Informacja

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

Wyszukujesz frazę "Jóźwiak, Przemysław" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Ryzyko koncentracji kredytowej jako kluczowy element informacji zarządczej w banku
Credit concentration risk as a key element of bank management information system
Autorzy:
Jóźwiak, Przemysław
Powiązania:
https://bibliotekanauki.pl/articles/1811771.pdf
Data publikacji:
2017-11-22
Wydawca:
Wyższa Szkoła Gospodarki w Bydgoszczy. Wydawnictwo Uczelniane
Tematy:
bank
credit risk
credit concentration risk
management information system
ryzyko kredytowe
ryzyko koncentracji kredytowej
system informacji zarządczej
Opis:
The concentration risk, as a one of the aspect of credit risk, which is commonly the most important identified risk in banking activity, in opinion of author should be an especially element of banking information management. Materialisation of credit risk (witch mines delays in loan repayment) in a significant way can be affect the bank’s financial result. Consequently, it threatens the bank’s operations. The article analyzes influence of credit concentration risk on the bank’s financial results, emphasizing the importance meaning of management information in process of objective risk management. The first theoretical part of the article focuses on specification of management information system and on credit concentration risk. This part shows strategic and primary elements of concentration risk management and additionally covers definition of management information system and it’s basics assumptions. In the practical part author explains credits quality influences (through reserves) on financial result. All of the conclusions are based on selected data of one of the cooperative banks.
Ryzyko koncentracji, jako jeden z aspektów ryzyka kredytowego – uznawanego powszechnie za najbardziej istotne spośród ryzyk identyfikowanych w działalności banku – w opinii autora winno stanowić szczególny element bankowej informacji zarządczej. Materializacja wynikającego z koncentracji zaangażowań oraz powiązań między kredytobiorcami ryzyka kredytowego (opóźnienia w spłacie) w znaczący sposób może wpłynąć na wynik finansowy banku, zagrażając w konsekwencji jego wypłacalności. W artykule dokonano analizy wpływu ryzyka koncentracji kredytowej na wynik finansowy banku, akcentując znaczenie informacji zarządczej w procesie zarządzania przedmiotowym ryzykiem. Pierwsza, teoretyczna część opracowania skupia się na opisie ryzyka koncentracji kredytowej oraz charakterystyce systemu informacji zarządczej. Omawiane są m.in.: definicja, cele strategiczne i podstawowe elementy systemu zarządzania ryzykiem koncentracji oraz podstawowe założenia systemu informacji zarządczej. Część empiryczna ukazuje natomiast skutki – w postaci wpływu na wynik finansowy banku przeklasyfikowania do grupy kredytów zagrożonych ekspozycji kredytowych, w tym wobec podmiotów powiązanych. W efekcie prowadzonych rozważań przedstawiony zostaje potencjalny wpływ wymaganych do utworzenia rezerw celowych na wynik finansowy poddanego analizie banku.
Źródło:
Zeszyty Naukowe Wyższej Szkoły Gospodarki w Bydgoszczy. Seria Ekonomia; 2017, 9, 31; 21-30
1733-8891
Pojawia się w:
Zeszyty Naukowe Wyższej Szkoły Gospodarki w Bydgoszczy. Seria Ekonomia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnostyka nawierzchni drogowej przy zastosowaniu metod sieci neuronowych – studium przypadku
Road pavement diagnostics using neural network methods – a case study
Autorzy:
Jóźwiak, Zuzanna
Pożarycki, Andrzej
Górnaś, Przemysław
Powiązania:
https://bibliotekanauki.pl/articles/24024764.pdf
Data publikacji:
2022
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
sieci neuronowe
głębokie uczenie maszynowe
diagnostyka nawierzchni
obrazy cyfrowe
neural networks
deep machine learning
pavement diagnostics
digital images
Opis:
W artykule przedstawiono zastosowanie metody głębokiego uczenia maszynowego, wykorzystanej do jednego z zagadnień diagnostyki nawierzchni drogowej. Opisano techniki głębokiego uczenia maszynowego do rozpoznawania wybranej grupy uszkodzeń nawierzchni zarejestrowanych na obrazach cyfrowych. W ramach eksperymentu numerycznego porównano między sobą dwa modele powszechnie znane jako VGG16 i VGG19. Architektura sieci reprezentowana jest poprzez schemat połączeń charakterystyczny dla konwolucyjnych sieci neuronowych, które z założenia przeznaczone są na potrzeby identyfikacji obiektów na obrazach cyfrowych. Mimo wszystko źródłowa baza danych, znana pod angielską nazwą ImageNet, nie zawiera obrazów cyfrowych nawierzchni jezdni. W celu poszerzenia wiedzy w tym zakresie autorzy utworzyli bazę ortogonalnych obrazów cyfrowych nawierzchni jezdni i opisali jeden z możliwych scenariuszy wykorzystania tych narzędzi do zautomatyzowanej identyfikacji uproszczonej wersji wskaźnika stanu powierzchni.
This paper presents the application of deep machine learning method used for one of the problems of road pavement diagnostics. Deep machine learning techniques for the recognition of a selected group of pavement surface defects observed in digital images are described. In a numerical experiment, two models commonly known as VGG16 and VGG19 were compared to each other. The network architecture is represented by a connection scheme characteristic of convolutional neural networks, which by design are intended for the purpose of identifying objects in digital images. Nevertheless, the source database known as ImageNet does not contain digital images of pavement surfaces. In order to extend the knowledge in this area, the authors created a database of orthogonal digital images of pavement surfaces and described one of the possible scenarios of using these tools for automated identification of a simplified version of the surface condition index.
Źródło:
Drogownictwo; 2022, 2-3; 65--72
0012-6357
Pojawia się w:
Drogownictwo
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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