presents the use of the supervised machine learning in research on the optimization of the recognition of chemical phases from microscopic images and chemical composition images for ceramic tiles. It was found that in the case of the developed data from scanning electron microscopy, the best results were obtained for the CART algorithm (decision tree structure). The applied methodology significantly improve the conduct of research and ameliorate the quality of the obtained image analyzes.
Źródło:
Szkło i Ceramika; 2022, 73, 2; 34-37
0039-8144
Pojawia się w:
Szkło i Ceramika
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie maszyny wektorów nośnych w sterowaniu sygnalizacją świetlną
Application of support vector machine in a traffic lights control
Autorzy:
Całuch, Artur
Cieślikowski, Adam
Plechawska-Wójcik, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/98085.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
symulator ruchu ulicznego
maszyna wektorów nośnych
machine learning
traffic simulator
support vector machine
Opis:
Niniejszy artykuł przedstawia proces dostosowania parametrów modelu maszyny wektorów nośnych, który posłuży do zbadania wpływu wartości parametru długości cyklu sygnalizacji świetlnej na jakość ruchu. Badania przeprowadzono z użyciem danych pozyskanych w trakcie przeprowadzonych symulacji w autorskim symulatorze ruchu ulicznego. W artykule przedstawiono i omówiono wyniki poszukiwania optymalnej wartości parametru długości cyklu sygnalizacji świetlnej.
This article presents the process of adapting support vector machine model’s parameters used for studying the effect of traffic light cycle length parameter’s value on traffic quality. The survey is carried out using data collected during running simulations in author’s traffic simulator. The article shows results of searching for optimum traffic light cycle length parameter’s value.
Źródło:
Journal of Computer Sciences Institute; 2020, 14; 37-42
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine Learning Based on Cloud Solutions
Autorzy:
CHMIELECKI, PRZEMYSŁAW
Powiązania:
https://bibliotekanauki.pl/articles/456529.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Rzeszowski
Tematy:
Machine Learning
Artificial Intelligence
Neural Networks
Cloud Computing
Cognitive Services
AWS
Azure
Opis:
Cognition is a domain of thinking creatures, isn't it? Based on that computers cannot learn anything more than was in the initial data feed. In this article, I just want to defend that nowadays technical solutions can break this rule. The aim of this article is to provide a short technical overview what Machine Learning (ML), Artificial Intelligence (AI) and Neural Networks (NN) were before in the area of standalone gigantic servers, and how do they look now in Cloud Computing (CC) times. The ML paradigm is not any more reserved for big enterprises only but now is available for single internet user. I just want to present AWS and Azure, as the biggest CC providers, functionalities and potential usage of such Cognitive Services (CS) in current internet services. The great example is for instance bot usage instead of diving deep in the FAQ on the company website or digging into the corporate wiki. Another big area is graphics analysis and sound or text recognition. Those are only examples of predefined CC functions ready for use right now in the public cloud.
Źródło:
Edukacja-Technika-Informatyka; 2019, 10, 1; 132-138
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Elementy uczenia maszynowego na zajęciach matematyki
Elements of machine learning in mathematics
Autorzy:
Bartłomiejczyk, Agnieszka
Ptach, Dawid
Wata, Marcin
Powiązania:
https://bibliotekanauki.pl/articles/1841929.pdf
Data publikacji:
2020
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
uczenie maszynowe
regresja wieloraka
problem klasyfikacyjny
machine learning
multiple regression
classification problem
Opis:
W artykule omówiono związki między matematyką kursową a wybranymi zagadnieniami związanymi z uczeniem maszynowym. Pokazano w jaki sposób proste operacje na macierzach pomagają serwisom VOD w rekomendacji tytułów filmowych zgodnych z zainteresowaniami użytkowników na podstawie ich wcześniejszych wyborów. Zaprezentowano również uproszczoną wersję algorytmu regresji wielorakiej stosowaną do wyceny nieruchomości oraz wspomniano o zastosowaniu sieci neuronowych w problemach klasyfikacyjnych.
The article discusses the relationship between academic mathematics course and selected topics of machine learning. It shows how simple matrix operations help VOD services to recommend film titles consistent with the interests of users, based on their previous choices. A simplified version of the multiple regression algorithm used for real estate valuation is also presented and the use of neural networks in classification problems is mentioned.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2020, 71; 27-30
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza możliwości automatycznej detekcji obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR
Analysis of the possibility of automatic detection of topographic objects in aerial and satellite images of the VHR
Autorzy:
Pluto-Kossakowska, Joanna
Kamiński, Michał
Powiązania:
https://bibliotekanauki.pl/articles/2058369.pdf
Data publikacji:
2022
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
uczenie maszynowe
klasyfikacja obrazów
obiekty topograficzne
machine learning
image classification
topographical objects
Opis:
W artykule podjęto temat uczenia maszynowego w rozpoznawaniu obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR ze szczególnym uwzględnieniem Bazy Danych Obiektów Topograficznych BDOT10k. Celem prac badawczych było przetestowanie trzech algorytmów klasyfikacji nadzorowanej do automatycznej detekcji wybranych klas obiektów topograficznych, m.in.: budynków, betonowych oraz asfaltowych elementów szarej infrastruktury (drogi, chodniki, place), wód powierzchniowych, lasów, terenów zadrzewionych i zakrzewionych, terenów o niskiej roślinności oraz gleby odkrytej (grunty nieużytkowane, wyrobiska). Przeanalizowano trzy powszechnie stosowane klasyfikatory: Maximum Likelihood, Support Vector Machine oraz Random Trees pod kątem różnych parametrów wejściowych. Wynikiem przeprowadzonych badań jest ocena ich skuteczności w detekcji poszczególnych klas oraz ocena przydatności wyników klasyfikacji do aktualizacji bazy danych BDOT10k. Badania zostały przeprowadzone dla zdjęcia satelitarnego WorldView-2 o rozdzielczości przestrzennej 0,46 m oraz ortofotomapy ze zdjęć lotniczych o dokładności przestrzennej 0,08 m. Wyniki badań wskazują na to, że wykorzystanie różnych klasyfikatorów uczenia maszynowego oraz danych źródłowych wpływa nieznacznie na wynik klasyfikacji. Ogólne statystyki dokładności wskazują, że całościowo klasyfikacja z wykorzystaniem zdjęć satelitarnych dała nieco lepsze rezultaty o kilka punktów procentowych w granicach 76-81%, a dla zdjęć lotniczych 75-78%. Natomiast dla niektórych klas miara statystyczna F1 przekracza wartość 0,9. Testowane algorytmy uczenia maszynowego dają bardzo dobre rezultaty w identyfikacji wybranych obiektów topograficznych, ale nie można jeszcze mówić o bezpośredniej aktualizacji BDOT10k.
The article deals with the topic of machine learning (ML) in the recognition of topographic objects in aerial and satellite VHR image, with particular emphasis on the Topographic Objects Database (BDOT10k). The aim of the research work was to test three supervised classification algorithms for automatic detection of selected classes of topographic objects, including: buildings, concrete and asphalt elements of grey infrastructure (roads, pavements, squares), surface waters, forests, wooded and bushy areas, areas with low vegetation and uncovered soil (unused lands or excavations). Three commonly used classifiers were analysed: Maximum Likelihood, Support Vector Machine and Random Trees for different input parameters. The result of the research is the assessment of their effectiveness in the detection of individual classes and the assessment of the suitability of the classification results for updating the BDOT10k database. The research was carried out for the WorldView-2 satellite image with a spatial resolution of 0.46 m and orthophotos from aerial images with a spatial resolution of 0.08 m. The research results indicate that the use of different ML classifiers and source data slightly affects the classification result. Overall accuracy statistics show that the classification using satellite images gave slightly better results by a few percentage points in the range from 76% to 81%, and for aerial photos from 75% to 78%. However, for some classes the statistical measure F1 exceeds 0.9 value. The tested ML algorithms give very good results in identifying selected topographic objects, but it is not yet possible to directly update topographical database.
Źródło:
Teledetekcja Środowiska; 2022, 62; 5-15
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metody uczenia maszynowego w prognozowaniu niewypłacalności
Machine learning methods in bankruptcy prediction
Autorzy:
Paliński, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/589477.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Drzewo klasyfikacyjne
Prognozowanie
Uczenie maszynowe
Upadłość
Bankruptcy
Decision tree
Forecasting
Machine learning
Opis:
W artykule zastosowano wybrane algorytmy uczenia maszynowego na zbiorach danych zawierających wskaźniki finansowe w celu sprawdzenia skuteczności prognozowania upadłości. Trafność prognoz upadłości na zbiorach niezbilansowanych o przeważającym udziale firm prowadzących działalności nad upadłymi wyniosła jedynie 37%. Trafność prognozowania upadłości na zbiorach zbilansowanych wyniosła 60%. Dla porównania, uproszczone podejście eksperckie wyłoniło 76% spośród upadłych podmiotów, ale znacząco zawyżyło zbiór firm zagrożonych upadłością. Metody uczenia maszynowego okazują się skuteczne dla dużych zbiorów danych, które są zbyt liczne do analizy przez człowieka.
The article uses selected machine learning algorithms on datasets containing financial ratios to check the effectiveness of bankruptcy prediction. The accuracy of bankruptcy forecasts for unbalanced dataset with the prevalence of companies still operating over bankrupts was only 37%. The accuracy of bankruptcy forecasting on a balanced dataset was 60%. The simplified expert approach selected 76% of bankrupt entities, but significantly overstated the set of companies exposed on bankruptcy. Machine learning methods are effective for large data sets that are too numerous for human analysis.
Źródło:
Studia Ekonomiczne; 2018, 358; 173-181
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrydowy system rekomendacji planów treningowych
Training plans hybrid recommender system
Autorzy:
Kaczanowski, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/91455.pdf
Data publikacji:
2019
Wydawca:
Warszawska Wyższa Szkoła Informatyki
Tematy:
uczenie maszynowe
sztuczna inteligencja
nauka o danych
hybrydowe systemy rekomendacji
Microsoft Azure Machine Learning
język programowania Python
machine learning
artificial intelligence
data science
hybrid recommender
Python programming language
Opis:
Hybrydowe systemy rekomendacji łączą zalety metod stosowanych powszechnie w rekomendacji. Głównym celem tego artykułu jest przedstawienie zastosowania uczenia maszynowego do budowy hybrydowego silnika rekomendacji. Uczenie maszynowe jest poddziedziną sztucznej inteligencji, która wykazuję obiecujące rezultaty w klasyfikacji, predykcji, wykrywaniu anomalii i rekomendacji. W tym artykule zaproponowano koncepcję spersonalizowanego modelu systemu rekomendacji opartego na parametrach i planach treningowych sportowców. Badania przeprowadzono w środowisku chmurowym Microsoft Azure Machine Learning Studio na zbiorze danych wygenerowanym na podstawie danych referencyjnych.
Hybrid recommendation systems combine the advantages of commonly used methods in recommendations. This main objective of this article is to present application of machine learning to build a hybrid recommendation engine. Machine learning is subdomain of artificial intelligence that show promising results in classification, prediction, anomaly detection and recommendations. This paper proposed a personalized recommendation system model based on athletes parameters and training plans. The researches were carried out in the cloud environment Microsoft Azure Machine Learning Studio on football data set.
Źródło:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2019, 13, 20; 29-40
1896-396X
2082-8349
Pojawia się w:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykrywanie zagrożenia upadłością jako problem klasyfikacji danych niezbalansowanych
Bankruptcy prediction as imbalanced classification problem
Autorzy:
Paliński, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/2041253.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Klasyfikacja
Preprocessing
Uczenie maszynowe
Upadłość
Zbiór niezbalansowany
Bankruptcy
Classification
Imbalanced dataset
Machine learning
Opis:
W artykule wykorzystano wybrane algorytmy uczenia maszynowego oraz techniki przygotowania danych (preprocessing) stosowane w klasyfikacji na zbiorach niezbalansowanych w celu oceny ich skuteczności w prognozowaniu upadłości z użyciem danych zawierających wskaźniki finansowe podmiotów gospodarczych. Trafność prognoz upadłości na pierwotnym niezbalansowanym zbiorze danych o przeważającym udziale podmiotów prowadzących działalności nad upadłymi była bliska zero. Trafność prognozowania upadłości klasyfikatorów utworzonych na zbiorach zbalansowanych była odwrotnie proporcjonalna do całkowitej trafności klasyfikacji i wahała się od 10% – dla całkowitej trafności klasyfikacji wynoszącej 93%, do 77% – dla całkowitej trafności klasyfikacji równej 49%. Lepsze wyniki klasyfikacji osiągały algorytmy gradient boosting i drzewo klasyfikacyjne w stosunku do sztucznej sieci neuronowej. W problemie klasyfikacji na zbiorach niezbalansowanych wystąpił efekt wymiany – albo możliwe jest zwiększenie trafności klasyfikacji upadłości kosztem nadmiarowości obiektów kla-syfikowanych jako upadłe, albo – zwiększenie trafności klasyfikacji całkowitej algorytmu kosztem zmniejszenia trafności klasyfikacji samej upadłości.
Selected machine learning algorithms and data preprocessing techniques were used in the article to predict bankruptcy on an unbalanced data set containing financial ratios. The accuracy of bankruptcy forecasts on the original unbalanced data set of the prevailing share of entities still operating over the bankrupt ones was close to zero. The accuracy of bankruptcy forecasting classifiers created on balanced sets ranged from 10% to 77%, but was inversely proportional to the total accuracy of the classification, which ranged from 93% to 49%. Better classification results were achieved by the classification trees algorithms in relation to the artificial neural network. In the problem of classification in unbalanced data sets the effect of substitution occurred – or it is possible to increase the accuracy of classification of bankruptcy at the expense of redundancy of objects classified as bankrupt, or – to increase the accuracy of the overall classification of the algorithm at the expense of decreasing the classification of the bankruptcy itself.
Źródło:
Studia Ekonomiczne; 2020, 395; 66-79
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kontradyktoryjne uczenie maszynowe
Autorzy:
Kuznetsov, Phillip
Edmunds, Riley
Xiao, Ted
Iqbal, Humza
Puri, Raul
Golmant, Noah
Shih, Shannon
Powiązania:
https://bibliotekanauki.pl/articles/1857179.pdf
Data publikacji:
2021
Wydawca:
Wydawnictwo Druk-Art
Tematy:
nadzorowane uczenie maszynowe
sztuczna inteligencja
system bezpieczeństwa
supervised machine learning
artificial intelligence
security system
Opis:
Dzięki ogromnej ilości zasobów oraz znacznego zainteresowania skupionego ostatnio na SI można zaobserwować liczne formy inteligentnych agentów wyposażonych w różnorodne unikatowe i nowatorskie możliwości. Potencjał oddziaływania jest nieograniczony, aczkolwiek odnotowywano już przykłady, w których decyzje podejmowane przez sztuczną inteligencję były niezrozumiałe.
Źródło:
Napędy i Sterowanie; 2021, 23, 7/8; 80-89
1507-7764
Pojawia się w:
Napędy i Sterowanie
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 50

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