Informacja

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

Wyszukujesz frazę "mapy samoorganizujące się" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Zastosowanie sieci Kohonena do podziału województwa zachodniopomorskiego na rejony o zbliżonych warunkach produkcji rolniczej
The application of Kohonens neural network for purposes of the division of Zachodniopomorskie province into areas with similar conditions for rural production
Autorzy:
Zarod, J.
Powiązania:
https://bibliotekanauki.pl/articles/78763.pdf
Data publikacji:
2012
Wydawca:
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
Tematy:
woj.zachodniopomorskie
produkcja rolna
warunki produkcji
rolnicza przestrzen produkcyjna
klasyfikacja gmin
sieci neuronowe
samoorganizujace sie mapy
Źródło:
Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica; 2012, 68
2081-0644
Pojawia się w:
Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie procesu osiadania terenu górniczego Kopalni Węgla Brunatnego Bełchatów - nowe podejście
Land subsidence modeling in mining area of open pit Brown Coal Mine Bełchatów - a new approach
Autorzy:
Palmąka, M.
Powiązania:
https://bibliotekanauki.pl/articles/2074851.pdf
Data publikacji:
2011
Wydawca:
Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:
Bełchatów
GIS
geostatystyka
interpolacja
modele liniowe
modele nieliniowe
osiadanie terenu
Sammon's mapping
mapy samoorganizujące się
SOM
sieci neuronowe
regresja liniowa
geostatistics
interpolation
linear models
land subsidence
self-organizing map
neural networks
multiple linear regression
Opis:
From the beginning of open-pit mining works (i.e. ground massive dewatering, access excavation, cover dumping) in 1976, which were strictly connected with an exposure a brown coal beds on Bełchatów field it was noticed, that a land surface subsided in the vicinity of Brown Coal Mine Bełchatów. Quantitative land subsidence assessments, which are based on deterministic models (elastic ground model, consolidation model), are not efficient enough to simulate the process – adjusted coefficient of determination amounts R2kor2kor
Źródło:
Przegląd Geologiczny; 2011, 59; 245-250
0033-2151
Pojawia się w:
Przegląd Geologiczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Osobowość jako determinanta angażowania się klientów
Personality as a Determinant of Customers’ Engagement
Личность как детерминант вовлеченности клиентов
Autorzy:
Kucia, Michał
Powiązania:
https://bibliotekanauki.pl/articles/957521.pdf
Data publikacji:
2018
Wydawca:
Polski Instytut Ekonomiczny
Tematy:
customer engagement
angażowanie się klientów
typologia
samoorganizujące się mapy
typology
self-organising maps
типология
самоорганизующиеся карты
вовлеченность клиентов
Opis:
Przedmiotem artykułu jest identyfikacja wpływu osobowości klientów na ich poziom angażowania się (customer engagement). Należy przyjąć, że customer engagement jest istotnym zasobem wykorzystywanym do budowania trwałej przewagi konkurencyjnej przedsiębiorstwa. Opierając się na zrealizowanych w 2017 roku na próbie 1140 respondentów ogólnopolskich badaniach pt. Zaangażowanie klientów w Polsce, wyodrębniono, z wykorzystaniem samoorganizującej się mapy SOM (self-organising maps), trzy typy angażujących się klientów: widzów, recenzentów oraz kreatorów. Następnie wykorzystując drzewa klasyfikacyjne CART przypisano cechy osobowości (ekstrawertyzm i introwertyzm) do typów klientów. Na tej podstawie należy stwierdzić, że istnieją znaczące różnice między ekstrawertykami a introwertykami w poziomie ich angażowania się.
The article aims at identifying influences of customers on their engagement levels. It should be assumed that customer engagement is an important asset that is used to build long-lasting competitive advantage of any enterprise. Based on the research conducted in 2014 in the group of 1,140 respondents from the whole Poland, entitled “Customer engagement in Poland”, the following three types of engaging customers are distinguished using self-organising maps: viewers/spectators, reviewers, and creators. Then, by means of the Classification and Regression Trees, CART, personality traits (being extrovert or introvert) are attributed to particular types of customers. The results obtained allow for stating that there are significant differences between extroverts and introverts in the levels of their engagement.
Предмет статьи – выявить влияние личности клиентов на уровень их вовлеченности (англ. customer engagement). Следует принять, что customer engagement – существенный ресурс, используемый для формирования посто- янного конкурентного преимущества предприятия. Базируясь на проведенных в 2017 г. на выборке 1140 респондентов национальных обследованиях, озаглавленных «Вовлеченность клиентов в Польше», выделили с использованием самоорганизующихся карт SOM (self-organising maps) три типа вовлекающихся клиентов: зрителей, рецензентов и созидателей. Затем, используя алгоритм классификации и регрессии построением дерева решений CART, приписали черты личности (экстравертизм и интровертизм) к типам клиентов. На этой основе следует сказать, что существуют значительные отличия между экстравертами и интровертами в уровне их во- влеченности.
Źródło:
Handel Wewnętrzny; 2018, 4 (375) tom I; 166-175
0438-5403
Pojawia się w:
Handel Wewnętrzny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowej Kohonena do wizualizacji danych MPG
Use of Kohonen neural network in MPG data visualisation
Autorzy:
Oszutowska-Mazurek, D. A.
Powiązania:
https://bibliotekanauki.pl/articles/135818.pdf
Data publikacji:
2016
Wydawca:
Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
Tematy:
sieć neuronowa Kohonena
samoorganizujące się mapy
SOM
wizualizacja danych
dane MPG
Kohonen neural network
self organizing map
Opis:
Wstęp i cel: Zastosowanie sieci neuronowych Kohonena zapewnia zmniejszenie wielowymiarowości danych. Wizualizacja w postaci map samoorganizujących się (SOM) jest użytecznym narzędziem do wstępnego kastrowania (grupowania) danych. Materiał i metody: Wizualizację przeprowadzona dla rzeczywistych danych, udostępnionych przez uniwersytet w Kalifornii za pomocą oprogramowania SNNS v.4.3. Głównym celem pracy jest zastosowanie sieci neuronowych Kohonena zapewniające zmniejszenie wielowymiarowości danych. Wyniki: Otrzymano wizualizacje danych wskazujące jednoznacznie na dodatnie i ujemne korelacje danych MPG. Wniosek: Mapy samoorganizujące się mogą być dedykowane wizualizacji danych wielowymiarowych jednak wyniki zależą od sposobu mapowania danych wejściowych, zwłaszcza o charakterze jakościowym, nawet jeśli stosowana jest normalizacja każdego z parametrów.
Introduction and aim: The use of Kohonen neural network ensures the decrease of data multidimensionality. Visualisation called Self organized maps is useful tool for preliminary data clustering. Material and methods: The visualisation of real data set was obtained with the use of program SNNS v.4.3 for real dataset from California University. The main aim of this paper is the use of Kohonen neural network to ensure the reduction of multidimensional data. Results: Obtained visualisations of data indicate unambiguously positive and negative correlations for MPG data Conclusion: Self organising maps could be dedicated to multidimensional data visualisation and preliminary quality assessment, but the results depend on the mapping method of input data, especially quantity type, even if normalisation of every parameter is provided.
Źródło:
Problemy Nauk Stosowanych; 2016, 4; 19-30
2300-6110
Pojawia się w:
Problemy Nauk Stosowanych
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