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 "Klasyfikacja sieci" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-40 z 40
    Tytuł:
    Sieci logistyczne w naukach o zarządzaniu
    Logistic Networks in Management Sciences
    Autorzy:
    Kramarz, Marzena
    Powiązania:
    https://bibliotekanauki.pl/articles/590692.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Klaster logistyczny
    Klasyfikacja sieci
    Sieci biznesu
    Sieci logistyczne
    Business network
    Logistic cluster
    Logistics network
    Opis:
    W artykule wskazano różne podejścia do definiowania sieci, atrybuty wynikające z teorii sieci i teorii grafów, a w konsekwencji zaproponowano definicję sieci logistycznych wraz z propozycją ich klasyfikacji.
    Different attempts at defining the network were indicated in the article. Networks were characterised, according to attributes resulting from the theory of the network and of the theory of graphs. In consequence a definition of logistic networks was offered along with the proposal of their classification.
    Źródło:
    Studia Ekonomiczne; 2015, 251; 79-91
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Vehicles Classification Using the HRBF Neural Network
    Klasyfikacja pojazdów z wykorzystaniem sieci neuronowej HRBF
    Autorzy:
    Wantoch-Rekowski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/305921.pdf
    Data publikacji:
    2011
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    sieci neuronowe
    klasyfikacja sieci
    zbiór uczący
    Hyper Radial Basis Function network HRBF
    neural networks
    networks classification
    learning set
    HRBF
    Opis:
    The paper presents the problem of using a neural network for military vehicle classification on the basis of ground vibration. One of the main elements of the system is a unit called the geophone. This unit allows to measure the amplitude of ground vibration in each direction for a certain period of time. The value of the amplitude is used to fix the characteristic frequencies of each vehicle. If we want to fix the main frequency it is necessary to use the Fourier transform. In this case the fast Fourier transform FFT was used. Since the neural network (Hyper Radial Basis Function network) was used, a learning set has to be prepared. Please find the attached results of using the HRBF neural network, which include: examples of learning, validation and test sets, the structure of the networks and the learning algorithm, learning and testing results.
    W opracowaniu przedstawiono zagadnienie wykorzystania sieci neuronowej do klasyfikacji określonych typów pojazdów na podstawie analizy amplitudy drgań gruntu. Jednym z elementów systemu do pomiaru amplitudy drgań gruntu jest geofon. Umożliwia on pomiar amplitudy drgań gruntu w wybranym kierunku dla określonego przedziału czasu. Wartość wyznaczonej amplitudy wykorzystywana jest do wyznaczenia charakterystycznych częstotliwości drgań dla poszczególnych pojazdów. Do wyznaczenia charakterystycznych częstotliwości wykorzystywana jest transformata Fouriera FFT. Do klasyfikacji wykorzystana została sieć neuronowa z radialną funkcją aktywacji, dlatego też wymagane jest przygotowanie odpowiedniego zbioru uczącego. W opracowaniu przedstawiono wyniki użycia sieci HRBF. Przedstawiono strukturę oraz zawartość zbioru uczącego.
    Źródło:
    Biuletyn Instytutu Systemów Informatycznych; 2011, 7; 47-52
    1508-4183
    Pojawia się w:
    Biuletyn Instytutu Systemów Informatycznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metody identyfikacji miejsc niebezpiecznych na sieci dróg
    Methods of identification of dangerous sections on road network
    Autorzy:
    Jamroz, K.
    Kustra, W.
    Gobis, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/144655.pdf
    Data publikacji:
    2015
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    klasyfikacja elementów sieci
    ryzyko indywidualne
    ryzyko społeczne
    metoda oceny ryzyka
    drogi krajowe
    network safety ranking
    collective risk
    individual risk
    risk assessment methods
    national roads
    Opis:
    W artykule przedstawiono metodę identyfikacji miejsc niebezpiecznych na sieci dróg bazującej na ryzyku, jako elemencie systemu zarządzania bezpieczeństwem infrastruktury drogowej na przykładzie sieci dróg krajowych. Przedstawiono doświadczenia zagraniczne identyfikacji miejsc niebezpiecznych i uwarunkowania prawne w Polsce wdrażające konieczność identyfikacji miejsc niebezpiecznych na sieci TEN-T. W ostatniej części zaprezentowano metodę klasyfikacji odcinków ze względu na: wypadki drogowe oraz bezpieczeństwo sieci dróg. Przedstawiono użyte miary, sposoby ich obliczania, granice klas ryzyka oraz wyniki prowadzonych prac na sieci dróg krajowych w latach 2010-2012.
    This paper presents a method to identify dangerous sections on the road network based on the risk management system as part of road infrastructure safety on the example of the national road network. In the first part of the experience abroad, which were prerequisites for the development of methods for identification of hazardous roads. The second part presents the legal conditions in Poland implementing necessary to identify dangerous places on the TEN-T road network. The final section presents a method classifying parts due to road accidents due to the classification of sections of the road network safety. Presented used measurement methods for calculating them, the limits of risk classes and the results of the work on the national road network in 2010-2012.
    Źródło:
    Drogownictwo; 2015, 4-5; 155-163
    0012-6357
    Pojawia się w:
    Drogownictwo
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Bezprzewodowa sieć sensorów
    Wireless Sensors Networks
    Autorzy:
    Kurytnik, I.
    Mikulski, M.
    Karpiński, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/155107.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    bezprzewodowe sieci sensorów
    ZigBee
    propagacja fal radiowych
    klasyfikacja ataków w sieci sensorów
    Wireless Sensors Networks
    propagation of radio waves
    classification of attacks in network of sensors
    Opis:
    Bezprzewodowe sieci sensorów (WSN) znajdują coraz większe zastosowanie w automatyce przemysłowej oraz domowej. WSN mogą składać się z bardzo dużej ilości urządzeń (sensor wraz ze specjalizowanym układem komunikacyjnym), na ogół o zasilaniu bateryjnym. Istotną kwestią jest zatem optymalne wykorzystanie zasobów energetycznych urządzeń tworzących sieć sensorów. Z kolei do poprawnego modelowania wykorzystania zasobów energetycznych WSN konieczne jest przyjęcie właściwego modelu propagacji sygnału radiowego. W artykule przedstawiono zagadnienia związane z komunikacją za pomocą fal radiowych w wolnej przestrzeni, omówiono również inne modele propagacji wykorzystywane chociażby przy projektowaniu sieci komórkowych GSM. Szczegółowo omówiono te modele, które (być może z pewnymi modyfikacjami) najlepiej odzwierciedlają realia komunikacji w WSN. W dalszej części dokonano podziału zagrożeń bezpiecznej transmisji w omawianych sieciach.
    The wireless sensors networks (WSN) find each time greater application in industrial and also domestic automation. WSN can consist of plenty devices (sensors together with a communication block which is specialized), on the whole with a battery supply. A substantial question is thus the optimal use of supplies of devices which create the network of sensors. In turn to the correct design of the use of supplies of WSN the acceptance of peculiar propagation model of the radio signal is needed. Questions, related to com-munication of radio waves in free space, are presented in the article, other models of used propagation are discussed also even at plan-ning of cellular networks (GSM). These models which (presumably with certain modifications) better in all reflect realities of communication in WSN are thoroughly discussed. Questions, related to functioning of wireless networks of sensors, are presented in the article, with the special account for network with far nodes and end devices. In further part the division of threats of safe transmission in the networks is discussed. The division of attacks with which we can have business in the separate layers of WSN is shown.
    Źródło:
    Pomiary Automatyka Kontrola; 2010, R. 56, nr 6, 6; 548-551
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie algorytmu genetycznego do klasyfikacji przedsiębiorstw
    Application of genetic algorithm to firm classification
    Autorzy:
    Witkowska, Dorota
    Kamiński, Władysław
    Powiązania:
    https://bibliotekanauki.pl/articles/905371.pdf
    Data publikacji:
    2002
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    klasyfikacja
    sztuczne sieci neuronowe
    algorytm genetyczny
    Opis:
    In the paper we present the results of firm classification made by artificial neural networks that were trained applying genetic algorithm. There were from two to five groups distinguished that were characterized by: decisions about allowing the credit (two classes), creditworthiness of the enterprise (four classes) and the economic and financial situation of the firm (five classes). The quality of classification was evaluated by comparing to the credit officers’ opinions. The results of artificial neural network classification into two classes were compared to results obtained applying linear discrimination function.
    W opracowaniu przedstawiono wyniki klasyfikacji przedsiębiorstw za pomocą jednokierunkowych sieci neuronowych trenowanych algorytmem genetycznym. Klasyfikacja obejmowała od dwóch do pięciu grup typologicznych i została przeprowadzona na podstawie danych pochodzących z wniosków kredytowych podmiotów gospodarczych ubiegających się o kredyt w jednym z banków regionalnych. W analizach porównawczych wykorzystano liniową analizę dyskryminacyjną.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2002, 156
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przydatność różnych typów sieci neuronowych w klasyfikacji gleb
    Application of different types of the neural networks in soils classification
    Autorzy:
    Gruszczyński, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/269264.pdf
    Data publikacji:
    2006
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    sieci neuronowe
    klasyfikacja gleb
    neural network
    soils classification
    Opis:
    Zaprezentowano zastosowanie trzech algorytmów sieci neuronowych do klasyfikowania gleb na podstawie cech możliwych do interpretacji z dostępnej, analogowej dokumentacji kartograficznej. Spośród przebadanych algorytmów najlepsze wyniki klasyfikacji dają sieci typu MLP oraz probabilistyczne (PNN). Połączenie wyników działania sieci PNN oraz SOM pozwala na pogłębioną analizę zależności klasyfikacyjnych w obszarze opracowania, polegającą między innymi na zobrazowaniu rozmytych relacji między poszczególnymi kompleksami w terenie
    The application of three neural networks algorithm in task soils classification, on the basis of features obtained from analog cartographic documentation, is presented. The MLP (Multi-Layer Perceptron) type net and PNN (Probabilistic Neural Network) give the best classification results among examined algorithms. The PNN and SOM (Self-Organizing Map) combination of net operational results gives more deep classification relations within sphere this study, based among others on fuzzy relationships visualization between complexes in analyzed area
    Źródło:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie; 2006, 11, 1; 13-25
    1426-2908
    Pojawia się w:
    Inżynieria Środowiska / Akademia Górniczo-Hutnicza im. S. Staszica w Krakowie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Algorytm dekompozycji sieci transportowej
    Algorithm of the transport network decomposition
    Autorzy:
    Cisowski, Tadeusz
    Powiązania:
    https://bibliotekanauki.pl/articles/34670977.pdf
    Data publikacji:
    2008
    Wydawca:
    Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
    Tematy:
    sieć transportowa
    optymalna dekompozycja sieci
    algorytm dekompozycji sieci transportowej
    analiza klasterowa
    klasyfikacja automatyczna
    Opis:
    W pracy sformułowano zagadnienie wyboru optymalnej struktury sieci transportowej. Przedstawiono analizę istniejących metod optymalnej dekompozycji sieci. Zaproponowano przybliżony algorytm wyboru optymalnej struktury zarządzania siecią transportową oparty na analizie klasterowej i klasyfikacji automatycznej
    In this work the issue of choice of the optimum structure of the transport network is formulated. The analysis of the existing methods of the optimum decomposition of the network is presented. The approximate algorithm of choice of the optimum structure of managing the transport network based on the cluster analysis and automatic classification is proposed.
    Źródło:
    Rail Vehicles/Pojazdy Szynowe; 2008, 2; 14-18
    0138-0370
    2719-9630
    Pojawia się w:
    Rail Vehicles/Pojazdy Szynowe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The SVM method as an instrument for the classification of vertical displacements
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/106759.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Warszawska. Wydział Geodezji i Kartografii
    Tematy:
    neural networks
    classification
    vertical displacements
    sieci neuronowe
    klasyfikacja
    przemieszczenia pionowe
    Opis:
    The article presents the basic rules for constructing and training neural networks called the Support Vector Machine method as well as possible applications for this kind of network. SVM networks are mainly used for solving tasks of classifying linearly and non-linearly separable data and regression. However, in recent years more applications have been found for them. The networks also solve such problems as the recognition of signals and images as well as speech identification.In this paper, non-linear SVM networks have been used for classifying linearly separable and non-separable data with a view to formulating a model of displacements of points in a measurement-control network. The points of the measurement-control network were placed on a civil engineering object located on expansive soil (linearly separable data) and represented a mining exploitation area (linearly non-separable data). The task of training SVM networks requires the use of quadratic programming in search of an optimum point of the Lagrangian function in relation to the parameters being optimised. In the case of linearly non-separable data, the SVM method makes it possible to find a hyperplane which classifies objects as correctly as possible, and at the same time is located possibly far away from concentrations typical of each class.
    Źródło:
    Reports on Geodesy and Geoinformatics; 2015, 98; 18-27
    2391-8365
    2391-8152
    Pojawia się w:
    Reports on Geodesy and Geoinformatics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rejestracja, parametryzacja i klasyfikacja alofonów z wykorzystaniem bimodalności
    Regcording, parameterization and classification of allophones employing bimodal approach
    Autorzy:
    Zaporowski, S.
    Cygert, S.
    Szwoch, G.
    Korvel, G.
    Czyżewski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/269055.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
    Tematy:
    sieci neuronowe
    klasyfikacja
    facial motion capture
    neural networks
    classification process
    Opis:
    Praca dotyczy rejestracji i parametryzacji alofonów w języku angielskim z wykorzystaniem dwóch modalności. W badaniach dokonano rejestracji wypowiedzi w języku angielskim mówców, których znajomość tego języka odpowiada poziomowi rodowitego mówcy. W kolejnym etapie wyodrębnione zostały alofony z nagrań fonicznych i odpowiadające im sygnały wizyjne. W procesie tworzenia wektorów cech wykorzystano odrębne systemy parametryzacji, osobne dla każdej modalności. Do parametryzacji sygnału fonicznego użyto typowych deskryptorów stosowanych w obszarze rozpoznawania mowy i muzyki. W nagraniach z systemu przechwytywania ruchu zaproponowano własne rozwiązania. Do klasyfikacji alofonów wykorzystano sieci neuronowe oraz maszynę wektorów nośnych w podejściu jednoi dwumodalnym. Stwierdzono, że skuteczność rozpoznawania wzrasta wraz z wykorzystaniem więcej niż jednej modalności.
    The paper concerns the recording and parameterization of allophones in English using two modalities. In the research, the English speakers' statements were recorded. Those speakers’s language proficiency corresponds to the level of the native speaker. In the next stage, allophones from audio recordings and corresponding visual signals were isolated. In the process of creating feature vectors, separate parameterization systems were used for each modality. For the audio signal parameterization, typical descriptors used in the area of speech and music recognition were chosen. In the case of the motion capture system own solutions were proposed. For the purpose of allophones classification, neural networks and the suport vector machine were used in both approaches. It has been found that the recognition efficiency increases with the use of more than one modality.
    Źródło:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2018, 60; 135-138
    1425-5766
    2353-1290
    Pojawia się w:
    Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification of breast thermal images using artificial neural networks
    Autorzy:
    Jakubowska, T.
    Wiecek, B.
    Wysocki, M.
    Drews-Peszynski, C.
    Strzelecki, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/333564.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    przetwarzanie termogramów
    sieci nuronowe
    klasyfikacja
    thermal image processing
    neural network
    classification
    Opis:
    In this paper we present classification of the thermal images in order to discriminate healthy and pathological cases during breast cancer screening. Different image features and approaches for data reduction and classification have been used to distinguish healthy breast one with malignant tumour. We use image histogram and co-occurrence matrix to get thermal signatures and analyze symmetry between left and right side. The most promised method was based on wavelet transformation and nonlinear neural network classifier. The proposed approach was used in the pilot investigations in the medical centre which is permanently using thermograph for breast cancer screening, as an adjacent method for other classical diagnostic method, such as mammography.
    Źródło:
    Journal of Medical Informatics & Technologies; 2004, 7; MIP41-50
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie modeli LeNet-5, AlexNet i GoogLeNet w rozpoznawaniu pisma ręcznego
    Comparison of LeNet-5, AlexNet and GoogLeNet models in handwriting recognition
    Autorzy:
    Michalski, Bartosz
    Plechawska-Wójcik, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/2086218.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    konwolucyjne sieci neuronowe
    klasyfikacja pisma odręcznego
    convolutional neural networks
    handwriting classification
    Opis:
    Celem badania było porównanie dokładności rozpoznawania pisma odręcznego oraz czasu potrzebnego na klasyfikację danych ze zbiorów testowych. Do badań wykorzystano architektury Lenet-5, AlexNet i GoogLeNet. Wszystkie wybra-ne architektury są modelami konwolucyjnych sieci neuronowych. Badania przeprowadzono z wykorzystaniem baz obrazów odręczenie pisanych cyfr MNIST i odręcznie pisanych liter EMNIST. Po wykonaniu badań stwierdzono, że największą dokładnością wykazał się model GoogLeNet, a najmniejszą LeNet-5. Natomiast najmniej czasu na wykona-nie zadania potrzebował model LeNet-5, a najwięcej GoogLeNet. Na podstawie otrzymanych wyników stwierdzono, że zwiększanie złożoności modelu wpływa pozytywnie na dokładność klasyfikacji obiektów, ale znacznie zwiększa zapo-trzebowanie na zasoby komputera.
    The aim of the study was to compare the accuracy of handwriting recognition and the time needed to classify data from the test sets. The Lenet-5, AlexNet and GoogLeNet architectures were used for the research. All selected architectures are models of convolutional neural networks. The research was carried out with the use of image databases, handwritten digits MNIST and handwritten letters EMNIST. After the tests, it was found that the GoogLeNet model showed the highest accuracy, and the LeNet-5 the lowest. However, the LeNet-5 model needed the least time to complete the task, and GoogLeNet the most. On the basis of the obtained results, it was found that increasing the complexity of the model positively influences the accuracy of object classification, but significantly increases the demand for computer re-sources.
    Źródło:
    Journal of Computer Sciences Institute; 2022, 23; 145--151
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikatory neuronowe typu SVM w zastosowaniu do klasyfikacji przemieszczeń pionowych na obszarze LGOM
    SVM neural classifiers used for classifying vertical displacements in the Legnica-Głogów Copper Mining Area
    Autorzy:
    Mrówczyńska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/394109.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    sieci neuronowe SVM
    klasyfikacja
    przemieszczenia pionowe
    SVM neural networks
    classification
    vertical displacements
    Opis:
    W prezentowanym artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych SVM (ang. Support Vector Machine) zwane inaczej metodą (techniką) wektorów podtrzymujących. Sieci SVM znajdują głównie zastosowanie w rozwiązywaniu zadań klasyfikacji danych separowalnych i niesparowalnych liniowo oraz zadań regresji. W ostatnich latach zakres zastosowań tego typu sieci został poszerzony i sieci rozwiązują również takie problemy jak rozpoznawanie sygnałów i obrazów, identyfikacja mowy oraz diagnostyka medyczna. W pracy sieci nieliniowe SVM wykorzystano do klasyfikacji danych nieseparowalnych liniowo w postaci przemieszczeń punktów sieci pomiarowo-kontrolnej reprezentujących obszar, na którym prowadzona jest eksploatacja górnicza. Uczenia sieci neuronowej SVM wymaga implementacji programowania kwadratowego w poszukiwaniu punktu optymalnego funkcji Lagrange'a względem optymalizowanych parametrów. W przypadku danych nieseparowalnych liniowo, metoda SVM pozwala na znalezienie hiperpłaszczyzny, która klasyfikuje obiekty na tyle poprawnie, na ile jest to możliwe i jednocześnie przebiega możliwe daleko od typowych skupień dla każdej z klas. Za pomocą metody SVM można również znaleźć krzywoliniową granicę separacji o dużym marginesie separacji, wykorzystując zabieg podniesienia wymiarowości. Jakość uzyskanych wyników separacji jest uzależniona od przyjętej postaci funkcji jądra.
    This article presents basic rules for constructing and training SVM neural networks. SVM neural networks are mainly used for solving tasks involving the classification of linearly and non-linearly separable data, as well as regression tasks. In recent years, the application of these types of networks has expanded, and now they are also used for solving problems such as recognition of signals and pictures, speech identification, and in medical diagnostics. In this analysis non-linear SVM networks were used for classifying linearly non-separable data in the form of vertical displacements of points representing a mining area in a measurement and control network. Training an SVM neural network requires the use of quadrant programming in search of an optimum point of a Lagrangian function in relation to the parameters which are being optimised. In the case of linearly non-separable data, the SVM method makes it possible to find a hyper plane which classifies objects as correctly as possible, and at the same time is located far enough from concentrations typical of each class. By means of raising dimensionality, the SVM method can also be used to find a curvilinear separation boundary with a wide separation margin. The quality of the results obtained depends on the adopted form of the kernel function.
    Źródło:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2014, 86; 69-81
    2080-0819
    Pojawia się w:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Użycie sieci neuronowych do klasyfikacji obdszarów miejskich na zdjęciach satelitarnych
    Applying neural networks to urban area classification in satellite images
    Autorzy:
    Iwaniak, A.
    Krówczyńska, M.
    Paluszyński, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/341474.pdf
    Data publikacji:
    2002
    Wydawca:
    Uniwersytet Przyrodniczy we Wrocławiu
    Tematy:
    klasyfikacja zdjęć satelitarnych
    sztuczne sieci neuronowe
    satellite image classification
    artificial neural networks
    Opis:
    Niniejsza praca przedstawia podejście do procesu klasyfikacji obrazów satelitarnych alternatywne wobec istniejących metod. Do identyfikacji terenów miejskich zobrazowanych na zdjęciach satelitarnych zastosowana została sztuczna sieć neuronowa. W pracy wykorzystano zobrazowania wykonane przez satelitę Landsat skanerem Thematic Mapper oraz mapę pokrycia terenu opracowaną w programie CORINE Land Cover. Oceny wyników dokonano metodą porównania punktowego z mapą topograficzną. Badania zostały przeprowadzone na terenach testowych: Aglomeracja Warszawska oraz Krakowska.
    This work presents a new approach to satellite image classification process. An artificial neural network has been applied to identification of urban areas mapped in satellite images. The results presented here are based on images obtained from the Landsat satellite using the Thematic Mapper scanner and a land cover map produced under the CORINE Program. The evaluation of the results has been conducted using a point-topoint comparison with a topographic map. The test areas include the metropolitan areas of Warsaw and Cracow.
    Źródło:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2002, 1, 1-2; 5-13
    1644-0668
    Pojawia się w:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Projekt wytycznych kształtowania sieci dróg
    Draft guidelines for formation of the road network
    Autorzy:
    Michalski, Lech
    Powiązania:
    https://bibliotekanauki.pl/articles/2057748.pdf
    Data publikacji:
    2020
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    sieć drogowa
    planowanie sieci
    klasyfikacja dróg
    road network
    network planning
    road classifications
    Opis:
    W ramach zbioru projektów wytycznych projektowania dróg i ulic opracowano „Wytyczne kształtowania sieci dróg” w zakresie wymagań podstawowych. W artykule wskazano na wybrane kierunki zmian w kształtowaniu struktury sieci drogowej zachodzące w praktyce zagranicznej oraz przedstawiono kluczowe elementy projektu wytycznych. Do elementów tych zaliczono: ogólne wymagania planowania sieci drogowej, klasyfikacje jednostek osadniczych i obiektów jako generatorów ruchu, standardy dostępności jednostek osadniczych i nieruchomości, system drogowych połączeń jednostek osadniczych i nieruchomości, kształtowanie struktury funkcjonalnej sieci drogowej i kształtowanie struktury technicznej sieci drogowej.
    As part of the set of draft guidelines for the design of roads and streets, “Guidelines for the formation of the road network” were developed in the scope of basic requirements. The article indicates selected directions of changes in formation the structure of the road network taking place in foreign practice and presents the key elements of the draft guidelines. These elements include: general requirements for road network planning, classifications of settlement units and objects as traffic generators, standards for the availability of settlement units and real estate, a system of road connections between settlement units and real estate, formation the functional structure of the road network and formation the technical structure of the road network.
    Źródło:
    Drogownictwo; 2020, 12; 339--344
    0012-6357
    Pojawia się w:
    Drogownictwo
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Influence of gestational age on neural networks interpretation of fetal monitoring signals
    Autorzy:
    Jeżewski, M.
    Czabański, R.
    Horoba, K.
    Wróbel, J.
    Łęski, J.
    Jeżewski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/333505.pdf
    Data publikacji:
    2008
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    monitoring płodu
    kardiotokografia
    klasyfikacja
    sieci neuronowe
    fetal monitoring
    cardiotocography
    classification
    neural networks (NN)
    Opis:
    Cardiotocographic monitoring (CTG) is a primary biophysical monitoring method for assessment of the fetal state and is based on analysis of fetal heart rate, uterine contraction activity and fetal movement signals. Visual analysis of CTG traces is very difficult so computer-aided fetal monitoring systems have become a standard in clinical centres. We proposed the application of neural networks for the prediction of fetal outcome using the parameters of quantitative description of acquired signals as inputs. We focused on the influence of the gestational age (during trace recording) on the fetal outcome classification quality. We designed MLP and RBF neural networks with changing the number of neurons in the hidden layer to find the best structure. Networks were trained and tested fifty times, with random cases assignment to training, validating and testing subset. We obtained the value of sensitivity index above 0.7, what may be regarded as good result. However additional trace grouping within similar gestational age, increased classification quality in the case of MLP networks.
    Źródło:
    Journal of Medical Informatics & Technologies; 2008, 12; 137-142
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Kwalifikacja wniosków kredytowych – porównanie regresji oraz sieci neuronowej
    Evaluation of loan applications – a comparison of regressions and neural networks
    Autorzy:
    Gajda, Jan B.
    Powiązania:
    https://bibliotekanauki.pl/articles/589042.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Klasyfikacja wniosków kredytowych
    Regresja
    Sieci neuronowe
    Classification of loan applications
    Neural network
    Regression
    Opis:
    W pracy badamy decyzje udzielenia bądź odmowy udzielenia kredytu konsumpcyjnego przeznaczonego na zakup samochodu osobowego na przykładzie próby ok. 200 klientów pewnego banku. Analiza sprowadza się do porównania instrumentów wspomagających podejmowanie decyzji – funkcji regresji oraz sieci neuronowej. Banki bądź przyznają kredyty (zmienna wyjściowa przybiera wartość 1), bądź ich odmawiają (na wyjściu pojawia się 0) na podstawie informacji o kliencie (tworzącej zbiór zmiennych wejściowych) zawartej w wypełnianym przez niego kwestionariuszu. Ze względu na obowiązek zachowania tajemnicy banki strzegą danych klientów, stąd rzadkość badań wykorzystujących informacje pochodzące z autentycznych wniosków kredytowych. Sieci neuronowe mogą okazać się przydatne do wstępnego rozpoznania istnienia bądź braku powiązań pomiędzy zmiennymi wejściowymi a wyjściowymi. Jeśli dopasowanie sieci jest wyraźnie lepsze od dopasowania liniowego równania regresji – sugeruje to nieliniowy charakter związku pomiędzy tymi zmiennymi. W naszym przykładzie użyteczność włączenia logarytmu zmiennej staż zdaje się wskazywać na przewagę sieci neuronowej. Jednakże – w odróżnieniu od regresji – sieci neuronowe nie dają szans rozróżnienia zmiennych wejściowych mających istotny wpływ na zmienne wyjściowe od niemających takiego wpływu. Pozostawia to pole do dyskusji na temat podobieństw i różnic w zakresach stosowalności sieci oraz modeli ekonometrycznych.
    The paper analyses bank’s decisions to accept or reject applications for loan. We compare suggestions given on one hand side by regressions, on the other hand by neural networks, both based on input variables presented in applications and binary output variables (1 if the application is accepted, 0 if the application has been rejected). Banks usually keep their clients data secret, thus our empirical information is based on applications of only 200 clients. Neural networks, working as a data mining instrument, may help to identify relationships between input and output variables, linear or nonlinear ones. If the fit of a network is better than the fit of a regression, both based on the same data set, one may conclude that the relation has nonlinear character. In our work the fact, that regression’s fit improved when a nonlinear variable ln_stage was included as an explanatory one supports such interpretation. On the other hand neural networks – as opposed to regression – are not capable to differentiate between input variables influencing the output significantly from variables with non-significant influence. This gives a room for discussion on similarities and differences of application neural networks and regressions.
    Źródło:
    Studia Ekonomiczne; 2018, 364; 58-71
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie i ocena metod klasyfikacji sygnałów EEG
    Analysis and classification of EEG data. An evaluation of methods
    Autorzy:
    Rutkowski, G.
    Patan, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/154847.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    EEG
    sztuczne sieci neuronowe
    rozpoznawanie obrazów
    klasyfikacja
    artificial neural networks
    pattern recognition
    classification
    Opis:
    Analiza i interpretacja sygnałów elektroencefalograficznych znalazła szerokie spektrum zastosowań w diagnostyce klinicznej. Pomimo licznych doświadczeń specjalistów, ciągle napotyka się wiele trudności. Powstające problemy związane są m.in. z aspektami technicznymi co spowodowane jest charakterem niestacjonarności w przypadku sygnałów takich jak sygnały EEG. Rozwiązania sprzętowe i programowe w tej dziedzinie są poddawane ciągłej poprawie ze względu na rozwój technologiczny. Bardzo obiecującym narzędziem w analizie i interpretacji sygnałów EEG są sztuczne sieci neuronowe. W pracy przedstawiono eksperymenty oparte o analizę i klasyfikację danych biomedycznych za pomocą różnych technik, w tym metod klasycznych takich jak naiwny klasyfikator Bayesa, k najbliższych sąsiadów z zastosowaniem metod sztucznej inteligencji takich jak klasyfikatory SVM czy perceptron wielowarstwowy.
    Analysis and interpretation methods of electroencephalogram signals have found a broad spectrum of applications in clinical diagnosis. Despite the experience of professionals, biomedical data analysis encounters many difficulties. Measurement problems are associated with both the technical ground that determines the character of non-stationarity of EEG signals and the individual nature of a neurological dysfunction. The existing hardware and software have been continuously improved due to the rapid progress of technological development. Very promising tool in the analysis and interpretation of the EEG signals are artificial neural networks. An electroencephalogram (EEG) is a noninvasive technique for measurement of processes occurring in the human brain. This technique allows direct measurement of electrical potentials of neuronal activity. EEG is thus recording of electrical activity of nerve cells on the surface of the cerebral cortex. Seizures are very important element in clinical diagnosis due to the ongoing search for causal link in generating sudden discharges of electricity. The interpretation of such signals may allow for appropriate treatment and selection of relevant therapy for individual cases. There have been many works in the area of electroencephalography which used artificial neural networks involving among the others in the process of recognizing specific graphoelements, which in turn indicate a definite neurological dysfunction. Neural networks are also able to extract the relevant information contained in the EEG signals and support the process of solving problems, such as the identification of characteristic EEG [1, 5, 6] patterns or determine patterns based on spectral EEG topography [3]. Neural networks are also used to identify artifacts, where inputs to the classifier are implemented in the form of selected parameters of a specific wave length [10]. The paper presents experiments based on the analysis and classification of biomedical data using various techniques, including classical methods such as naive Bayes classifiers, and nearest neighbor using artificial intelligence methods including SVM classifiers and multilayer perceptron.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 4, 4; 369-371
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie metody TOPSIS w procesie klasyfikacji dobowych obciążeń stacji transformatorowych
    Applications of TOPSIS method in clustering of 24-hour loads in electric power distribution substations
    Autorzy:
    Zalewski, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/398887.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    klasyfikacja obciążeń
    elektroenergetyczne sieci rozdzielcze metoda TOPSIS
    load clustering
    power distribution systems
    TOPSIS method
    Opis:
    W artykule przedstawiono możliwość zastosowania metody TOPSIS do grupowania profili obciążeń w elektroenergetycznych sieciach rozdzielczych na podstawie parametrów opisujących krzywe obciążenia różnych odbiorców. Rozważania teoretyczne poparto analizą danych pomiarowych uzyskanych w wybranych stacjach transformatorowych SN/nn na terenie dawnego Zakładu Energetycznego Białystok Miasto.
    This paper presents an application of the TOPSIS method for classification of load profiles in electric power distribution systems. Verification of the proposed method of load clustering was based on the data from selected distribution substations in Bialystok Power Distribution Utility Co. Simulation studies have been performed to demonstrate the efficiency of the proposed method and an effect of different parameters on its accuracy on the basis of actual data obtained at distribution system substations.
    Źródło:
    Ekonomia i Zarządzanie; 2013, 5, 4; 101-110
    2080-9646
    Pojawia się w:
    Ekonomia i Zarządzanie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Empirical Evaluation of Methods of Filling the Missing Data in Learning Probabilistic Models
    Porównanie metod uzupełniania danych brakujących w uczeniu modeli probabilistycznych
    Autorzy:
    Falkowski, A. A.
    Łupińska-Dubicka, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/88374.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    dane brakujące
    model probabilistyczny
    sieci Bayesa
    klasyfikacja
    missing data
    probabilistic models
    Bayesian networks
    classification
    Opis:
    Missing data is a common problem in statistical analysis and most practical databases contain missing values of some of their attributes. Missing data can appear for many reasons. However, regardless of the reason for the missing values, even a small percent of missing data can cause serious problems with analysis reducing the statistical power of a study and leading to draw wrong conclusions. In this paper the results of handling missing observations in learning probabilistic models were presented. Two data sets taken from UCI Machine Learning Repository were used to learn the quantitative part of the Bayesian networks. To provide the opportunity to compare selected data sets did not contain any missing values. For each model data sets with variety of levels of missing values were artificially generated. The main goal of this paper was to examine whether omitting observations has an influence on model’s reliability. The accuracy was defined as the percentage of correctly classified records and has been compared to the results obtained in the data set not containing missing values.
    Brakujące dane są częstym problemem w analizie statystycznej, a większość baz danych zawiera brakujące wartości niektórych z ich atrybutów. Brakujące dane mogą pojawiać się z wielu powodów. Jednak bez względu na przyczynę brakujących wartości nawet ich niewielki procent może spowodować poważne problemy z analizą, zmniejszając siłę statystyczną badania i prowadząc do wyciągnięcia błędnych wniosków. W artykule przedstawiono wyniki uzupełniania danych brakujących w uczeniu modeli probabilistycznych. Dwa zestawy danych pobrane z repozytorium uczenia maszynowego UCI posłużyły do wytrenowania ilościowej części sieci bayesowskich. Aby zapewnić możliwość porównania wybrane zbiory danych nie zawierały żadnych brakujących wartości. Dla każdego modelu zbiory danych z różnymi poziomami brakujących wartości zostały sztucznie wygenerowane. Głównym celem tego artykułu było zbadanie, czy braki w obserwacjach mają wpływ na niezawodność modelu. Dokładność została zdefiniowana jako procent poprawnie zaklasyfikowanych rekordów i została porównana z wynikami uzyskanymi w zbiorze danych niezawierającym brakujących wartości.
    Źródło:
    Advances in Computer Science Research; 2018, 14; 55-67
    2300-715X
    Pojawia się w:
    Advances in Computer Science Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie zmian jakości wód podziemnych w układzie przestrzennym z wykorzystaniem sieci neuronowych
    Spatial predictions of groundwater quality changes using neural networks
    Autorzy:
    Kmiecik, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/2063365.pdf
    Data publikacji:
    2004
    Wydawca:
    Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
    Tematy:
    jakość wód podziemnych
    sieci monitoringowe
    dane hydrogeochemiczne
    sieci neuronowe
    predykcja
    klasyfikacja
    groundwater quality
    monitoring networks
    hydrogeochemical data
    neural networks
    prediction
    classification
    Opis:
    Zastosowanie sieci neuronowych do prognozowania zmian jakości wód w układzie przestrzennym oparte zostało na istniejącej bazie danych, zawierającej wyniki uzyskane w ramach regionalnego monitoringu jakości wód podziemnych RMWP przeprowadzonego dla zlewni górnej Wisły w latach 1993-1994 (Witczak i in., 1994a, b). Wyniki oznaczeń terenowych i laboratoryjnych (55) wskaźników fizykochemicznych (nieorganicznych i organicznych) wód poddano weryfikacji z zastosowaniem parametrów kontroli jakości oraz statystycznej analizy rozkładu tych wskaźników. Na zweryfikowanej bazie danych przeprowadzono próby predykcji wartości wskaźników fizykochemicznych wód dla punktu monitoringowego o określonych współrzędnych oraz klasyfikacji punktu monitoringowego (na podstawie wyników oznaczeń wskaźników fizykochemicznych) do obszaru o określonym użytkowaniu terenu. Uzyskane wyniki badań wskazują, że sieci neuronowe można z powodzeniem wykorzystać do prognozowania zmian jakości wód w układzie przestrzennym. Warunkiem jednak, by uzyskiwane prognozy cechowały się wysokim stopniem wiarygodności, jest konieczność weryfikacji danych wejściowych wprowadzanych do modelu.
    This paper presents using neural networks in spatial prediction of groundwater quality changes on the base of existing database. This database consists of results of regional groundwater quality monitoring of the upper Vistula river basin carried out in 1993-1994 (Witczak et al., 1994a, b). Data (the results of field and laboratory determinations of physicochemical indicators of groundwater quality) was verified using quality control parameters and statistical analysis. On the verified database were conducted predictive trials to provide values of physicochemical indicators for the monitoring sites with known coordinates and monitoring site classification (on the base of physicochemical indicators values) to the area of known type of land-use. The results of such a study show that neural networks can be succesfully used for spatial prediction of changes in groundwater quality. The condition for reliability of the prognoses is verification of input data loaded to the model.
    Źródło:
    Biuletyn Państwowego Instytutu Geologicznego; 2004, 412, Hydrogeologia z. 6; 5-70
    0867-6143
    Pojawia się w:
    Biuletyn Państwowego Instytutu Geologicznego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja chronionych w Polsce motyli z rodziny Papilionidae z wykorzystaniem wybranych topologii neuronowych
    Classification of protected Papilionidae butterflies using selected neural network topology
    Autorzy:
    Boniecki, P
    Mueller, W.
    Nowakowski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/883223.pdf
    Data publikacji:
    2009
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    zbiory danych
    klasyfikacja
    gatunki chronione
    obrazy cyfrowe
    sieci neuronowe sztuczne
    paziowate
    Papilionidae
    uczenie sie
    motyle
    Opis:
    Celem badań było porównanie zdolności klasyfikacyjnych modeli neuronowych, uczonych dwoma różnymi metodami: wzorcową oraz bezwzorcową. Klasyfikacji poddano wybrane owady należące do rodziny „Papilionidae”, które objęte są ochroną prawną na terenie Polski. Neuronowej klasyfikacji dokonano w oparciu o informację zakodowaną w postaci zbioru dwuwymiarowych obrazów owadów. Jako cechy reprezentatywne, stanowiące podstawę do klasyfikacji, przyjęto pięć dominujących kolorów występujących w ubarwieniu motyli. W celu porównawczym wygenerowano dwie topologie neuronowe: sieć typu MLP (ang. MultiLayer Perceptron: perceptron wielowarstwowy) uczonej technikami „z nauczycielem” orazsieæ Kohonena, która była uczona metodą „beznauczyciela”.
    The aim of this study was to compare the classification ability of neural models, learned with two different ways: with reference and without reference. Selected insects subjected to classification belong to the family “Papilionidae”, and are a subject to legal protection in Poland. Neural classification was based on the information encoded in the form of a file of two-dimensional images of insects. As representatives of features, which form the basis of the classification, adopted were five dominant butterflies colors. For comparison two neural topologies were generated: a network type MLP (Multilayer Perceptron) learned by method "with the teacher" and a neural network type Kohonen, which was learned by method „without a teacher”.
    Źródło:
    Technika Rolnicza Ogrodnicza Leśna; 2009, 03; 23-26
    1732-1719
    2719-4221
    Pojawia się w:
    Technika Rolnicza Ogrodnicza Leśna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie perceptronu wielowarstwowego do wyszczególniania obiektów o znaczeniu orientacyjnym na mapach topograficznych
    The use of a multilayer perceptron for specifying the landmarks on topographic maps
    Autorzy:
    Pokonieczny, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/345795.pdf
    Data publikacji:
    2016
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Tematy:
    sztuczne sieci neuronowe
    obiekty orientacyjne
    klasyfikacja obiektów przestrzennych
    artificial neural networks
    landmarks
    spatial data classification
    Opis:
    W artykule została poruszona problematyka wyboru obiektów o znaczeniu orientacyjnym tj. trwałych obiektów i przedmiotów sytuacyjnych, które łatwo rozpoznać w terenie i według których dokładnie i szybko można określić swoje położenie. Do ich wyszczególniania, wykorzystano sztuczne sieci neuronowe (a konkretnie perceptron wielowarstwowy). W artykule opisano zarówno sposób doboru najwłaściwszej architektury sieci neuronowej, jak i wprowadzane do niej dane wejściowe (parametry opisujące obiekt oraz jego otoczenie). Testy przeprowadzono dla obszaru 4 arkuszy Wojskowej Mapy Topograficznej w skali 1:50 000. Przeanalizowano 4 klasy obiektów (komin, krzyż przydrożny, pomnik i punkt wysokościowy). W celu wyboru odpowiedniej architektury sieci, wykonano sprawdzenie krzyżowe, polegające na podziale próby uczącej na 3 części (uczącą, testową i walidacyjną). Pozwoliło to na wybór 10 najlepszych sieci, które zostały połączone w zespół sztucznych sieci neuronowych. Ponadto przeprowadzono globalną analizę wrażliwości, co pomogło określić, które zmienne mają największy wpływ na możliwość zakwalifikowania obiektu do grupy obiektów orientacyjnych. Wdrożenie sieci wykonano na bazie zbioru danych testowych znajdujących się na obszarze sąsiedniego arkusza mapy. Wyniki wskazują, że przygotowana sieć neuronowa we właściwy sposób potrafiła wyszczególnić obiekt o znaczeniu orientacyjnym. Najwyższy współczynnik nadawany był wysokim, odosobnionym obiektom, co było zgodne ze sposobem nauczania sieci neuronowej. Zastosowanie ciągłej funkcji aktywacji pozwoliło na wyznaczenie współczynnika w ciągłym przedziale od 0 do 1. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 i mapy w skali 1 : 50 000.
    The presented article concerns the issue of landmarks selection i.e. solid objects and situational items that may be easily identified in the field. To specify them the artificial neural networks (a multi-layer perceptron) have been used. The article describes both, how to select the most appropriate neural network architecture and input data (attribute and spatial) which are entered to the network. The tests have been performed for the area of 4 sheets of the Military Topographic Map at 1:50 000 scale. 4 classes of objects have been analyzed (a chimney, a wayside cross, a monument and an elevation spot). To select the appropriate network architecture the cross-validation has been performed. The learning sample has been divided into 3 parts (one learning, one testing and one validation sample). This allowed to select the top 10 networks. In addition a global sensitivity analysis was conducted, which helped to determine variables with the greatest impact on the results. Implementation of the network was made based on a test data set, located in the area of the adjacent map sheets. The results showed that the neural network was able to correctly specify a landmark. The highest index was assigned to high, isolated objects, which was in line with the way of teaching the neural network. The usage of a continuous activation function allowed to determine the index in the continuous range 0 to 1. The spatial data from the Vector Map Level 2 and the Military Topographic Map at 1:50 000 scale have been used for studies described in this article.
    Źródło:
    Roczniki Geomatyki; 2016, 14, 3(73); 397-405
    1731-5522
    2449-8963
    Pojawia się w:
    Roczniki Geomatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Badania struktur sieci neuronowych typu mlp do oceny układu stref ciśnienia systemu dystrybucji wody
    Research of structures of mlp artificial neural networks to evaluate the pressure zones of water distribution system
    Autorzy:
    Dawidowicz, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/403185.pdf
    Data publikacji:
    2015
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    system dystrybucji wody
    sieci neuronowe
    strefa ciśnienia
    klasyfikacja
    water distribution system
    neural networks
    zone pressure
    classification
    Opis:
    W artykule opisano badania nad różnymi strukturami sztucznych sieci neuronowych typu perceptron wielowarstwowy MLP przeznaczonych do oceny układu systemu dystrybucji wody. Problem oceny układu systemu został potraktowany jako zadanie klasyfikacji. Zdefiniowano klasy opisujące problemy występujące w procesie obliczeń związane z wysokością ciśnienia i podziałem systemu na strefy. Sieć neuronowa na podstawie zmiennych wejściowych, opisujących warunki hydrauliczne i terenowe, dokonuje klasyfikacji wskazując występujący problem w danym węźle systemu dystrybucji wody. Zamieszczono zestawienia tabelaryczne struktur przebadanych sieci neuronowych, wartości błędu uczenia, trafność klasyfikowania oraz analizę wrażliwości zmiennych wejściowych. Uzyskana sieć neuronowa ma za zadanie uzupełnić podstawową metodykę obliczeń systemów dystrybucji wody o elementy oceny uzyskanych wyników obliczeń.
    Designing of water distribution systems is inherently associated with hydraulic simulations the purpose of which is to determine the flow rate in individual system sections, selection of pipe diameters, calculation of pressure losses and of the pressure head at nodes. In the water distribution system design and hydraulic calculations one should, inter alia, check a pressure head in different parts of the system. It is also important to establish whether the system should consist of one or more pressure zones. It is connected with the appropriate location of network pumping stations and pressure reducing stations. There are many methods of calculation of water distribution systems that allow you to solve tasks for various structures of pipeline. Computer programmes based on the above methods calculate the value required variables describing the individual elements of the system, but do not have procedures for assessing their accuracy. Currently, there are no, and probably there will be no programmes which would replace a designer in the aforementioned tasks. However, nowadays one tries to develop computer programmes featuring certain degree of creativity in order to facilitate user decision making. The article describes research on the various structures of multilayer perceptrons designed to evaluate the pressure zones the water distribution system. The task of evaluation system was defined as a classification. Problems in the calculation of water distribution systems related to the amount of pressure and the division of the system into zones described using classes. A neural network based on input variables that describe the hydraulic conditions and terrain, classifies the problem occurring in a given node water distribution system. The article contains a table with tested multilayer perceptrons, learning error values, classification results and a table with sensitivity analysis network input variables. The resulting neural network should complement the basic methodology for calculating the water distribution systems with elements of evaluate the results calculations.
    Źródło:
    Budownictwo i Inżynieria Środowiska; 2015, 6, 2; 53-60
    2081-3279
    Pojawia się w:
    Budownictwo i Inżynieria Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie sieci neuronowych cp w wibroakustycznej diagnostyce uszkodzeń przekładni zębatej
    Use of cp neural network in vibroacoustic diagnostics of toothed gears failure
    Autorzy:
    Dybała, J.
    Radkowski, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/328698.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    selekcja cech
    klasyfikacja obrazów
    sieci neuronowe
    diagnostyka wibroakustyczna
    feature selection
    pattern classification
    neural networks
    vibroacoustic diagnostic
    Opis:
    W artykule przedstawiono sposób zastosowywania neuronowego klasyfikatora zbudowanego na bazie sieci neuronowej z propagacją przeciwną w diagnostyce wibroakustycznej przekładni zębatej. Ponadto, w pracy przedstawiono unikalną metodę selekcji cech stanu obiektu opartą na geometrii przestrzeni obserwacji. W końcowej części artykułu przedstawiono jako przykład wyniki eksperymentu laboratoryjnego.
    The article presents a way of applying a neural classifier constructed on the basis of counter-propagation neural network in vibroacoustic diagnostics of toothed gears. Moreover, in the paper the unique feature selection method of object state is presented. This method is based on geometry of the observation space. In final unit of article the results of laboratory experiment are presented as example.
    Źródło:
    Diagnostyka; 2004, 31; 59-66
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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:
    A comparison of conventional and deep learning methods of image classification
    Porównanie metod klasycznego i głębokiego uczenia maszynowego w klasyfikacji obrazów
    Autorzy:
    Dovbnych, Maryna
    Plechawska-Wójcik, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/2055127.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    image classification
    machine learning
    deep learning
    neural networks
    klasyfikacja obrazów
    uczenie maszynowe
    uczenie głębokie
    sieci neuronowe
    Opis:
    The aim of the research is to compare traditional and deep learning methods in image classification tasks. The conducted research experiment covers the analysis of five different models of neural networks: two models of multi–layer perceptron architecture: MLP with two hidden layers, MLP with three hidden layers; and three models of convolutional architecture: the three VGG blocks model, AlexNet and GoogLeNet. The models were tested on two different datasets: CIFAR–10 and MNIST and have been applied to the task of image classification. They were tested for classification performance, training speed, and the effect of the complexity of the dataset on the training outcome.
    Celem badań jest porównanie metod klasycznego i głębokiego uczenia w zadaniach klasyfikacji obrazów. Przeprowa-dzony eksperyment badawczy obejmuje analizę pięciu różnych modeli sieci neuronowych: dwóch modeli wielowar-stwowej architektury perceptronowej: MLP z dwiema warstwami ukrytymi, MLP z trzema warstwami ukrytymi; oraz trzy modele architektury konwolucyjnej: model z trzema VGG blokami, AlexNet i GoogLeNet. Modele przetrenowano na dwóch różnych zbiorach danych: CIFAR–10 i MNIST i zastosowano w zadaniu klasyfikacji obrazów. Zostały one zbadane pod kątem wydajności klasyfikacji, szybkości trenowania i wpływu złożoności zbioru danych na wynik trenowania.
    Źródło:
    Journal of Computer Sciences Institute; 2021, 21; 303--308
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rozpoznawanie stanu technicznego przekładni zębatych z wykorzystaniem sieci neuronowej CP
    Identification of the Technical State of Toothed Gears with the Use of CP Neural Network
    Autorzy:
    Dybała, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/360674.pdf
    Data publikacji:
    2005
    Wydawca:
    Akademia Morska w Szczecinie. Wydawnictwo AMSz
    Tematy:
    sieci neuronowe
    klasyfikacja
    diagnostyka wibroakustyczna
    przekładnie zębate
    OMiUO 2005
    neural networks
    classification
    vibroacoustic diagnostics
    toothed gears
    Opis:
    W artykule przedstawiono sposób zastosowywania neuronowego klasyfikatora zbudowanego na bazie sieci neuronowej z propagacją przeciwną w diagnostyce wibroakustycznej przekładni zębatych. W końcowej części artykułu przedstawiono jako przykład wyniki eksperymentu laboratoryjnego.
    This article presents a way of applying a neural classifier constructed on the basis of a counter-propagation neural network in vibroacoustic diagnosis of toothed gears. In the final part of the article the results of a laboratory experiment are presented.
    Źródło:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2005, 5 (77); 227-236
    1733-8670
    2392-0378
    Pojawia się w:
    Zeszyty Naukowe Akademii Morskiej w Szczecinie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Empirical Comparison of Methods of Data Discretization in Learning Probabilistic Models
    Porównanie metod dyskretyzacji danych w uczeniu modeli probabilistycznych
    Autorzy:
    Wójciak, M.
    Łupińska-Dubicka, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/88392.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    dyskretyzacja
    zmienne typu ciągłego
    modele probabilistyczne
    sieci Bayesa
    klasyfikacja
    discretization
    continuous feature
    probabilistic models
    Bayesian networks
    classification
    Opis:
    Very often statistical method or machine learning algorithms can handle discrete attributes only. And that is why discretization of numerical data is an important part of the pre–processing. This paper presents the results of the problem of data discretization in learning quantitative part of probabilistic models. Four data sets taken from UCI Machine Learning Repository were used to learn the quantitative part of the Bayesian networks. The continuous variables were discretized using two supervised and two unsupervised discretization methods. The main goal of this paper was to study whether method of data discretization in given data set has an influence on model’s reliability. The accuracy was defined as the percentage of correctly classified records.
    Bardzo często algorytmy uczenia maszynowego nie są przystosowane do korzystania ze zmiennych ciągłych. Z tego powodu dyskretyzacja danych jest istotną częścią wstępnego przetwarzania. W artykule przedstawiono wyniki prac nad problemem dyskretyzacji danych w uczeniu modeli probabilistycznych. Cztery zestawy danych pobrane z repozytorium uczenia maszynowego UCI zostały wykorzystane do nauczenia parametrów ilościowej części sieci bayesowskich. Występujące w wybranych zbiorach zmienne ciągłe były dyskretyzowane przy użyciu dwóch metod nadzorowanych i dwóch nienadzorowanych. Głównym celem tego artykułu było zbadanie, czy metoda dyskretyzacji danych w danym zbiorze ma wpływ na niezawodność modelu. Dokładność metod była definiowana jako odsetek poprawnie sklasyfikowanych rekordów.
    Źródło:
    Advances in Computer Science Research; 2018, 14; 177-192
    2300-715X
    Pojawia się w:
    Advances in Computer Science Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do aktualizacji map pokrycia terenu Corine
    The use of the artificial neural networks to update the CORINE Land Cover maps
    Autorzy:
    Golenia, M.
    Zagajewski, B.
    Ochtyra, A.
    Hościło, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/204319.pdf
    Data publikacji:
    2015
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    klasyfikacja
    Corine Land Cover
    Landsat
    sztuczne sieci neuronowe
    Warszawa
    classification
    CORINE Land Cover
    artificial neural networks
    Warsaw
    Opis:
    Aktualne mapy pokrycia terenu są podstawą wielu dyscyplin nauki oraz mają szerokie zastosowanie aplikacyjne. Jednym z problemów aktualizacji map jest proces aktualizacji danych. Teledetekcja dostarcza codziennie nowych zobrazowań satelitarnych, które mogą zaspokoić potrzeby aktualizacji baz danych. W niniejszym artykule autorzy przedstawiają metodę klasyfikacji pokrycia terenu sztucznymi sieciami neuronowymi fuzzy ARTMAP zgodnie z założeniami i legendą Corine Land Cover na podstawie danych satelitarnych Landsat, które wykorzystywane są do opracowania map pokrycia terenu. W artykule użyto jako danych referencyjnych i weryfikacyjnych najnowszą mapę Corine Land Cover (CLC) 2012. Do przeprowadzenia klasyfikacji symulatorem wykorzystano trzy zdjęcia satelitarne Landsat TM (21.04.2011, 05.06.2010, 27.08.2011). Obszarem badań były okolice Warszawy. Wynikami pracy symulatora są mapy klasyfikacji pokrycia terenu oraz macierze błędów klasyfikacji. Uzyskane wyniki potwierdzają, że sztuczne sieci neuronowe mogą z powodzeniem być wykorzystywane do aktualizacji map pokrycia terenu.
    Modern land cover maps are the basis of many scientific disciplines and they are widely applied. One of the problems connected with the revision of maps is the data updating procedure. Remote Sensing daily provides us with the new satellite images, that can meet the needs of database updates. In this article the method of classification for land cover with the artificial, neural, fuzzy ARTMAP networks is presented by the authors in accordance with the objectives and legend of the CORINE Land Cover Map on the basis of the Landsat satellite data, which are used to elaborate the land cover maps. The latest CORINE Land Cover map 2012 polygons are used as the reference and verification data. Three satellite Landsat TM images of 21.04.2011, 05.06.2010, 27.08.2011 are processed by a fuzzy, artificial, neural network classificatory simulator. The area of research was Warsaw and its surrounding area. The results of this research are the classificatory land cover maps and error matrices. Acquired results confirm that the artificial neural networks can be successfully used for land cover updating.
    Źródło:
    Polski Przegląd Kartograficzny; 2015, T. 47, nr 3-4, 3-4; 257-266
    0324-8321
    Pojawia się w:
    Polski Przegląd Kartograficzny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hardware acceleration of data classifiers for multimedia processing tasks
    Sprzętowe przyspieszenie klasyfikacji danych multimedialnych
    Autorzy:
    Dziurzański, P.
    Mąka, T.
    Forczmański, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/153826.pdf
    Data publikacji:
    2014
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    feature extraction
    multimedia data classification
    Network on Chip (NoC)
    ImpulseC
    ekstrakcja cech
    klasyfikacja danych multimedialnych
    sieci wewnątrzukładowe
    Opis:
    In this paper, experimental results of a proposed hardware acceleration of feature extraction and data classifiers for multimedia are presented. This hardware is based on multi-core architecture connected with a mesh Network on Chip (NoC). The cores in the system execute both data classifiers and feature extraction for audio and image data. Using various meta heuristics the system is optimized with regards to different data communication criteria. The system was implemented on an FPGA platform with use of ImpulseC hardware description language.
    W artykule zostały zeprezentowane wyniki eksperymentalne dotyczące sprzętowego przyspieszania ekstrakcji cech i klasyfikacji danych multimedialnych. Opracowane rozwiązanie sprzętowe bazuje na architekturze wielordzeniowej, w której każdy blok realizuje przypisaną mu statycznie funkcjonalność. Rdzenie połączone są ze sobą za pomocą sieci wewnątrzukładowej (ang. Network on Chip, NoC) o architekturze siatki. W artykule opisano pokrótce autorskie oprogramowanie służące do generowania kodu sieci wewnątrzukładowej. Graficzny interfejs użytkownika został zaprezentowany na rys. 1. Narzędzie ma za zadanie dokonywać odwzorowania wybranych funkcjonalności do poszczególnych rdzeni z wykorzystaniem takich meta-heurystyk jak algorytmy genetyczne, symulowane wyżarzanie, poszukiwanie losowe czy algorytmu gradientowego. Jako kryterium optymalizacji można wybrać minimalizację całkowitego przesyłu danych, minimalizację maksymalnej liczby danych transmitowanych przez pojedyncze łącze, a także minimalizację odchylenia standardowego rozmiaru strumieni transmitowanych przez poszczególne łącza. Przykładowe wyniki optymalizacji losowej dla sieci wewnątrzukładowej zostały przedstawione w tab. 1, natomiast wyniki optymalizacji dla sieci wewnątrzukładowej wykorzystującej inne podejścia - w tab. 2. Dla systemu zoptymalizowanego w ten sposób został wygnerowany opisujący go kod w języku ImpulseC, który następnie posłużył do syntezy sprzętowej na układzie FPGA z rodziny Xilinx Virtex 5. Zajętość układu XC5VSX50T dla trzech wykorzystanych klasyfikatorów została przedstawiona na rys. 3. Z kolei tab. 3 przedstawia liczbę zasobów wykorzystanych przez narzędzie syntezy wysokiego poziomu dla tych klasyfikatorów. Technika przedstawiona w publikacji umożliwia określenie warunków i ograniczeń implementacji sprzętowej systemu służącego klasyfikacji danych multimedialnych.
    Źródło:
    Pomiary Automatyka Kontrola; 2014, R. 60, nr 6, 6; 382-384
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The dedicated decision support system in recognition of some uncertain disease entities
    Autorzy:
    Porwik, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/333041.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie obrazu
    klasyfikacja danych
    sieci neuronowe
    systemy wspomagania decyzji
    image recognition
    data classification
    neural network
    decision support systems
    Opis:
    This work presents the principles of image recognition, where quality-based methods are applied. The neural networks and additional software have been proposed. This goal was achieved by using non-parametric recognition algorithms. In this paper the two-state hybrid classification method has been proposed, where artificial intelligence algorithm is included. In recognition process, the learning method, selection and optimization of diagnostic parameters have been introduced. The integrated part of the classifier structure is voting mechanism, which indicates incorrect states of the system – for example the unrecognized images. Effectiveness of the system has been shown by means of examples, where ambiguous data have been incorporated – it is very often a practice of medical diagnostics.
    Źródło:
    Journal of Medical Informatics & Technologies; 2009, 13; 97-100
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    „Śmieci na wejściu, śmieci na wyjściu”. Wpływ jakości koderów na działanie sieci neuronowej klasyfikującej wypowiedzi w mediach społecznościowych
    „Garbage in, Garbage out”. The Impact of Coders’ Quality on the Neural Network Classifying Text on Social Media
    Autorzy:
    Matuszewski, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/2131910.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sieci neuronowe
    klasyfikacja danych tekstowych
    modele nadzorowane
    opinion mining
    jakość koderów
    text classification
    neural networks
    supervised models
    quality of coders
    Opis:
    Jedna z głównych decyzji przy ręcznym kodowaniu danych tekstowych dotyczy tego, czy kodowanie ma być weryfikowane. W przypadku modeli nadzorowanych prowadzi to do istotnego dylematu: czy lepszym rozwiązaniem jest dostarczenie modelowi dużej liczby przypadków, na których będzie się uczyć kosztem weryfikacji poprawności danych, czy też zakodowanie każdego przypadku n-razy, co pozwoli porównać kody i sprawdzić ich poprawność, ale jednocześnie n-krotnie zmniejszy zbiór danych treningowych. Taka decyzja może zaważyć nie tylko na ostatecznych wynikach klasyfikatora. Z punktu widzenia badaczy jest istotna również dlatego, że – realistycznie zakładając, że badania mają ograniczone źródło finansowania – nie można jej cofnąć. Wykorzystując 100 tys. unikatowych i ręcznie zakodowanych tweetów przeprowadzono symulacje wyników klasyfikatora w zależności od kontrolowanego odsetka błędnie zakodowanych dokumentów. Na podstawie danych przedstawiono rekomendacje.
    One of the critical decisions when manually coding text data is whether to verify the coders’ work. In the case of supervised models, this leads to a significant dilemma: is it better to provide the model with a large number of cases on which it will learn at the expense of verifying the correctness of the data, or whether it is better to code each case n-times, which will allow to compare the codes and check their correctness but at the same time will reduce the training dataset by n-fold. Such a decision not only affect the final results of the classifier. From the researchers’ point of view, it is also crucial because, realistically assuming that research has limited funding, it cannot be undone. The study uses a simulation approach and provides conclusions and recommendations based on 100,000 unique and hand-coded tweets.
    Źródło:
    Studia Socjologiczne; 2022, 2; 137-164
    0039-3371
    Pojawia się w:
    Studia Socjologiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sztuczne sieci neuronowe Kohonena jako narzędzie w taksonomii paleontologicznej - metodyka oraz zastosowanie na przykładzie późnokredowych belemnitów
    Artificial Kohonen neural networks as a tool in paleontological taxonomy - an introduction and application to Late Cretaceous belemnites
    Autorzy:
    Remin, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/2074559.pdf
    Data publikacji:
    2008
    Wydawca:
    Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
    Tematy:
    paleontologia
    sztuczna inteligencja
    sieci neuronowe Kohonena
    samoorganizujących się sieci Kohonena
    klasyfikacja
    belemnity
    górna kreda
    paleontology
    artificial intelligence
    artificial neural networks
    Kohonen neural networks
    self-organizing map
    classification
    belemnites
    Upper Cretaceous
    Opis:
    Artificial neural networks (ANNs), the computer software or systems that are able to "learn" on the basis of previously collected input data sets are proposed here as a new useful tool in paleontological modeling. Initially ANNs were designed to imitate the structure and function of natural neural systems such as the human brain. They are commonly used in many natural researches such as physics, geophysics, chemistry, biology, applied ecology etc. Special emphasis is put on the Kohonen self-organizing mapping algorithm, used in unsupervised networks for ordination purposes. The application of ANNs for paleontology is exemplified by study of Late Cretaceous belemnites. The Kohonen networks objectively subdivided the belemnite material] ~ 750 specimens) into consistent groups that could be treated as monospecific. The possibility of transferring these results to the language of classical statistics is also presented. Further development and possibility of use of ANNs in various areas of paleontology, paleobiology and paleoecology is briefly discussed.
    Źródło:
    Przegląd Geologiczny; 2008, 56, 1; 58-66
    0033-2151
    Pojawia się w:
    Przegląd Geologiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja mikroskopowych obrazów skał przy wykorzystaniu sieci neuronowych
    Classification of the microscopic images of rocks with the use of neural networks
    Autorzy:
    Młynarczuk, M.
    Bielecka, M.
    Ślipek, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/394187.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    automatyczna klasyfikacja skał
    obrazy mikroskopowe
    sieci neuronowe
    sztuczna inteligencja
    SOM
    MLP
    LVQ
    automatic classification of rocks
    microscopic images
    neural networks
    artificial intelligence
    Opis:
    Klasyfikacja skał stanowi ważny aspekt w wielu zagadnieniach górnictwa i geologii inżynierskiej. Automatyzacja procesu klasyfikacji mikroskopowych obrazów skał może przyczynić się do usprawniania przetwarzania ogromnych zbiorów fotografii skał, poprzez jego przyspieszenie i wyeliminowanie wpływu subiektywnej oceny obserwatora na końcowy wynik klasyfikacji. Podczas pierwszego etapu badan opisanych w tym artykule wykorzystano zbiór 2700 mikroskopowych obrazów szlifów cienkich 9 skał, różniących się od siebie cechami petrograficznymi. Próbki skał zostały opisane 13-wymiarowym wektorem cech. Przy użyciu trzech różnych sieci neuronowych: dwuwarstwowej sieci jednokierunkowej (multi-layer feed-forward perceptron, MLP), samoorganizującej mapy Kohonena (self organizing Kohonen maps, SOM) oraz kwantyzacji wektorowej (learning vector quantization, LVQ), fotografie, po wcześniejszym treningu sieci odseparowanymi podzbiorami próbek, zostały poddane procesowi automatycznej klasyfikacji. Stukrotne powtarzanie losowania podzbiorów wykorzystywanych do treningu sieci oraz powtarzanie algorytmu uczenia sieci i rozpoznawania zdjęć pozwoliło na uzyskanie statystycznie wiarygodnych wyników, których wartość średnia wyniosła 99,4%. Następnie zbiór skał został zwiększony do łącznej wielkości 6300 zdjęć reprezentujących 21 różnych skał, a badania zostały powtórzone z zachowanie wektora cech oraz parametrów nauki sieci. Wynik średni poprawnych klasyfikacji dla powiększonego zbioru obrazów wyniósł 98,30%.
    Rock classification is an inherent part of numerous aspects of geology and engineering geology. Automating the classification of the microscopic images of rocks may result in improvements in analyzing vast sets of rocks' images by speeding up their recognition and eliminating the influence of the observer's subjective judgment in the final classification results. A set of 2,700 microscopic images of thin sections of 9 rocks, which differ in petrographic features, was used during the first step of the study described in the following article. Samples were displayed in a thirteen-dimensional feature space. With the use of three different neural networks multi-layer feed-forward perceptron (MLP), self-organizing Kohonen maps (SOM), and learning vector quantization (LVQ) ? images were subjected to an automated classification process preceded by the network's training with the use of isolated subset samples. Centuple repetition of subset drawings, which were used to train the network by repeating the self-learning network and images recognition algorithm, led to the achievement of statistically trustworthy results with a mean at the level of 99.4 %, and for the best drawing at 99.71%. Afterwards, the rocks set was extended to a total volume of 6,300 images of 21 different rocks, and the test was repeated preserving the feature space and self-learning network parameters. The average score of correct classifications for the extended images set was 98.30%, with the best score at 98.95%.
    Źródło:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2014, 86; 27-38
    2080-0819
    Pojawia się w:
    Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Brain tumor classification in MRI imagesusing genetic algorithm appended CNN
    Autorzy:
    Balamurugan, Thiyagu
    Gnanamanoharan, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/38703164.pdf
    Data publikacji:
    2023
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    deep learning
    convolutional neural networks
    EfficientNetB3
    genetic algorithm
    brain tumor classification
    głęboka nauka
    splotowe sieci neuronowe
    algorytm genetyczny
    klasyfikacja nowotworów mózgu
    Opis:
    Brain tumors are fatal for majority of the patients, the different nature of the tumorcells requires the use of combined medical measures, and categorizing such tumors isa difficult task for radiologists. The diagnostic structures based on PCs have been offeredas an aid in diagnosing a brain tumor using magnetic resonance imaging (MRI). Generalfunctions are retrieved from the lowest layers of the neural network, and these lowestlayers are responsible for capturing low-level features and patterns in the raw input data,which can be particularly unique to the raw image. To validate this, the EfficientNetB3pre-trained model is utilized to classify three types of brain tumors: glioma, meningioma,and pituitary tumor. Initially, the characteristics of several EfficientNet modules are takenfrom the pre-trained EfficientNetB3 version to locate the brain tumor. Three types of braintumor datasets are used to assess each approach. Compared to the existing deep learningmodels, the concatenated functions of EfficientNetB3 and genetic algorithms give betteraccuracy. Tensor flow 2 and Nesterov-accelerated adaptive moment estimation (Nadam)are also employed to improve the model training process by making it quicker and better.The proposed technique using CNN attains an accuracy of 99.56%, a sensitivity of 98.9%,a specificity of 98.6%, an F-score of 98.9%, a precision of 98.9%, and a recall of 99.54%.
    Źródło:
    Computer Assisted Methods in Engineering and Science; 2023, 30, 3; 305-321
    2299-3649
    Pojawia się w:
    Computer Assisted Methods in Engineering and Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Znaczenie pola powierzchni i długości obiektów w półautomatycznej klasyfikacji obiektowej użytków zielonych na zdjęciach satelitów serii LANDSAT
    The influence of area and length of objects in semi-automated object classification of grasslands on LANDSAT images
    Autorzy:
    Kosiński, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/132243.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    użytki zielone
    teledetekcja
    Landsat
    wielkość
    kształt
    uwilgotnienie
    siedlisko
    klasyfikacja
    sztuczne sieci neuronowe
    grasslands
    remote sensing
    size
    shape
    habitat
    humidity
    object
    classification
    artificial neural network
    Opis:
    Semi-automatic method for object classification of the grassland procedure involves two stages: 1) the creation of image segments as a representation of natural spatial complexes, 2) classification of the segments. So far, the classification algorithms were used refer to the three categories of characteristics: spectral, panchromatic or geometric. In the first stage of the work segmentation were performed of the composition of the two satellite images Landsat7 acquired at different seasons of the year: in September 1999 and the beginning of May 2001. Panchromatic data were used for distinguishing complexes due to the greater (in comparison with spectral data) spatial resolution. In the area of grasslands landscape-vegetation complexes (Matuszkiewicz, 1990, Kosiński, Hoffmann -Niedek, Zawiła, 2006) were distinguished of approximately a hundred to a few hundred meters in length and of about 20 ÷ 200 panchromatic image pixels. Semi-automated delimitation of complexes were carried out under the visual control, using as auxiliary material aerial photographs and topographic maps. In the second stage (classification of segments) an attempt were taken to assess the suitability of selected geometrical features to distinguish grasslands in use (currently or potentially) from grasslands unfit for production use due to excessive or insufficient moisture. The classification algorithm used GIS tools for measuring area and length of segments and artificial neural networks as a tool for classification. The previous studies of the Piotrkowska Plain show that the complexes of meadows used differ from those abandoned in terms of size and shape of objects (Kosiński, Hoffmann- Niedek, 2006, Fig. 1). Hypothesis that area and length of the landscape -vegetation complex are cues of identification in relation to the use and moisture of grasslands. 43 complexes of the grassland have been established as training samples on the Piotrkowska Plain in the Pilsia valley. In order to avoid overfitting classification algorithm to data from the Piotrkowska Plain, in order to allow the application of the algorithm for another mezoregionu 10 complexes have been selected as a validation set in the Szczercowska valley. To evaluate the classification results 32 complexes have been collected from Szczercowska Basin (test set). All treining set objects were described in terrein. Validation and test set objects were classified by a more accurate metod (based on biteporal image: Kosiński, Hoffmann -Niedek, 2008) and checked at random in the field. Objects of learning, validation and test set have been grouped into five categories according to use and habitat moisture (Kosiński, Hoffmann -Niedek, 2008; Table 1). For learning neural networks fife categories of objects of the learning and validation set were generalised into the three classes. In the Szczercowska Valley combination of characteristics (area and length) of the abandoned complexes is more close to the meadows in use than on the Piotrkowska Plain (Table 2). Therefore, the classification algorithm of the Piotrkowska Plain can not be directly applied to Szczercowska Basin. To obtain the correct result of classification, the classes of test set has been interpreted differently than in the learning and validation sets (Table 3, Figure 2). In the test sample 3/4 of the 23 complexes of meadows potentially used were classified correctly, while of nine abandoned ones due to unfavorable moisture habitats correctly classified 2/3. Thus confirmed the working hypothesis. Application of artificial neural networks can cancel the designation of non parametric empirical indicators of the size and shape of the complexes (Fig. 1). Neural networks auto-uwilgotmatically builds a morpfometric model based on simple indicators such as area and length of the object. Two model types of artificial neural network have been tested: 1) multilayer perceptrons (MLP) wich use hyperplanes to divide up feature space, 2) radial basis function network (RBF) wich use hyperspheres. MLP networks have proved to be more suitable to build the model than the RBF network.
    Źródło:
    Teledetekcja Środowiska; 2009, 42; 35-41
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The use of neural image analysis in the identification of information encoded in a graphical form
    Wykorzystanie neuronowej analizy obrazów w identyfikacji informacji zakodowanej w formie graficznej
    Autorzy:
    Koszela, K.
    Boniecki, P.
    Kuzimska, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/956540.pdf
    Data publikacji:
    2015
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    identification of class oocytes
    quality classification
    computer image analysis
    image analysis
    artificial neural networks
    identyfikacja klas oocytów
    klasyfikacja jakościowa
    analiza obrazu
    sztuczne sieci neuronowe
    Opis:
    Numerous scientific and research centres are searching for solutions concerning the problem of quality classification of animal oocytes. Conducting such studies is purposeful, particularly in the context of constant attempts to improve the quality of food products, which depends on the breeding value of livestock. Therefore, searching for methods of stimulation of proper development of a larger number of animal oocytes, particularly in extracorporeal conditions, gains special importance. An increasing interest in assisted reproduction techniques resulted in searching for new, increasingly effective methods of quality assessment of mammalian gametes and embryos. The expected progress in the production of animal embryos in vitro is largely dependent on proper classification of obtained oocytes. The aim of this work was to develop a non-invasive method for the quality assessment of oocytes, performed on the basis of graphic information encoded in the form of monochromatic digital images obtained via microscopy techniques. The classification process was conducted based on the information presented in the form of microphotography pictures of domestic pig oocytes, using advanced methods of neural image analysis.
    Rozwiązaniem problemu klasyfikacji jakościowej oocytów zwierzęcych zajmuje się wiele różnych ośrodków naukowo-badawczych. Celowość prowadzenia takich badań jest uzasadniona szczególnie w kontekście ciągłego dążenia do podnoszenia jakości produktów żywnościowych, która jest pochodną wartości hodowlanej zwierząt gospodarskich. W związku z tym, istotnego znaczenia nabierają poszukiwania metod prowadzących do stymulowania prawidłowego rozwoju większej liczby zapładnianych oocytów zwierzęcych, zwłaszcza realizowanego w warunkach pozaustrojowych. Rosnące zainteresowanie technikami wspomaganego rozrodu stało się przyczyną poszukiwania nowych, coraz bardziej efektywnych metod oceny jakościowej gamet oraz zarodków ssaków. Oczekiwany postęp w produkcji zarodków in vitro zwierząt uzależniony jest w istocie od poprawnej klasyfikacji pozyskiwanych oocytów. Celem pracy było opracowanie bezinwazyjnej metody oceny jakościowej oocytów dokonywanej w oparciu o informację graficzną zakodowana w postaci monochromatycznych obrazów cyfrowych pozyskanych metodą mikroskopową. Proces klasyfikacji zrealizowano w oparciu o informację prezentowaną w formie zdjęć mikrofotograficznych oocytów świni domowej, wykorzystując w tym celu nowoczesne metody neuronowej analizy obrazu.
    Źródło:
    Agricultural Engineering; 2015, 19, 3; 25-35
    2083-1587
    Pojawia się w:
    Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The diseases classification method on gait abnormalities characteristic contributions
    Autorzy:
    Chandzlik, S.
    Piecha, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/333759.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    klasyfikacja chorób neurologicznych
    choroba Parkinsona
    niedowład
    udar niedokrwienny mózgu
    automatyczne zakończenie
    sieci nuronowe
    neurological disease classification
    Parkinson disease
    hemiparesis
    ischemic stroke
    automatic conclusion
    neural networks
    Opis:
    Present medicine uses computers in various applications, especially in a field of a diseases level classification and diagnosis. In many cases an automatic conclusion making units are the main goal of the computer systems usage. The software units are developed for the diseases classification or for monitoring of the disease medical treatment. An example application was described in this paper. It concerns a gait abnormalities level analysis that is described by a data records gathered by insoles of Parotec System for Windows (PSW) [17,18]. The PSW software package is used for visualisation of the gait characteristic static and dynamic characteristic features. In the authors' works many additional data components were distinguished. The field of the applications is located within the neurological gait characteristics also the source applications concern orthopaedics [16,18]. Careful analysis of the data provided the developers with new areas the PSW applications [4,11,13]. For conclusion making units the artificial networks theory was implemented [2,4,11,13]. For more effective training of the neural networks specific characteristic measures were introduced [4,5]. They allow controlling the training process more precisely, avoiding mistakes in current records classification.
    Źródło:
    Journal of Medical Informatics & Technologies; 2005, 9; 187-194
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classifiers accuracy improvement based on missing data imputation
    Autorzy:
    Jordanov, I.
    Petrov, N.
    Petrozziello, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/91626.pdf
    Data publikacji:
    2018
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    machine learning
    missing data
    model-based imputation
    neural networks
    random forests
    support vector machine
    radar signal classification
    nauczanie maszynowe
    brakujące dane
    sieci neuronowe
    maszyna wektorów nośnych
    klasyfikacja sygnałów radarowych
    Opis:
    In this paper we investigate further and extend our previous work on radar signal identification and classification based on a data set which comprises continuous, discrete and categorical data that represent radar pulse train characteristics such as signal frequencies, pulse repetition, type of modulation, intervals, scan period, scanning type, etc. As the most of the real world datasets, it also contains high percentage of missing values and to deal with this problem we investigate three imputation techniques: Multiple Imputation (MI); K-Nearest Neighbour Imputation (KNNI); and Bagged Tree Imputation (BTI). We apply these methods to data samples with up to 60% missingness, this way doubling the number of instances with complete values in the resulting dataset. The imputation models performance is assessed with Wilcoxon’s test for statistical significance and Cohen’s effect size metrics. To solve the classification task, we employ three intelligent approaches: Neural Networks (NN); Support Vector Machines (SVM); and Random Forests (RF). Subsequently, we critically analyse which imputation method influences most the classifiers’ performance, using a multiclass classification accuracy metric, based on the area under the ROC curves. We consider two superclasses (‘military’ and ‘civil’), each containing several ‘subclasses’, and introduce and propose two new metrics: inner class accuracy (IA); and outer class accuracy (OA), in addition to the overall classification accuracy (OCA) metric. We conclude that they can be used as complementary to the OCA when choosing the best classifier for the problem at hand.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 1; 31-48
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie danych lotniczego skaningu laserowego i zdjęć lotniczych do klasyfikacji pokrycia terenu
    Land cover classification using airborne laser scanning data and aerial images
    Autorzy:
    Borkowski, A.
    Tymków, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/130474.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    lotniczy skaning laserowy
    zdjęcia lotnicze
    klasyfikacja nadzorowana
    sztuczne sieci neuronowe
    metoda największej wiarygodności
    airborne laser scanning (ALS)
    aerial images
    supervised classification
    artificial neural networks
    maximum likehood
    k-nearest neighbour method
    Opis:
    Informacja bezpośrednia i pośrednia dotycząca powierzchni terenu i jego pokrycia zawarta w danych skaningu laserowego może być wykorzystana do klasyfikacji form pokrycia terenu. W artykule podjęto próbę oceny przydatności tego typu danych jako źródła informacji uzupełniających wektor cech, zbudowany na podstawie obrazów lotniczych, w procesie klasyfikacji pokrycia terenu. Wykorzystano dane skanowania laserowego pozyskane za pomocą systemu ScaLARS. Przeprowadzono szereg eksperymentów numerycznych polegających na klasyfikacji fragmentu obszaru doliny rzeki Widawy za pomocą różnych algorytmów klasyfikacji oraz przy różnych kombinacjach wektora cech branych pod uwagę. W testach wykorzystano jednokierunkowe sztuczne sieci neuronowe, metodę największej wiarygodności, oraz metodę k-najbliższych sąsiadów. Porównano jakość klasyfikacji opartej o następujące cechy: wartości kanałów RGB, parametry charakteryzujące teksturę, informacje o wysokości form pokrycia terenu estymowane na podstawie numerycznego modelu terenu oraz numerycznego modelu pokrycia terenu, model charakteryzujący rozrzut wartości wysokości danych skaningu zarejestrowanych na jednostce powierzchni oraz intensywność promienia laserowego. Ilościowa ocenę dokładności oparto o macierz niezgodności, obliczana na podstawie porównania otrzymanego wyniku klasyfikacji dla wektora testowego do wzorca wykonanego manualnie metoda digitalizacji. Najlepsze wyniki klasyfikacji otrzymano za pomocą klasyfikatora neuronowego. Stwierdzono ponadto, że zastąpienie modelu numerycznego pokrycia terenu wariancja wysokości surowych danych lotniczego skaningu laserowego daje poprawne rezultaty klasyfikacji przy znacznej redukcji obliczeń.
    The direct and indirect information about terrain surface and land use contained in laser scanning data sets allow to provide the automatic classification of land cover. An attempt of using scanning data as a supplementary source for such classification based on aerial photos was performed in this article. A continuous-wave (CW) ScaLARS laser system was used to receive scanning data. Numerous experiments consisting in the classification of a part of Widawa River valley were carried out in order to find the best combination of data set and classification method. Three classification methods were used: multilayer neural networks, maximum likelihood classifier and k-nearest neighbour method. The classification was made and evaluated using: aerial images (RGB model), texture features, differential model of height of land cover, based on digital surface model (DSM), and digital terrain model (DTM), model of height dispersion represented by variance of measured points height in a regular grid and intensity image. In order to quantify the quality of the results, a confusion matrix was created for each testing pattern based on manual digitalized reference data. The best results are obtained by artificial neural network classifier. The use of variance of height, instead of differential model, gives satisfactory results, and the obtaining of this feature is easy and fast in comparison to DTM and DSM building process.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 93-103
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-40 z 40

      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