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 "MLP neural networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Koncepcja wykorzystania sieci neuronowych MLP w procesie likwidacji szkód komunikacyjnych
    Concept of the use of MLP neural networks in the process of traffic damage liquidation
    Autorzy:
    Czech, P.
    Wilk, K.
    Łukasik, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/197229.pdf
    Data publikacji:
    2008
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    ruch drogowy
    szkody komunikacyjne
    bezpieczeństwo ruchu
    sieć neuronowa MLP
    road traffic
    traffic damage
    traffic safety
    MLP neural networks
    Opis:
    W artykule przedstawiono wyniki prób zastosowania sieci neuronowej typu MLP do określania stanu deformacji nadwozia pojazdu samochodowego, będącej skutkiem kolizji drogowej. Jako parametr badawczy przyjęto rozmiar szkody określony pracą deformacji nadwozia pojazdu poszkodowanego Wdef. Dodatkowo sprawdzono przydatność sieci MLP do określenia rozmiaru szkody komunikacyjnej będącej skutkiem kolizji drogowej. Jako parametr badawczy przyjęto rozmiar szkody określony współczynnikiem zależnym od kosztu naprawy uszkodzonego pojazdu oraz jego wartości rynkowej. Elementy mechanizmu zdarzenia szkodowego determinujące rozmiar szkody stanowiły czynniki wewnętrzne układu, tj. cechy techniczne pojazdów, cechy osobnicze kierujących, wpływ czynników atmosferycznych oraz lokalizacji czasowo-przestrzennej zdarzenia. Badaniem objęto tysiąc przypadków zgłoszonych w celu likwidacji w śląskim oddziale jednego z zakładów ubezpieczeń. W przeprowadzonych badaniach sprawdzono również działanie sieci neuronowych dla ograniczonej liczby danych wejściowych.
    In the article the attempt to use the MLP neural network to define the state of the motor-car body deformation as a result of road collision was presented. As the research parameter the size of damage of the car of the aggrieved party was assumed, defined by the work of the motor-car body deformation Wdef. Additionally the usefulness of the MLP network to define the size of traffic damage being a result of a road collision was checked. As the research parameter the size of the damage was assumed, defined by the coefficient dependent on the cost of the damaged car repair and its market value. The elements of the mechanism of the damaging event determining the size of the damage were the interior factors of the system, that is, the technical features of the vehicles, the personal character features of the drivers, the influence of the weather conditions and the location of the event in time and space. The research was conducted on one thousand cases submitted to liquidate in the Silesian branch of one of the insurance companies. In the conducted research the functioning of the neural network for limited amount of initial data was checked.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2008, 64; 93-103
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural networks type MLP in the process of identification of chosen varieties of maize
    Sieci neuronowe typu MLP w procesie identyfikacji wybranych odmian kukurydzy
    Autorzy:
    Boniecki, P.
    Nowakowski, K.
    Tomczak, R. J.
    Powiązania:
    https://bibliotekanauki.pl/articles/334052.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    sieci neuronowe typu MLP
    identyfikacja
    odmiana
    kukurydza
    neural networks type MLP
    identification
    maize
    variety
    Opis:
    During the adaptation process of the weights vector that occurs in the iterative presentation of the teaching vector, the MLP type artificial neural network (Multi Layer Perception) attempts to learn the structure of the data. Such a network can learn to recognize aggregates of input data occurring in the input data set regardless of the assumed criteria of similarity and the quantity of the data explored. The MLP type neural network can be also used to detect regularities occurring in the obtained graphic empirical data. The neuronal image analysis is then a new field of digital processing of signals. It is possible to use it to identity chosen objects given in the form of bit map. If at the network input, a new unknown case appears which the network is unable to recognize, it means that it is different from all the classes known previously. The MLP type artificial neural network taught in this way can serve as a detector signaling the appearance of a widely understood novelty. Such a network can also look for similarities between the known data and the noisy data. In this way, it is able to identity fragments of images presented in photographs of e.g. maize grain. The purpose of the research was to use the MLP neural networks in the process of identification of chosen varieties of maize applying the image analysis method. The neuronal classification shapes of grains was performed with the use of the Johan Gielis super formula.
    Podczas iteracyjnej korekcji wektora wag, zachodzącej w trakcie procesu uczenia sieci neuronowej typu MLP (perceptron wielowarstwowy), następuje adaptacja (przez tworzony model neuronowy) wiedzy zawartej w strukturze analizowanych danych. W badaniach prowadzonych w dyscyplinie inżynieria rolnicza, istotne znaczenie ma proces pozyskiwania informacji zakodowanej w postaci graficznej, np. w formie zdjąć cyfrowych. Często zmiennymi reprezentatywnymi, które w sposób wystarczający charakteryzują zobrazowany obiekt, są wybrane współczynniki kształtu. Celem badań było wykorzystanie sieci neuronowych typu MLP w procesie identyfikacji wybranych odmian kukurydzy z wykorzystaniem metod analizy obrazu. Wykorzystana metoda klasyfikacji polegała na rozpoznawaniu różnic kształtów analizowanych obiektów. Neuronowa identyfikacja została wykonana z użyciem super formuły Johana Gielisa.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2011, 56, 1; 11-13
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application perspective of digitalneural networks in the context of marine technologies
    Autorzy:
    Konon, V.
    Konon, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/24201415.pdf
    Data publikacji:
    2022
    Wydawca:
    Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
    Tematy:
    marine technology
    multi-layer perceptron
    neural networks
    digital neural networks
    maritime industry
    MLP algorithm
    3D model
    Artificial Neural Network
    Opis:
    This study is focused on the issue of digital neural networks’ implementation in the context of maritime industry. Various algorithms of such networks in the terms of the marine technologies have been reviewed in the current study in order to evaluate the effectiveness of the methodology and to propose a new concept of an artificial neural network’s application in this way. Fire-detection system simulation based on the thermal imagers’ data input had been developed to assess the efficiency of the concept suggested with a multi-layer perceptron (MLP) algorithm integrated into the designed 3d-model.
    Źródło:
    TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2022, 16, 4; 743--747
    2083-6473
    2083-6481
    Pojawia się w:
    TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie sztucznych sieci neuronowych do klasyfikacji struktur odmienionych węgla kamiennego w strefach przyuskokowych
    The application of artificial neural networks for the classification of altered structures of hard coal in near-fault zones
    Autorzy:
    Młynarczuk, M.
    Godyń, K.
    Skiba, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/166211.pdf
    Data publikacji:
    2015
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Górnictwa
    Tematy:
    struktura węgla
    uskoki
    sztuczne sieci neuronowe
    perceptron wielowarstwowy (MLP)
    coal structure
    near-fault zones
    artificial neural networks
    multi-layer perceptron (MLP)
    Opis:
    Wewnętrzna budowa strukturalna węgla kamiennego ze stref uskokowych, w szczególności obecność spękań o charakterze egzogenicznym, kataklazy oraz mylonitu, może odpowiadać za zwiększoną pojemność gazową węgla i wskazywać na pokłady szczególnie zagrożone zjawiskami gazo-geodynamicznymi. Problematyka węgla odmienionego strukturalnie jest przedmiotem zainteresowania badaczy z różnych krajów. Zaproponowali oni metody klasyfikacji takiego węgla. W ramach opisywanych badań skupiono się na jednej z takich metod w celu zweryfikowania możliwości wykorzystania sztucznych sieci neuronowych jako narzędzia wspomagającego decyzje dotyczące klasyfikacji poszczególnych struktur. Badania prowadzono na zdjęciach wykonanych przy użyciu mikroskopu optycznego. Zdefiniowano wielowymiarową przestrzeń cech, bazującą głównie na parametrach otrzymanych z różnie zdefiniowanych gradientów. W badaniach wykorzystano dwuwarstwową sieć jednokierunkową (MLP). Jej zastosowanie umożliwiło zweryfikowanie w sposób sformalizowany subiektywnych decyzji obserwatora. W rezultacie badań wykazano, że użycie sztucznych sieci neuronowych pozwala na klasyfikację struktur odmienionych węgla na poziomie 91% zgodności z decyzjami obserwatora-geologa.
    The internal structure of hard coal in near-fault zones - in particular, the presence of exogenic cracks, cataclasis and mylonite - can be the decisive factor when it comes to the increased gas capacity of coal and pose a greater risk of the occurrence of gaso-geodynamic phenomena. The problem of structurally altered coal has been of interest to a lot of researchers from various countries, who have proposed certain methods of classifying such coal. As part of the described research, one of such methods was analyzed, with the aim of verifying the possibilities of using artificial neural networks as a tool facilitating the classification of particular structures. The analysis was performed with the use of photographs taken with the optical microscope. A multidimensional feature space was determined, based mainly on the parameters obtained from differently defined gradients. A two-layer, unidirectional network (MLP) was used in the research, which made it possible to verify - in a formalized way - subjective decisions of the researcher. The tests ultimately demonstrated that the application of artificial neural networks results in successful classification of the altered structures of coal, with the level of compatibility with the decisions made by a researcher-geologist at ca. 91 percent.
    Źródło:
    Przegląd Górniczy; 2015, 71, 11; 15-20
    0033-216X
    Pojawia się w:
    Przegląd Górniczy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A survey of factors influencing MLP error surface
    Autorzy:
    Kordos, M.
    Duch, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/970445.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    sieć neuronowa
    powierzchnia błędów
    wizualizacja
    trajektoria uczenia się
    neural networks
    MLP
    error surface
    visualization
    learning trajectory
    Opis:
    Visualization of neural network error surfaces and learning trajectories helps to understand the influence of numerous factors on the neural learning process. This understanding can be used to improve training and design of MLP networks. The following topics are discussed using a few benchmark datasets for illustration: general error surface properties including local minima, plateaus and narrow funnels, their dependence on network structure, input data, transfer and error functions, consequences of weight initialization, and interesting directions in the weight space. The error surfaces are shown in 3-dimensional PCA-based projections. Finally a possibility of effective weight number reduction is discussed.
    Źródło:
    Control and Cybernetics; 2004, 33, 4; 611-631
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of artificial neural networks for the prediction of quality characteristics of potato tubers - Innovator variety
    Zastosowanie sztucznych sieci neuronowych do predykcji cech jakościowych bulw ziemniaka odmiany Innovator
    Autorzy:
    Niedbała, G.
    Piekutowska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/335124.pdf
    Data publikacji:
    2018
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    potato
    Innovator
    dry matter
    neural networks
    sensitivity analysis
    MLP
    ziemniak
    sucha masa
    sieci neuronowe
    analiza wrażliwości
    Opis:
    The aim of the research was to create a model for prediction of tuber dry matter on the basis of underwater weight of tubers (UWW), with the use of neural modelling methods. In order to achieve the aim of the study, data from the years 2011-2017 were collected from the production fields of an individual farm located at the border of Pomeranian and West Pomeranian Voivodeships in Słupski and Sławieński districts. The subject of the research concerned potatoes of the Innovator variety, which were grown for processing purposes - production of French fries. To build a neural model, data from September sampling as well as meteorological and fertilizer data were used. A total of 82 learning cases from the fields covered by the analyses were used, which were divided into two sets. Set 1, for the construction of the neural model consisted of 75 samples. Set 2, which consisted of 7 randomly selected samples, had a validation function and did not participate in the construction of the neural model. For proper model validation, four forecast error measures were used, i.e. relative approximation error (RAE), root mean square error (RMS), mean absolute error (MAE), mean absolute percentage error (MAPE). The model MLP 8:8-12-5-1:1 (BP100,CG31b) was based on eight inputs (meteorological data, fertilization levels) and one output (dry matter of tubers under water). The analysis resulted in a forecast error of 2.81% of MAPE. Moreover, the sensitivity analysis of the neural network showed that the mean air temperature in the period from April to September (T4-9) had the greatest influence on the dry matter of tubers.
    Celem pracy było wytworzenie modelu do predykcji suchej masy bulw na podstawie masy bulw pod wodą z wykorzystaniem metod modelowania neuronowego. Dla realizacji celu pracy zebrano dane pochodzące z lat 2011-2017 pochodzące z pól produkcyjnych gospodarstwa indywidualnego, zlokalizowanego przy granicy województw pomorskiego i zachodniopomorskiego w powiatach słupskim i sławieńskim. Przedmiotem badań były ziemniaki odmiany Innovator, które uprawiano na cele przetwórcze - produkcję frytek. Do budowy modelu neuronowego, wykorzystano dane pochodzące z wrześniowych próbkowań oraz dane meteorologiczne i nawozowe. Łącznie użyto 82 przypadków uczących pochodzących z pól objętych analizami, które zostały podzielone na dwa zbiory. Zbiór 1, do budowy modelu neuronowego składał się z 75 prób. Zbiór 2, który tworzyło 7 losowo wybranych prób, pełnił funkcję walidacyjną i nie uczestniczył w budowie modelu neuronowego. Dla właściwej walidacji modelu zastosowano cztery mierniki błędów prognozy, tj. globalny względny błąd aproksymacji modelu (RAE), błąd średniokwadratowy (RMS), błąd średni bezwzględny (MAE), błąd średni bezwzględny procentowy (MAPE). Wytworzony model MLP 8:8-12-5-1:1 (BP100,CG31b) bazował na ośmiu wejściach (dane meteorologiczne, poziomy nawożenia) i jednym wyjściu (sucha masa bulw pod wodą). W wyniku przeprowadzonych analiz uzyskano wynik błędu prognozy na poziomie 2.81% MAPE. Ponadto analiza wrażliwości sieci neuronowej wykazała, że największy wpływ na suchą masę bulw miała średnia temperatura powietrza w okresie od kwietnia do września (T4-9).
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 132-138
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Suitability assessment of artificial neural network to approximate surface subsidence due to rock mass drainage
    Autorzy:
    Hejmanowski, R.
    Witkowska, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/92051.pdf
    Data publikacji:
    2015
    Wydawca:
    Główny Instytut Górnictwa
    Tematy:
    osiadanie
    odwodnienie kopalni podziemnej
    sztuczna sieć neuronowa
    MLP
    subsidence
    drainage of underground mine
    artificial neural networks
    Opis:
    Based on the previous studies conducted by the authors, a new approach was proposed, namely the tools of artificial intelligence. One of neural networks is a multilayer perceptron network (MLP), which has already found applications in many fields of science. Sequentially, a series of calculations was made for different MLP neural network configuration and the best of them was selected. Mean square error (MSE) and the correlation coefficient R were adopted as the selection criterion for the optimal network. The obtained results were characterized with a considerable dispersion. With an increase in the amount of hidden neurons, the MSE of the network increased while the correlation coefficient R decreased. Similar conclusions were drawn for the network with a small number of hidden neurons. The analysis allowed to select a network composed of 24 neurons as the best one for the issue under question. The obtained final answers of artificial neural network were presented in a histogram as differences between the calculated and expected value.
    Źródło:
    Journal of Sustainable Mining; 2015, 14, 2; 101-107
    2300-1364
    2300-3960
    Pojawia się w:
    Journal of Sustainable Mining
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of artificial neural networks to analyze the emergence of soybean seeds after applying herbal treatments
    Zastosowanie sztucznych sieci neuronowych do analizy wschodów nasion soi po zastosowaniu zapraw ziołowych
    Autorzy:
    Niedbała, G.
    Piekutowska, M.
    Rudowicz-Nawrocka, J.
    Adamski, M.
    Wojciechowski, T.
    Herkowiak, M.
    Szparaga, A.
    Czechowska-Kosacka, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/335114.pdf
    Data publikacji:
    2018
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    soybean
    natural seed treatments
    neural networks
    sensitivity analysis
    MLP
    soja
    naturalne zaprawy nasienne
    sieci neuronowe
    analiza wrażliwości
    Opis:
    The aim of the following work is to indicate factors which significantly affect the emergence of selected soybean varieties after application of natural herbal extracts based on - Levisticum officinale L., Ribes nigrum L., Matricaria chamomilla L., as wet seed treatments using two methods of treatment. The research material included seeds treated for 24 hours in macerats, decoctions and infusions made from the above herb species as well as untreated seeds, seeded together with preparations in point application. Untreated seeds were used as the control group. The experiment was being conducted for 16 days in a greenhouse facility belonging to the COBORU Experimental Station for Variety Testing in Karzniczka. The assessed parameter referred to the percentage of soybean seedlings emergence ability determined based on the number of emerged plants. Indication of the importance of factors in shaping soybean emergence and considering their rank was possible due to the sensitivity analysis of the generated neural network with the MLP architecture 4:4-13-5-1:1 with two hidden layers. All analyzed factors of the experiment significantly shaped the ability of soybean emergence, with the following order: cultivar, application method, herb species from which the extract was made, form of preparation.
    Celem pracy było wskazanie czynników istotnie wpływających na wschody wybranych odmian soi po zastosowaniu naturalnych ekstraktów wodnych na bazie ziół - Levisticum officinale L., Ribes nigrum L., Matricaria chamomilla L., jako zapraw nasiennych na mokro z wykorzystaniem dwóch sposobów zaprawiania. Materiał badawczy stanowiły nasiona zaprawiane przez dobę w maceratach, wywarach i naparach sporządzonych z powyższych gatunków ziół oraz nasiona niezaprawiane, wysiewane łącznie z aplikacją punktową preparatów. Za obiekt kontrolny przyjęto nasiona niezaprawiane. Eksperyment prowadzono przez 16 dni w obiekcie szklarniowych należącym do Stacji Doświadczalnej Oceny Odmian COBORU w Karzniczce. Parametrem poddanym ocenie była procentowa zdolność wschodów siewek soi określana na podstawie liczby wzeszłych roślin. Wskazanie istotności czynników w kształtowaniu zdolności wschodów soi oraz uwzględnienie ich rangi było możliwe dzięki analizie wrażliwości wytworzonej sieci neuronowej o architekturze MLP 4:4-13-5-1:1 z dwoma ukrytymi warstwami. Wszystkie analizowane czynniki doświadczenia znacząco kształtowały zdolność wschodów soi, a ich waga miała następującą kolejność: odmiana, sposób aplikacji preparatu, gatunek zioła, z którego sporządzono ekstrakt, forma preparatu.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2018, 63, 4; 145-149
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sieci neuronowe typu MLP w prognozowaniu plonu jęczmienia jarego
    MLP artificial neural networks in predicting the yield if spring barley
    Autorzy:
    Janaszek-Mańkowska, Monika
    Mańkowski, Dariusz R.
    Kozdój, Janusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2198009.pdf
    Data publikacji:
    2011-03-31
    Wydawca:
    Instytut Hodowli i Aklimatyzacji Roślin
    Tematy:
    jęczmień jary
    MLP
    linie DH
    prognozowanie plonu
    sztuczne sieci neuronowe
    artificial neural networks
    DH lines
    spring barley
    yield prediction
    Opis:
    U roślin zbożowych, poszczególne cechy plonotwórcze oraz struktura morfologiczna kłosa kształtują się w określonych fazach rozwojowych, które zachodzą w zmiennych warunkach środowiska. Interakcja genotypu z biotycznymi i abiotycznymi czynnikami środowiska w trakcie trwania okresu wegetacji roślin również wpływa na kształtowanie się wielkości plonu. W niniejszej pracy dokonano aproksymacji wielkości plonu na podstawie cech, charakteryzujących nie tylko okres wegetacji roślin, ale także fazę ich pełnej dojrzałości. Do aproksymacji wykorzystano sieć MLP o bardzo prostej topologii, wynikającej zarówno z liczby, jak i struktury dostępnych danych. Efekt wytrenowania sieci był pozytywny. Uzyskane wyniki wyraźnie wskazują, iż sieć typu MLP może służyć jako narzędzie wspomagające prognozowanie plonu jęczmienia jarego.
    In cereal plants, individual yielding characteristics and the morphological structure of the spike are formed in certain phases of development, which occur in varying environmental conditions. The interaction of genotype with the biotic and abiotic environmental factors during the period of vegetation also affects the formation of yield. In this paper we approximate the yield on the basis of traits that characterize not only the vegetation period, but also the phase of full maturity. For the approximation, an MLP network with a very simple topology, resulting from both the number and structure of available data, was used. The effect of network training was positive. The results obtained show clearly that the MLP network may be used as a support tool for the prediction of the yield of spring barley.
    Źródło:
    Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin; 2011, 259; 93-112
    0373-7837
    2657-8913
    Pojawia się w:
    Biuletyn Instytutu Hodowli i Aklimatyzacji Roślin
    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
      Wyświetlanie 1-10 z 10

      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