Informacja

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

Wyszukujesz frazę "Szkatuła, G." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
On Perturbation Measure of Sets : Properties
Autorzy:
Krawczak, M.
Szkatuła, G.
Powiązania:
https://bibliotekanauki.pl/articles/384949.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
nominal-valued attribute
measure of perturbation
perturbation methodology
Opis:
In this paper we describe a new measure of remoteness between sets described by nominal values. The introduced measures of perturbation of one set by another are considered instead of commonly used distance between two sets. The operations of the set theory are operated and the considered measures describe changes of the perturbed second set by adding the first one or vice versa. The values of the measure of sets’ perturbation are range between 0 and 1, and in general, are not symmetric – it means that the perturbation of one set by another is not the same as the perturbation of the second set by the first one.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2014, 8, 4; 59-62
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A hybrid approach to dimension reduction in classification
Autorzy:
Krawczak, M.
Szkatuła, G.
Powiązania:
https://bibliotekanauki.pl/articles/206425.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
data series
dimension reduction
envelopes
essential attributes
heteroassociation
machine learning from examples
decision rules
classification
Opis:
In this paper we introduce a hybrid approach to data series classification. The approach is based on the concept of aggregated upper and lower envelopes, and the principal components here called 'essential attributes', generated by multilayer neural networks. The essential attributes are represented by outputs of hidden layer neurons. Next, the real valued essential attributes are nominalized and symbolic data series representation is obtained. The symbolic representation is used to generate decision rules in the IF. . . THEN. . . form for data series classification. The approach reduces the dimension of data series. The efficiency of the approach was verified by considering numerical examples.
Źródło:
Control and Cybernetics; 2011, 40, 2; 527-551
0324-8569
Pojawia się w:
Control and Cybernetics
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