Informacja

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

Wyszukujesz frazę "Kohonen" wg kryterium: Temat


Tytuł:
Kohonen networks as ships classifier
Autorzy:
Żak, A.
Powiązania:
https://bibliotekanauki.pl/articles/331686.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Akustyczne
Tematy:
Kohonen networks
hydroacoustics
ships classifier
Opis:
The paper presents the technique of artifficial neural networks used as classifier of hydroacoustic signatures generated by moving ship. In the paper firstly the method of feature extraction from hydracoustic signatures using calculation of Mel-Frequency Cepstral Coefficients was discussed. Next the mathod of feature matching using for purpose of object classification basing on hydroacoustic signatures was described. The technique of artificial neural networks especially Kohonen networks which belongs to group of self organizing networks where chosen to solve the research problem of classification. the choice was caused by some advantages of mentioned kind of neural networks for example they are ideal for finding relationships amongst complex sets of data, they have possibility to self expand the set answers for new input vectors. To check the correctness of classifier work the research in which the number of right classification for presented and not presented before hydroacoustic signatures were made. some results of research were presented on this paper.
Źródło:
Hydroacoustics; 2008, 11; 467-476
1642-1817
Pojawia się w:
Hydroacoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci neuronowych Kohonena w klasyfikacji stanu obiektu
Kohonen Neutral Networks for Object State Classification
Autorzy:
Gibiec, M.
Powiązania:
https://bibliotekanauki.pl/articles/155199.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
sieci neuronowe Kohonena
Kohonen Neutral Networks
Opis:
W artykule przedstawiono możliwości wykorzystywania sieci neutronowych Kohonena do klasyfikacji stanu. Pokazano poprawne działanie sieci w przypadku danych z dziedziny częstotliwości oraz z dziedziny czasu. Zaprezentowano przykłady zastosowań do klasyfikacji stanu maszyny wirnikowej oraz klasyfikacji stanu procesu realizowanego przez blok energetyczny.
In this paper application of Kohen"s neutral networks for classification of object condition is presented. Network preformance was testd whit frequency and time domain data. Exemples of classification of a rotating machine condition and a state of process realized in power plant are presented.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 5, 5; 11-13
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting Competitive Swimming Performance
Autorzy:
Wilk, Robert
Fidos- Czuba, Olga
Rutkowski, Łukasz
Kozłowski, Krzysztof
Wiśniewski, Piotr
Maszczyk, Adam
Stanula, Arkadiusz
Roczniok, Robert
Powiązania:
https://bibliotekanauki.pl/articles/1055083.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Szczeciński. Wydawnictwo Naukowe Uniwersytetu Szczecińskiego
Tematy:
Kohonen feature map
regression
sports selection
swimming performance
Opis:
The aim of this study was to present the results of analyses conducted by means of complementary analytic tools in order to verify their efficacy and the hypothesis that Kohonen’s neural models may be applied in the classification process of swimmers. A group of 40 swimmers, aged 23 ±5 years took part in this research. For the purpose of verification of usefulness of Kohonen’s neural models, statistical analyses were carried out on the basis of results of the independent variables (physiological and physical profiles, specific tests in the water). In predicting the value of variables measured with the so called strong scale regression models, numerous variables were used. The construction of such models required strict determination of the endogenous variable (Y – results for swim distances of 200 m crawl), as well as the proper choice of variables in explaining the study’s phenomenon. The optimum choice of explanatory variables for the Kohonen’s networks was made on the grounds of regression analysis. During statistical analysis of the gathered material neural networks were used: Kohonen’s feature maps (data mining analysis). The obtained model has the form of a topological map, where certain areas can be separated, and the map constructed in this way can be used in the assessment of candidates for sports training.
Źródło:
Central European Journal of Sport Sciences and Medicine; 2015, 9, 1; 105-112
2300-9705
2353-2807
Pojawia się w:
Central European Journal of Sport Sciences and Medicine
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Anomalous and traditional diffusion modelling in SOM learning
Autorzy:
Hrebik, Radek
Kukal, Jaromir
Powiązania:
https://bibliotekanauki.pl/articles/949793.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
self organization
Kohonen map
diffusion learning
anomalous diffusion
SOM
Opis:
The traditional self organizing map (SOM) is learned by Kohonen learning. The main disadvantage of this approach is in epoch based learning when the radius and rate of learning are decreasing functions of epoch index. The aim of study is to demonstrate advantages of diffusive learning in single epoch learning and other cases for both traditional and anomalous diffusion models. We also discuss the differences between traditional and anomalous learning in models and in quality of obtained SOM. The anomalous diffusion model leads to less accurate SOM which is in accordance to biological assumptions of normal diffusive processes in living nervous system. But the traditional Kohonen learning has been overperformed by novel diffusive learning approaches.
Źródło:
Archives of Control Sciences; 2019, 29, 4; 699-717
1230-2384
Pojawia się w:
Archives of Control Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Regional differentiation of households in the context of a subjective assessment of the level of income
Regionalne zróżnicowanie gospodarstw domowych w kontekście subiektywnej oceny poziomu dochodów
Autorzy:
Grzywińska-Rąpca, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/548563.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Rzeszowski. Wydawnictwo Uniwersytetu Rzeszowskiego
Tematy:
household
subjective assessment
material situation
SOM
Kohonen
gospodarstwo domowe
subiektywna ocena
sytuacja materialna
Opis:
One of the factors affecting the stratification and diversity of living conditions of the population is the level of income of the population. Income levels indicate inequalities that are inevitable and even necessary to some extent. They are part of the incentive mechanisms in consumer behaviour. The aim of the article was to show, by grouping voivodships, the differences in the assessment of the subjective level of household income. Households participating in the Household Budget Survey conducted by the Polish Central Statistical Office reported the amount of income (in PLN) allowing (in their assessment) to recognize the given income as: very weak, insufficient, barely sufficient, good and very good. The specified values of the centroids made it possible to organize voivodships in Poland due to the level of analysed features and identification of groups in which there are households with similar expectations and a subjective assessment of the economic situation. Based on the analysis, it can be concluded that in terms of subjective assessments of the level of income obtained by households there are stratifications in the individual groups of voivodships. The analysis of the diversity of income level assessments was conducted in a spatial section (diversification of the phenomenon by voivodships). The SOM-Kohonen method was used for the analysis.
Jednym z czynników wpływających na rozwarstwienie i różnorodność warunków życia społeczeństwa jest poziom dochodu ludności. Poziom dochodu wskazuje na nierówności, które są nieuniknione, a nawet w pewnym stopniu niezbędne. Są elementem mechanizmów motywacyjnych w zachowaniach konsumentów. Celem artykułu jest wykazanie, za pomocą grupowania województw, zróżnicowania w ocenie subiektywnego poziomu dochodów gospodarstw domowych. Gospodarstwa uczestniczące w Badaniu budżetów gospodarstw domowych przeprowadzonym przez Główny Urząd Statystyczny podawały wysokość dochodów (w złotych) pozwalających (w ich ocenie) uznać dane dochody, jako: bardzo słabe, niewystarczające, ledwo wystarczające, dobre i bardzo dobre. Określone wartości centroidów umożliwiły uporządkowanie województw w Polsce ze względu na poziom analizowanych cech oraz identyfikację grup, w których są gospodarstwa domowe o podobnych oczekiwaniach i subiektywnej ocenie sytuacji gospodarczej. Na podstawie analizy można stwierdzić, że pod względem subiektywnych ocen poziomu dochodów uzyskiwanych przez gospodarstwa domowe istnieją stratyfikacje w poszczególnych grupach województw. Analiza różnorodności ocen poziomu dochodów została przeprowadzona w przekroju przestrzennym (zróżnicowanie zjawiska według województw). Do analizy zastosowano metodę SOM-Kohonen.
Źródło:
Nierówności Społeczne a Wzrost Gospodarczy; 2019, 60; 227-241
1898-5084
2658-0780
Pojawia się w:
Nierówności Społeczne a Wzrost Gospodarczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The method of neuron weight vector initial values selection in Kohonen network
Autorzy:
Chandzlik, S.
Powiązania:
https://bibliotekanauki.pl/articles/333164.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
neural networks
Kohonen network
neurological diseases diagnosis
Parkinson disease
hemiparesis after ischemic stroke
Opis:
Diagnosing of morbid conditions by means of automatic tools supported by computers is a significant and often used element in modern medicine. Some examples of these tools are automatic conclusion-making units of Parotec System for Windows (PSW). In the initial period of PSW system implementation, the units were used for recognition of orthopaedic diseases on the basis of the patient's walk and posture [15,17]. Subsequently, many additional options have been implemented, which have been used for purposes of diagnosing neurological diseases [1,2,3,9,12]. During automatic classification of diseases the additional units use elements of neural networks. The vectors based on normalised diagnostic measures [3] are inputs of the units. The measurements describe a patient's posture condition, his walk and overloads occurring on his feet. The Counter-Propagation (CP), two-layer network has been used in one of the automatic conclusion-making units. During CP network activity, we can see not only supervised but unsupervised learning processes as well. This is a characteristic feature of the CP network. The initial steps of the CP network learning process are very important, because the success of the network training process depends on them to a great extent. Therefore, a new method of weight vector initial values selection was proposed. The efficiency of the method was compared with classical methods. The results were very satisfactory. Owing to the proposed method, the time of the network training process as well as the mean-square error and the classification error was reduced. The research has been carried out using clinical cases of some neurological diseases: Parkinson's Disease, left-lateral hemiparesis and right-lateral hemiparesis after ischemic stroke. The measurements, which were made on a control group of patients without any neurological diseases, were the reference for these diagnostic classes.
Źródło:
Journal of Medical Informatics & Technologies; 2006, 10; 189-197
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kohonen Artificial Networks for the Verification of the Diameters of Water-pipes
Autorzy:
Dawidowicz, Jacek
Czapczuk, Andrzej
Kruszyński, Wojciech
Powiązania:
https://bibliotekanauki.pl/articles/2069889.pdf
Data publikacji:
2021
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
water distribution system
hydraulic calculations
diameter selection
Kohonen Network
evaluation of calculation results
Opis:
The design of the water distribution system is inherently linked to the execution of calculations, which aim, among other things, to determine the flow rate through individual pipes and the selection of diameters at the appropriate speed. Each step in the calculations is followed by an evaluation of the results and, if necessary, a correction of the data and further calculations. It is up to the designer to analyse the accuracy of the calculation results and is time-consuming for large systems. In this article, a diagnostic method for the results of hydraulic calculations, based on Kohonen Network, which classifies nominal diameters [DN] on the basis of data, in the form of flows, has been proposed. After calculating the new variant of the water distribution system, the individual calculation sections are assigned to the neurons of the topological map of Kohonen Network drawn up for nominal diameters. By comparing the diameter used for the calculation, with the diameter obtained on the topological map, the accuracy of the chosen diameter can be assessed. The topological map, created as a result of labelling the neurons of the output layer of the Kohonen Network, graphically shows the position of the classified diameter, relative to those diameters with similar input values. The position of a given diameter, relative to other diameters, may suggest the need to change the diameter of the pipe.
Źródło:
Rocznik Ochrona Środowiska; 2021, 23; 835--844
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The application of Kohonen networks for identification of leaders in the trade sector in Czechia
Autorzy:
Vrbka, Jaromír
Nica, Elvira
Podhorská, Ivana
Powiązania:
https://bibliotekanauki.pl/articles/22446390.pdf
Data publikacji:
2019
Wydawca:
Instytut Badań Gospodarczych
Tematy:
trade sector
Kohonen networks
leaders in the field
cluster analysis
return on equity
Opis:
Research background: The trade sector is considered to be the power of economy, in developing countries in particular. With regard to the Czech Republic, this field of the national economy constitutes the second most significant employer and, at the same time, the second most significant contributor to GNP. Apart from traditional methods of business analyzing and identifying leaders, artificial neural networks are widely used. These networks have become more popular in the field of economy, although their potential has yet to be fully exploited. Purpose of the article: The aim of this article is to analyze the trade sector in the Czech Republic using Kohonen networks and to identify the leaders in this field. Methods: The data set consists of complete financial statements of 11,604 enterprises that engaged in trade activities in the Czech Republic in 2016. The data set is subjected to cluster analysis using Kohonen networks. Individual clusters are subjected to the analysis of absolute indicators and return on equity which, apart from other, shows a special attraction of individual clusters to potential investors. Average and absolute quantities of individual clusters are also analyzed, which means that the most successful clusters of enterprises in the trade sector are indicated. Findings & Value added: The results show that a relatively small group of enter-prises enormously influences the development of the trade sector, including the whole economy. The results of analyzing 319 enterprises showed that it is possible to predict the future development of the trade sector. Nevertheless, it is also evident that the trade sector did not go well in 2016, which means that investments of owners are minimal.
Źródło:
Equilibrium. Quarterly Journal of Economics and Economic Policy; 2019, 14, 4; 739-761
1689-765X
2353-3293
Pojawia się w:
Equilibrium. Quarterly Journal of Economics and Economic Policy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Segmentation Analysis For Polish Digital Startups in Years 2015 and 2016
Analiza segmentacyjna polskich startupów cyfrowych w latach 2015–2016
Autorzy:
Rostek, Katarzyna
Skala, Agnieszka
Powiązania:
https://bibliotekanauki.pl/articles/2179638.pdf
Data publikacji:
2018-06-30
Wydawca:
Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
Tematy:
startup
segmentation
clustering
SOM Kohonen
characteristics
digital
segmentacja
klasteryzacja
sieci Kohonena
charakterystyki
technologie cyfrowe
Opis:
The largest study of the digital industry in Poland has been run since 2015 by the Startup Poland Foundation in cooperation with the researchers from the Warsaw University of Technology. Such studies are not easy to carry out because of the heterogeneity of the definitions of basic concepts, including the definition of a startup. This article presents a comparison of examples of this type of study carried out worldwide and identifies the main differences between them. On the basis of the data obtained from the Foundation’s research, a segmentation and comparative analysis of Polish startups was carried out, the results of which are presented in this article. Six main differentiating features of the defined segments were identified, of which the production of hardware by startups and cooperation with academia were of particular interest.
Największe badanie startupów branży cyfrowej w Polsce od 2015 r. wykonuje fundacja Startup Poland we współpracy z naukowcami z Politechniki Warszawskiej. Badania takie nie są łatwe do zrealizowania ze względu na niejednorodność definicji podstawowych pojęć, w tym definicji startupu. W artykule przedstawiono zestawienie przykładowych badań tego typu, wykonywanych na świecie i wskazano główne różnice, jakie między nimi występują. Na podstawie danych otrzymanych w ramach badań fundacji, przeprowadzono analizę segmentacyjną i porównawczą polskich startupów, której wyniki zaprezentowano w artykule. Zidentyfikowano sześć głównych cech różnicujących poszczególne segmenty, wśród których na szczególną uwagę zasługuje fakt produkowania przez startupy hardware’u oraz prowadzenie współpracy z nauką.
Źródło:
Studia i Materiały; 2018, 1(26); 55-67
1733-9758
Pojawia się w:
Studia i Materiały
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial intelligence methods to the study and analysis of the causes of employee turnover at enterprises
Primenenie metod iskustvennogo intellekta dlja issledovanija i analiza prichin tekuchesti kadrov na predprijatijakh
Autorzy:
Ryazantseva, N.
Powiązania:
https://bibliotekanauki.pl/articles/793056.pdf
Data publikacji:
2014
Wydawca:
Komisja Motoryzacji i Energetyki Rolnictwa
Tematy:
artificial intelligence
analysis
employee turnover
enterprise
personnel
Kohonen network
personnel policy
decision making
mathematical model
Źródło:
Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2014, 14, 2
1641-7739
Pojawia się w:
Teka Komisji Motoryzacji i Energetyki Rolnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci Kohonena i wykresu rozrzutu do identyfikacji grup miodów według ich cech elektrycznych
Application of Kohonen map and a scatter diagram for identification of honey groups according to their electric features
Autorzy:
Łuczycka, D.
Pruski, K.
Powiązania:
https://bibliotekanauki.pl/articles/291382.pdf
Data publikacji:
2012
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
miód
właściwości elektryczne
sztuczna sieć neuronowa
sieci Kohonena
honey
electric properties
artificial neuron networks
Kohonen maps
Opis:
Celem pracy jest wykonanie analiz symulacyjnych bazujących na sieci Kohonena i skalowaniu wielowymiarowym, oraz możliwość zastosowania tych technik do identyfikacji grup miodów odmianowych pod względem cech elektrycznych. Przebadano przenikalność elektryczną, współczynnik strat dielektrycznych oraz przewodność szesnastu gatunków miodów (spadziowe i nektarowe). W wyniku przeprowadzonych analiz stwierdzono, że sieci Kohonena oraz skalowanie wielowymiarowe są dobrymi narzędziami do określania liczności i składu gatunkowego grup miodów odmianowych. Właściwą architekturą sieci Kohonena tworzącą poprawną mapę topologiczną, dla analizowanych cech miodu, jest mapa zbudowana z 9 neuronów wyjściowych o wymiarach 3x3.
The purpose of the work is to carry out simulation analysis which are based on Kohonen map and multidimensional scaling and the possibility of application of these technologies for identification of cultivar honey groups in relation to their electric properties. Electric conductivity, coefficient of dielectric losses and conductivity of 16 cultivars of honey (honeydew and nectar honey) were researched. As a result of the analysis which was carried out, it was determined that Kohonen map and multidimensional scaling are good devices for determining the number and species composition of cultivar honey groups. A map formed of 9 output neurons of 3x3 dimensions is the proper architecture of Kohonen map which forms a correct topology map for the analysed properties of honey.
Źródło:
Inżynieria Rolnicza; 2012, R. 16, nr 2, t. 2, 2, t. 2; 169-175
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deployment of an Agent-based SANET Architecture for Healthcare Services
Autorzy:
Chiu, C.
Chaczko, Z.
Powiązania:
https://bibliotekanauki.pl/articles/226290.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
BDI Agent Framework
Extended Kohonen Maps (EKM)
healthcare infrastructures
Rao-Blackwell filtering
Sensor Actuator Networks (SANETs)
Opis:
This paper describes the adaptation of a computational technique utilizing Extended Kohonen Maps (EKMs) and Rao-Blackwell-Kolmogorov (R-B) Filtering mechanisms for the administration of Sensor-Actuator networks (SANETs). Inspired by the BDI (Belief-Desire-Intention) Agent model from Rao and Georgeff, EKMs perform the quantitative analysis of an algorithmic artificial neural network process by using an indirect-mapping EKM to self-organize, while the Rao-Blackwell filtering mechanism reduces the external noise and interference in the problem set introduced through the self-organization process. Initial results demonstrate that a combinatorial approach to optimization with EKMs and Rao-Blackwell filtering provides an improvement in event trajectory approximation in comparison to standalone cooperative EKM processes to allow responsive event detection and optimization in patient healthcare.
Źródło:
International Journal of Electronics and Telecommunications; 2011, 57, 3; 309-315
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie samoorganizujących się map cech w diagnostyce silników o zapłonie samoczynnym
Application of self-organizing maps of characteristics in the diagnostics of self-ignition engines
Autorzy:
Klimkiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/287341.pdf
Data publikacji:
2008
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
silnik o zapłonie samoczynnym
diagnostyka
mapa cech
sieć Kohonena
diesel engine
diagnostics
self-organizing map
Kohonen map
Opis:
Wykorzystano właściwości samoorganizujących się map cech w wykrywaniu uszkodzeń silników z zapłonem samoczynnym. Zbudowano model, w którym zmiennymi wejściowymi są symptomy zaobserwowane przez użytkownika wskazujące na niewłaściwą pracę silnika oraz sprawdzenia i pomiary wykonane przez mechanika. Za pomocą mapy topologicznej zlokalizowano podobne skupienia przypadków. Neuronom radialnym mapy nadano etykiety zgodne z nazwami mogących się pojawić usterek.
The researchers made use of self-organizing properties of maps of characteristics in detecting defects of self-ignition engines. A model was developed with the following input variables: the symptoms observed by user that indicate abnormal engine work, and checks and measurements carried out by a mechanic. Similar concentrations of clusters were located using a topological map. Radial neurons in the map were marked with labels consistent with names of defects, which may possibly occur.
Źródło:
Inżynieria Rolnicza; 2008, R. 12, nr 7(105), 7(105); 101-108
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowej Kohonena do wizualizacji danych MPG
Use of Kohonen neural network in MPG data visualisation
Autorzy:
Oszutowska-Mazurek, D. A.
Powiązania:
https://bibliotekanauki.pl/articles/135818.pdf
Data publikacji:
2016
Wydawca:
Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
Tematy:
sieć neuronowa Kohonena
samoorganizujące się mapy
SOM
wizualizacja danych
dane MPG
Kohonen neural network
self organizing map
Opis:
Wstęp i cel: Zastosowanie sieci neuronowych Kohonena zapewnia zmniejszenie wielowymiarowości danych. Wizualizacja w postaci map samoorganizujących się (SOM) jest użytecznym narzędziem do wstępnego kastrowania (grupowania) danych. Materiał i metody: Wizualizację przeprowadzona dla rzeczywistych danych, udostępnionych przez uniwersytet w Kalifornii za pomocą oprogramowania SNNS v.4.3. Głównym celem pracy jest zastosowanie sieci neuronowych Kohonena zapewniające zmniejszenie wielowymiarowości danych. Wyniki: Otrzymano wizualizacje danych wskazujące jednoznacznie na dodatnie i ujemne korelacje danych MPG. Wniosek: Mapy samoorganizujące się mogą być dedykowane wizualizacji danych wielowymiarowych jednak wyniki zależą od sposobu mapowania danych wejściowych, zwłaszcza o charakterze jakościowym, nawet jeśli stosowana jest normalizacja każdego z parametrów.
Introduction and aim: The use of Kohonen neural network ensures the decrease of data multidimensionality. Visualisation called Self organized maps is useful tool for preliminary data clustering. Material and methods: The visualisation of real data set was obtained with the use of program SNNS v.4.3 for real dataset from California University. The main aim of this paper is the use of Kohonen neural network to ensure the reduction of multidimensional data. Results: Obtained visualisations of data indicate unambiguously positive and negative correlations for MPG data Conclusion: Self organising maps could be dedicated to multidimensional data visualisation and preliminary quality assessment, but the results depend on the mapping method of input data, especially quantity type, even if normalisation of every parameter is provided.
Źródło:
Problemy Nauk Stosowanych; 2016, 4; 19-30
2300-6110
Pojawia się w:
Problemy Nauk Stosowanych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe ANN : sieci Kohonena
Artificial neural networks (ANN) : Kohonen networks
Autorzy:
Iljaszewicz, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/131981.pdf
Data publikacji:
2018
Wydawca:
Wrocławska Wyższa Szkoła Informatyki Stosowanej Horyzont
Tematy:
Sieci Kohonena
sieci neuronowe
mapa samoorganizująca
SOM
WEBSOM
Kohonen networks
artificial neural networks
ANN
Self Organizing Map
Opis:
Artykuł omawia sztuczne sieci neuronowe (ang. ANN- Artificial neural networks). Jedną z odmian są sieci Kohonena zwane Mapą Samoorganizującą (ang. SOM – Self Organizing Map) realizują one proces uczenia się sieci neuronowych samodzielnie tzn. rozpoznają relacje występujące w skupieniach poprzez wykrycie wewnętrznej struktury i kategoryzują je w procesie samouczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej do przestrzeni jednowymiarowej lub dwuwymiarowej. Główną cechą SOM jest to, że tworzy on nieliniową projekcję wielowymiarową kolektora danych na regularnej, niskowymiarowej (zwykle 2D) sieci. Na wyświetlaczu klastrowanie przestrzeni danych, jak również relacje metryczno-topologiczne elementów danych, są wyraźnie widoczne. Jeśli elementy danych są wektorami, składniki, których są zmiennymi z określone znaczenie, takie jak deskryptory danych statystycznych lub pomiary, które opisują proces, siatka SOM może być wykorzystana, jako podstawa, na której może znajdować się każda zmienna wyświetlane osobno przy użyciu kodowania na poziomie szarości lub pseudo koloru. Ten rodzaj projekcji został uznany za bardzo przydatny do zrozumienia wzajemnych zależności między zmiennymi, a także strukturami zbioru danych.
The article discusses artificial neural networks (ANN). One of the varieties is the Kohonen network, called the Self Organizing Map (SOM), that perform the learning process of neural networks independently, i.e. they recognize relationships occurring in clusters by detecting an internal structure and categorizing them in the process of self-learning. SOM is used to form mapping from a multidimensional space to a one-dimensional or two-dimensional space. The main feature of SOM is that it creates a non-linear multi-dimensional projection of a data collector on a regular, low-dimensional (usually 2D) network. On the display, data space clustering as well as metric-topological relations of data elements are clearly visible. If the data elements are vectors, the components of which are variables with defined meanings, such as statistical data descriptors or measurements that describe the process, the SOM grid can be used as a basis on which each variable can be displayed separately using gray or pseudo-color coding. This type of projection has been found to be very useful for understanding the interrelationships between variables as well as data set structures.
Źródło:
Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka; 2018, 8, 1; 34-39
2082-9892
Pojawia się w:
Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł

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