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 "neural computation" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Data mining and neural network simulations can help to improve deep brain stimulation effects in parkinson’s disease
    Autorzy:
    Szymański, A.
    Kubis, A.
    Przybyszewski, A. W.
    Powiązania:
    https://bibliotekanauki.pl/articles/952939.pdf
    Data publikacji:
    2015
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    deep brain stimulation
    neural computation
    data mining
    Parkinson's disease
    Opis:
    Parkinson’s Disease (PD) is primary related to substantia nigra degeneration and, thus, dopamine insufficiency. L-DOPA as a precursor of dopamine is the standard medication in PD. However, disease progression causes L-DOPA therapy efficiency decay (on-off symptom fluctuation), and neurologists often decide to classify patients for DBS (Deep Brain Stimulation) surgery. DBS treatment is based on stimulating the specific subthalamic structure: subthalamic nucleus (STN) in our case. As STN consists of parts with different physiological functions, finding the appropriate placement of the DBS electrode contacts is challenging. In order to predict the neurological effects related to different electrodecontact stimulations, we have tracked connections between the stimulated part of STN and the cortex with the help of diffusion tensor imaging (DTI). By changing a contacts number and amplitude of stimulus (proportional in size to stimulated area), we have determined connections to cortical areas and related neurological effects. We have applied data mining methods to predict which contact (and at what amplitude) should be stimulated in order to improve a particular symptom. We have compared different data mining methods: Wekas Random Forest classifier and Rough Set Exploration System (RSES). We have demonstrated that the Weka classifier was more accurate when predicting the effects of stimulations on general neurological improvements, while RSES was more accurate when using specific neurological symptoms. We have simulated other effects of stimulation related to the interruption of pathological oscillation in the basal ganglia found in PD. Our model represents possible STN neural population with inhibitory and excitatory connections that have pathologically synchronized oscillations. High-frequency electrical stimulation has interrupted synchronization. something that is also observed in PD patients.
    Źródło:
    Computer Science; 2015, 16 (2); 199-215
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fuzzy-neural and evolutionary computation in identification of defects
    Neuronowo-rozmyte oraz ewolucyjne obliczenia w identyfikacji defektów
    Autorzy:
    Burczyński, T.
    Orantek, P.
    Skrobol, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/282003.pdf
    Data publikacji:
    2004
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    fuzzy neural network
    evolutionary algorithm
    defect
    identification
    boundary element method
    Opis:
    It is known that an elastic body contains some internal defects such as voids, cracks, additional masses, etc. This paper is devoted to a method based on computational intelligence for non-destructive defect identification. In the presented paper, an elastic body loaded statically is considered. The body contains an unknown number of internal defects. There are a lot of applications based on non-destructive methods. The Evolutionary Algorithm (EA) with the Boundary Element method (BEM) is a very effective tool in the identification of internal defects. In this method, the fitness function is calculated for each chromosome in each generation by the BEM. The number of chromosomes in each generation is quite large, and the number of generations is also large, so the time needed to carry out the identification is very long. Methods based on Artificial Neural Networks (ANN) find the position and shape of internal defects in a very short time. Because ANNs are usually trained using gradient methods, the risk that the solution is in a local optimum is one of disadvantages of such a method. There is also a problem when the ANN has to identify two or more different kinds of defects (cracks, voids and additional masses) in one body. In the present method, an EA is connected with the ANN in one system. This operational allows to avoid main disadvantages of these methods and to use their advantages. The evolutionary algorithm is applied to identify the number of defects and their parameters (position and size). The identification of a defect in the body is performed by minimizing the fitness function which is calculated as a difference between measured and computed displacements in some sensor points on the boundary of the investigated structure. The fitness function is computed using an Artificial Neural Network (ANN).
    Obiekty techniczne jako układy mechaniczne zawierają różne defekty wewnętrzne takie jak pustki, pęknięcia itp. Artykuł jest poświęcony nieniszczącym metodom identyfikacji defektów opartym na inteligencji obliczeniowej. Rozważane jako ciało sprężyste znajdujące się pod wpływem obciążenia statycznego zawierające nieznaną liczbę defektów wewnętrznych. Istnieje wiele nieniszczących metod identyfikacji defektów wewnętrznych. Jedną z nich jest metoda oparta na Algorytmach Ewolucyjnych (AE) połączonych z Metodą Elementów Brzegowych (MEB). W tej metodzie dla każdego chromosomu w każdym pokoleniu obliczana jest za pomocą MEB funkcja przystosowania. Ponieważ liczba chromosomów w epoce oraz liczba epok jest dosyć duża, zatem czas potrzebny do przeprowadzenia identyfikacji jest znaczący. Metody bazujące na Sztucznych Sieciach Neuronowych (SSN) identyfikują położenie oraz kształt defektów wewnętrznych w bardzo krótkim czasie. SSN są zazwyczaj uczone z wykorzystaniem metod gradientowych. Isnieje zatem spore ryzyko, że uzyskane rozwiązanie utknęło w minimum lokalnym. Wykorzystując SSN napotykamy na spore trudności również w przypadku identyfikacji dwóch lub więcej różnych rodzajów defektów (pęknięć, pustek itp.), które występują jednocześnie w identyfikowanym układzie. W metodzie opisywanej w niniejszym artykule połączono AE oraz SSn w jeden system. Operacja ta pozwoli ustrzec się przed głównymi wadami i uwypuklić zalety obydwu metod. AE identyfikuje liczbę, położenie oraz wymiary defektów. Identyfikacja następuje przez minimalizację funkcji przystosowania, która jest mierzona jako różnica pomiędzy zmierzonymi i obliczonymi przemieszczeniami na brzegu modelu obiektu w punktach kontrolnych. Funkcja przystosowania jest obliczana z wykorzystaniem SSN.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2004, 42, 3; 445-460
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Minimization of Energy and Service Latency Computation Offloading using Neural Network in 5G NOMA System
    Autorzy:
    Suprith, P. G.
    Ahmed, Mohammed Riyaz
    Powiązania:
    https://bibliotekanauki.pl/articles/27311932.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    Mobile edge computing
    Deep Q Network Algorithm
    latency optimized
    computation offloading
    5G
    Opis:
    The future Internet of Things (IoT) era is anticipated to support computation-intensive and time-critical applications using edge computing for mobile (MEC), which is regarded as promising technique. However, the transmitting uplink performance will be highly impacted by the hostile wireless channel, the low bandwidth, and the low transmission power of IoT devices. Using edge computing for mobile (MEC) to offload tasks becomes a crucial technology to reduce service latency for computation-intensive applications and reduce the computational workloads of mobile devices. Under the restrictions of computation latency and cloud computing capacity, our goal is to reduce the overall energy consumption of all users, including transmission energy and local computation energy. In this article, the Deep Q Network Algorithm (DQNA) to deal with the data rates with respect to the user base in different time slots of 5G NOMA network. The DQNA is optimized by considering more number of cell structures like 2, 4, 6 and 8. Therefore, the DQNA provides the optimal distribution of power among all 3 users in the 5G network, which gives the increased data rates. The existing various power distribution algorithms like frequent pattern (FP), weighted least squares mean error weighted least squares mean error (WLSME), and Random Power and Maximal Power allocation are used to justify the proposed DQNA technique. The proposed technique which gives 81.6% more the data rates when increased the cell structure to 8. Thus 25% more in comparison to other algorithms like FP, WLSME Random Power and Maximal Power allocation.
    Źródło:
    International Journal of Electronics and Telecommunications; 2023, 69, 4; 661--667
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Learning reduplication with a neural network that lacks explicit variables
    Autorzy:
    Prickett, Brandon
    Traylor, Aaron
    Pater, Joe
    Powiązania:
    https://bibliotekanauki.pl/articles/24201229.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Instytut Podstaw Informatyki PAN
    Tematy:
    neural networks
    reduplication
    symbolic computation
    connectionism
    generalization
    phonology
    Opis:
    Reduplicative linguistic patterns have been used as evidence for explicit algebraic variables in models of cognition.1 Here, we show that a variable-free neural network can model these patterns in a way that predicts observed human behavior. Specifically, we successfully simulate the three experiments presented by Marcus et al. (1999), as well as Endress et al.’s (2007) partial replication of one of those experiments. We then explore the model’s ability to generalize reduplicative mappings to different kinds of novel inputs. Using Berent’s (2013) scopes of generalization as a metric, we claim that the model matches the scope of generalization that has been observed in humans. We argue that these results challenge past claims about the necessity of symbolic variables in models of cognition.
    Źródło:
    Journal of Language Modelling; 2022, 10, 1; 1--38
    2299-856X
    2299-8470
    Pojawia się w:
    Journal of Language Modelling
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Speeding-up convolutional neural networks: A survey
    Autorzy:
    Lebedev, V.
    Lempitsky, V.
    Powiązania:
    https://bibliotekanauki.pl/articles/201708.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    convolutional neural networks
    resource-efficient computation
    algorithm optimization
    splotowe sieci neuronowe
    efektywne zasoby obliczeniowe
    optymalizacja algorytmu
    Opis:
    Convolutional neural networks (CNN) have become ubiquitous in computer vision as well as several other domains, but the sheer size of the modern CNNs means that for the majority of practical applications, a significant speed up and compression are often required. Speeding-up CNNs therefore have become a very active area of research with multiple diverse research directions pursued by many groups in academia and industry. In this short survey, we cover several research directions for speeding up CNNs that have become popular recently. Specifically, we cover approaches based on tensor decompositions, weight quantization, weight pruning, and teacher-student approaches. We also review CNN architectures designed for optimal speed and briefly consider automatic architecture search.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 799-811
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Evolutionary algorithm inspired by the methods of quantum computer sciences for the improvement of a neural model of the electric power exchange
    Autorzy:
    Tchórzewski, J.
    Ruciński, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/94729.pdf
    Data publikacji:
    2017
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    Artificial Neural Network
    Matlab language
    modelling
    quantum computation
    Polish Power Exchange
    day ahead market
    Opis:
    The work contains results of research on the possibility to improve the neural model of the Electric Power Exchange (polish: Towarowa Giełda Energii Elektrycznej – TGEE) in MATLAB and Simulink environment using evolutionary algorithm inspired by quantum computer science. The developed artificial neural network was trained using data for the Day Ahead Market, assuming the joint volume of supplied and sold electrical energy [MWh] as the input quantities in each hour of the 24-hour day, and average prices [PLN/MWh] as output quantities. The obtained model of the exchange system was improved using the evolutionary algorithm, and further improvement in the accuracy of the model by supplementing the evolutionary algorithm using quantum solutions, related to the initial population, crossover and mutation operators, selection, etc. were proposed.
    Źródło:
    Information Systems in Management; 2017, 6, 4; 343-355
    2084-5537
    2544-1728
    Pojawia się w:
    Information Systems in Management
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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