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 "Machine Learning" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
Wyświetlanie 1-15 z 442
Tytuł:
Zastosowanie uczenia maszynowego w budowie interfejsu sterowanego głosem na przykładzie odtwarzacza muzyki
Applying of machine learning in the construction of a voice-controlled interface on the example of a music player
Autorzy:
Basiakowski, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/98114.pdf
Data publikacji:
2019
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
sieć neuronowa
rozpoznawanie głosu
machine learning
neural network
speech recognition
Opis:
Poniższy artykuł przedstawia wyniki badań wpływu zastosowania uczenia maszynowego w budowie interfejsu sterowanego głosem. Do analizy wykorzystane zostały dwa różne modele: jednokierunkowa sieć neuronowa zawierająca jedną warstwę ukrytą oraz bardziej skomplikowana konwolucyjna sieć neuronowa. Dodatkowo wykonane zostało porównanie modeli użytych w celu realizacji badań pod względem jakości oraz przebiegu treningu.
The following paper presents the results of research on the impact of machine learning in the construction of a voice-controlled interface. Two different models were used for the analysys: a feedforward neural network containing one hidden layer and a more complicated convolutional neural network. What is more, a comparison of the applied models was presented. This comparison was performed in terms of quality and the course of training.
Źródło:
Journal of Computer Sciences Institute; 2019, 13; 302-309
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie rozmytej mapy kognitywnej w prognozowaniu efektywności pracy wypożyczalni rowerowych
Application of fuzzy cognitive map to predict of effectiveness of bike sharing systems
Autorzy:
Jastriebow, A.
Kubuś, Ł.
Poczęta, K.
Powiązania:
https://bibliotekanauki.pl/articles/408030.pdf
Data publikacji:
2017
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
rozmyta mapa kognitywna
model prognozowania
obliczenia ewolucyjne
uczenie maszynowe
fuzzy cognitive map
predictive model
evolutionary computation
machine learning
Opis:
W pracy zaproponowano zastosowanie rozmytej mapy kognitywnej wraz z ewolucyjnymi algorytmami uczenia do modelowania systemu prognozowania efektywności pracy wypożyczalni rowerowych. Na podstawie danych historycznych zbudowano rozmytą mapę kognitywną, którą następnie zastosowano do prognozowania liczby rowerzystów i klientów wypożyczalni w trzech kolejnych dniach. Proces uczenia zrealizowano z zastosowaniem indywidualnego kierunkowego algorytmu ewolucyjnego IDEA oraz algorytmu genetycznego z kodowaniem zmiennoprzecinkowym RCGA. Analizę symulacyjną systemu prognozowania efektywności pracy wypożyczalni rowerowych przeprowadzono przy pomocy oprogramowania opracowanego w technologii JAVA.
This paper proposes application of fuzzy cognitive map with evolutionary learning algorithms to model a system for prediction of effectiveness of bike sharing systems. Fuzzy cognitive map was constructed based on historical data and next used to forecast the number of cyclists and customers of bike sharing systems on three consecutive days. The learning process was realized with the use of Individually Directional Evolutionary Algorithm IDEA and Real-Coded Genetic Algorithm RCGA. Simulation analysis of the system for prediction of effectiveness of bike sharing systems was carried out with the use of software developed in JAVA.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 4; 70-73
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metod uczenia maszynowego w analizie obrazu mikroskopowego płytek ceramicznych
Application of machine learning methods in the analysis of the microscopic image of ceramic tiles
Autorzy:
Gąsiński, Arkadiusz
Tymowicz-Grzyb, Paulina
Powiązania:
https://bibliotekanauki.pl/articles/36118598.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Ceramiki i Materiałów Budowlanych
Tematy:
analiza obrazu
uczenie maszynowe
mikroskopia elektronowa
image analysis
machine learning
electron microscopy
Opis:
Współczesne metody badań stosowane w nowoczesnych technikach badawczych spowodowały, że zbierane są ogromne ilości danych, które muszą być poddane dalszej analizie. Uczenie maszynowe pomaga interpretować zgromadzone dane, a po ich przetworzeniu może pomóc podjąć dalsze decyzje. Metoda ta ma coraz większe zastosowanie w kontroli jakości wyrobów. W artykule przedstawiono zastosowanie nadzorowanej wersji uczenia maszynowego w badaniach nad optymalizacją rozpoznawania faz chemicznych z obrazów mikroskopowych i obrazów składu chemicznego dla płytek ceramicznych. Stwierdzono, że w przypadku opracowanych danych z elektronowej mikroskopii skaningowej, najlepsze wyniki uzyskano dla algorytmu CART (drzewo decyzyjne). Zastosowana metodyka znacznie usprawnia przeprowadzenie badań i poprawia jakość uzyskanych analiz obrazu w odniesieniu do standardowego oprogramowania mikroskopów.
Contemporary research methods used in modern research techniques often result in the collection of huge amounts of data that must be further analyzed. Machine learning helps to interpret the collected data, and after their processing, it can help you make further decisions. The article presents the use of the supervised machine learning in research on the optimization of the recognition of chemical phases from microscopic images and chemical composition images for ceramic tiles. It was found that in the case of the developed data from scanning electron microscopy, the best results were obtained for the CART algorithm (decision tree structure). The applied methodology significantly improve the conduct of research and ameliorate the quality of the obtained image analyzes.
Źródło:
Szkło i Ceramika; 2022, 73, 2; 34-37
0039-8144
Pojawia się w:
Szkło i Ceramika
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie maszyny wektorów nośnych w sterowaniu sygnalizacją świetlną
Application of support vector machine in a traffic lights control
Autorzy:
Całuch, Artur
Cieślikowski, Adam
Plechawska-Wójcik, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/98085.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
symulator ruchu ulicznego
maszyna wektorów nośnych
machine learning
traffic simulator
support vector machine
Opis:
Niniejszy artykuł przedstawia proces dostosowania parametrów modelu maszyny wektorów nośnych, który posłuży do zbadania wpływu wartości parametru długości cyklu sygnalizacji świetlnej na jakość ruchu. Badania przeprowadzono z użyciem danych pozyskanych w trakcie przeprowadzonych symulacji w autorskim symulatorze ruchu ulicznego. W artykule przedstawiono i omówiono wyniki poszukiwania optymalnej wartości parametru długości cyklu sygnalizacji świetlnej.
This article presents the process of adapting support vector machine model’s parameters used for studying the effect of traffic light cycle length parameter’s value on traffic quality. The survey is carried out using data collected during running simulations in author’s traffic simulator. The article shows results of searching for optimum traffic light cycle length parameter’s value.
Źródło:
Journal of Computer Sciences Institute; 2020, 14; 37-42
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie algorytmów przeszukiwania grafów do analizy obrazów medycznych
Analysis of medical images based on graph search algorithms
Autorzy:
Dimitrova-Grekow, T.
Dąbkowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/156629.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
analiza obrazów medycznych
algorytmy przeszukiwania grafów
uczenie maszynowe
eksploracja danych
rozpoznawanie choroby
image analysis
graph search algorithm
machine learning
data mining
disease recognition
Opis:
W artykule przedstawiono wyniki testów niekonwencjonalnego zastosowania metod do przeszukiwania grafów w celu analizy obrazów powstałych z rezonansu magnetycznego głowy. Zaprezentowano GUI do automatycznej obróbki serii obrazów. Zbudowane klasyfikatory wykazały, że metoda BFS analizy plików DICOM, po odpowiednej selekcji cech, pozwala na 100% rozpoznawanie chorych na wodogłowie i ponad 90% zdrowych, co zachęca do dalszych badań i obserwacji, np. czy osoby sklasyfikowane błędnie jako chorzy, po czasie rzeczywiście nie rozwinęli tej choroby.
There are many methods for image segmentation [1, 2]: threshold, area, edge and hybrid methods. Area methods indicate groups of similar pixels form local regions [3, 4]. Edge methods detect boundaries between homogeneous segments [5, 6, 7]. In this paper we present the results of tests of unconventional implementation of graph search methods for the analysis of images generated from magnetic resonance imaging [8]. We explored the effectiveness of different approaches for dividing areas within a similar gray scale, using adapted graph search algorithms (DFS, BFS) after appropriate modification (Fig. 1). For this purpose, the Weka package (a tool for pre-processing, classification, regression, clustering and data visualization) was used [9]. A training set was generated after analyzing all the series of images from the database. First, we evaluated models created using certain algorithms and compared their efficacy (Tab. 1). This was followed by a selection of attributes (Tab. 2) and a re-evaluation of the models (Tab. 3). Comparison of the results of both evaluations showed that after selection of the relevant product attributes, you can achieve up to 100% detection of patients with hydrocephalus and over 90% proper recognition of healthy persons. This encourages further research and observation, such as whether persons wrongly classified as sick actually developed the disease in time. We designed a web application for the study, written in Windows Azure, as well as a GUI for automatic processing of a series of images (Fig. 2).
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 7, 7; 578-580
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zarządzanie nieruchomościami z wykorzystaniem kognitywnej maszyny wnioskującej
Real estate management using a cognitive reasoning machine
Autorzy:
Nowak-Nova, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/23050824.pdf
Data publikacji:
2023-03-20
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
Automatyczne Modele Wyceny
zarządzanie nieruchomościami
uczenie maszynowe
sieci neuronowe
systemy kognitywne
Automated Valuation Models
real estate
Machine Learning
Neural Networks
Cognitive Systems
Opis:
W artykule przedstawiono możliwość zastosowania Automatycznych Modeli Wyceny (AVMs), rozszerzonych o technologie algorytmów uczenia maszynowego i sztuczne sieci neuronowe, do przetwarzania kognitywnego w obszarze Facility Management. Opisano eksperymenty symulujące w procesach operacyjnego zarządzania nieruchomością, zachowania AVMs w kognitywnej maszynie wnioskującej. Badano poprawność działania algorytmów usług decyzyjnych wywoływanych przez zautomatyzowane silniki wnioskujące dla generalizacji informacji o nieruchomości oraz procesu planowania wykorzystującego algorytmy. Kluczowe wnioski z badania potwierdzają, że przyjęcie dla AVMs perspektywy kognitywnej i zastosowanie technologii algorytmów i sztucznych sieci neuronowych w operacyjnym zarządzaniu nieruchomością zwiększa produktywność procesów, tym samym przynosi korzyść zarządzającemu.
The article presents the possibility of using Automatic Valuation Models (AVMs), extended with technologies of Machine Learning algorithms and Neural Networks, for cognitive processing in the area of Facility Management. Experiments simulating, in the processes of operational management of real estate, of AVMs’s behavior in a cognitive reasoning machine, have been described. The correctness of operation of decision service algorithms, triggered by automated inference engines, has been examined for generalization of information on the property and the planning process using the algorithms. The key findings of the study confirm that the adoption of a cognitive perspective for AVMs and the application of algorithm technology and artificial neural networks in the operational management of real estate, increases the productivity of the processes, and, thus brings benefits the managing entity.
Źródło:
Nowoczesne Systemy Zarządzania; 2023, 18, 1; 29-48
1896-9380
2719-860X
Pojawia się w:
Nowoczesne Systemy Zarządzania
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Yet another research on GANs in cybersecurity
Autorzy:
Zimoń, Michał
Kasprzyk, Rafał
Powiązania:
https://bibliotekanauki.pl/articles/13946602.pdf
Data publikacji:
2023-02-20
Wydawca:
Akademia Sztuki Wojennej
Tematy:
cybersecurity
malware
artificial intelligence
machine learning
deep learning
generative adversarial networks
Opis:
Deep learning algorithms have achieved remarkable results in a wide range of tasks, including image classification, language translation, speech recognition, and cybersecurity. These algorithms can learn complex patterns and relationships from large amounts of data, making them highly effective for many applications. However, it is important to recognize that models built using deep learning are not fool proof and can be fooled by carefully crafted input samples. This paper presents the results of a study to explore the use of Generative Adversarial Networks (GANs) in cyber security. The results obtained confirm that GANs enable the generation of synthetic malware samples that can be used to mislead a classification model.
Źródło:
Cybersecurity and Law; 2023, 9, 1; 61-72
2658-1493
Pojawia się w:
Cybersecurity and Law
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykrywanie zagrożenia upadłością jako problem klasyfikacji danych niezbalansowanych
Bankruptcy prediction as imbalanced classification problem
Autorzy:
Paliński, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/2041253.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Klasyfikacja
Preprocessing
Uczenie maszynowe
Upadłość
Zbiór niezbalansowany
Bankruptcy
Classification
Imbalanced dataset
Machine learning
Opis:
W artykule wykorzystano wybrane algorytmy uczenia maszynowego oraz techniki przygotowania danych (preprocessing) stosowane w klasyfikacji na zbiorach niezbalansowanych w celu oceny ich skuteczności w prognozowaniu upadłości z użyciem danych zawierających wskaźniki finansowe podmiotów gospodarczych. Trafność prognoz upadłości na pierwotnym niezbalansowanym zbiorze danych o przeważającym udziale podmiotów prowadzących działalności nad upadłymi była bliska zero. Trafność prognozowania upadłości klasyfikatorów utworzonych na zbiorach zbalansowanych była odwrotnie proporcjonalna do całkowitej trafności klasyfikacji i wahała się od 10% – dla całkowitej trafności klasyfikacji wynoszącej 93%, do 77% – dla całkowitej trafności klasyfikacji równej 49%. Lepsze wyniki klasyfikacji osiągały algorytmy gradient boosting i drzewo klasyfikacyjne w stosunku do sztucznej sieci neuronowej. W problemie klasyfikacji na zbiorach niezbalansowanych wystąpił efekt wymiany – albo możliwe jest zwiększenie trafności klasyfikacji upadłości kosztem nadmiarowości obiektów kla-syfikowanych jako upadłe, albo – zwiększenie trafności klasyfikacji całkowitej algorytmu kosztem zmniejszenia trafności klasyfikacji samej upadłości.
Selected machine learning algorithms and data preprocessing techniques were used in the article to predict bankruptcy on an unbalanced data set containing financial ratios. The accuracy of bankruptcy forecasts on the original unbalanced data set of the prevailing share of entities still operating over the bankrupt ones was close to zero. The accuracy of bankruptcy forecasting classifiers created on balanced sets ranged from 10% to 77%, but was inversely proportional to the total accuracy of the classification, which ranged from 93% to 49%. Better classification results were achieved by the classification trees algorithms in relation to the artificial neural network. In the problem of classification in unbalanced data sets the effect of substitution occurred – or it is possible to increase the accuracy of classification of bankruptcy at the expense of redundancy of objects classified as bankrupt, or – to increase the accuracy of the overall classification of the algorithm at the expense of decreasing the classification of the bankruptcy itself.
Źródło:
Studia Ekonomiczne; 2020, 395; 66-79
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie elementów uczenia maszynowego do modelowania stężenia zanieczyszczeń atmosferycznych: studium przypadku pyłu pm2.5 w Szczecinie
Application of machine learning in air pollutants modeling: a case study of pm2.5 in Szczecin (Poland)
Autorzy:
Bihałowicz, Jan Stefan
Powiązania:
https://bibliotekanauki.pl/articles/2175572.pdf
Data publikacji:
2022
Wydawca:
Szkoła Główna Służby Pożarniczej
Tematy:
modelowanie matematyczne
uczenie maszynowe
zanieczyszczenia atmosferyczne
PM2.5
pożar
mathematical modeling
machine learning
air pollutants
fire
Opis:
W pracy przedstawiono możliwość modelowania stężeń zanieczyszczeń w lokalizacji o określonym, stałym profilu emisji przy wykorzystaniu modeli uczenia maszynowego. Jako zanieczyszczenie wybrano pył PM2.5,a jako zmienne objaśniające przyjęto parametry metrologiczne mierzone na stacji synoptycznej. Przeprowadzono uczenie i walidację sześciu różnych modeli na podstawie obserwacji meteorologicznych zarejestrowanych w latach 2013–2018 na stacji IMGW-PIB w Szczecinie (Polska) oraz średniodobowych stężeń pyłu PM2.5 z tego samego okresu zmierzonych na stacji GIOŚ w Szczecinie przy ul. Andrzejewskiego, podzielonych na trzy równoliczne klasy stężeń. Dwa modele, które dawały najdokładniejsze wyniki, zostały szczegółowo przedstawione. Czułość tych modeli, w zależności od klasy stężenia pyłu, zawierała się pomiędzy 0,484 a 0,711. Te dwa modele zostały zastosowane do identyfikacji wzrostu średniodobowych stężeń w trakcie zdarzenia nietypowego – pożaru składowisk odpadów. Stężenia przewidziane w dniach, w których trwał pożar, były zaniżone względem faktycznych stężeń, co pozwala na zastosowanie modeli w identyfikacji zjawisk atypowych, które mają wpływ na stężenia zanieczyszczeń w danym miejscu.
The work presents the possibilities of using machine learning in modeling pollutant concentra tions at locations with defined constant sources of emission. The PM2.5 was chosen as the pollutant to be studied with meteorological variables as exogenous variables measured at a weather station. Six different models were implemented and cross-validated on meteorological data recorded in 2013-2018 at the Institute of Meteorology and Water Management station in Szczecin, Poland, and PM2.5 concentrations from the same period divided into three classes, measured at the air quality station of the Chief Inspectorate of Environmental Protection (Poland) located at Andrzejewskiego Street in Szczecin. Two best-performing models were described in detail. The sensitivity of the models was found to vary from 0.484 to 0.711 depending on the class of PM2.5 concentration. Those two models were then applied to identify increases in PM concentrations that were caused by an extraordinary incident – landfill fire. It was proven that the predicted values of concentration that occur during the fire were underestimated as compared to actual concentration levels and hence such models can be applied in the identification of abnormal phenomena that may affect the concentrations of pollutants in a given location.
Źródło:
Zeszyty Naukowe SGSP / Szkoła Główna Służby Pożarniczej; 2022, 81; 7--28
0239-5223
Pojawia się w:
Zeszyty Naukowe SGSP / Szkoła Główna Służby Pożarniczej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybrane metody eksploracji danych i uczenia maszynowego w analizie stanu uszkodzeń oraz zużycia technicznego zabudowy terenów górniczych
Selected methods of data mining and machine learning in risk analysis for developments located in mining areas
Autorzy:
Firek, K.
Rusek, J.
Wodyński, A.
Powiązania:
https://bibliotekanauki.pl/articles/164216.pdf
Data publikacji:
2016
Wydawca:
Stowarzyszenie Inżynierów i Techników Górnictwa
Tematy:
uczenie się maszynowe
wydobywanie danych
techniczne zużycie budynku
uszkodzenie budynku
wpływ eksploatacji
machine learning
data mining
technical wear of building
damage of building
mining effects
Opis:
W referacie przedstawiono metodykę oraz wyniki badań wpływu oddziaływań eksploatacji górniczej na zabudowę powierzchni, które zostały przeprowadzone w ostatnich latach w Katedrze Geodezji Inżynieryjnej i Budownictwa AGH. Obejmowały one modelowanie przebiegu zużycia technicznego budynków metodami uczenia maszynowego oraz analizę zakresu i intensywności ich uszkodzeń z zastosowaniem metod eksploracji danych. Uzyskane wyniki potwierdzają przydatność zastosowanych metod do rozwiązywania zagadnień związanych z budownictwem na terenach górniczych.
This paper presents the methodology and results of the studies on the influence of mining impacts on developments located in mining areas, which have been performed in recent years at the Department of Engineering Surveying and Civil Engineering of AGH University of Science and Technology. The studies included modeling the course of technical wear of buildings, by the methods of machine learning, as well as the analysis of the scope and intensity of their damage with the methods of data mining. The obtained results confirm the usefulness of the methods to solve the issues related to construction in mining areas.
Źródło:
Przegląd Górniczy; 2016, 72, 1; 50-55
0033-216X
Pojawia się w:
Przegląd Górniczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wspomaganie sterowania statkiem za pomocą ewolucyjnych sieci neuronowych
Ship steering support with the use of evolutionary neural networks
Autorzy:
Łącki, M.
Powiązania:
https://bibliotekanauki.pl/articles/360275.pdf
Data publikacji:
2008
Wydawca:
Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:
uczenie maszynowe
algorytmy sztucznej inteligencji
ewolucyjne sieci neuronowe
sterowanie statkiem
machine learning
artificial intelligence algorithms
evolutionary neural networks
ship steering
Opis:
W artykule przedstawiono koncepcję zastosowania ewolucyjnych sieci neuronowych we wspomaganiu procesów podejmowania decyzji podczas manewrowania statkiem na ograniczonym obszarze. Rozważane są wybrane algorytmy, operacje genetyczne, metody kodowania i selekcji oraz struktury ewolucyjnych sieci neuronowych.
This paper describes a concept of evolutionary neural networks application in decision process support during vessel manoeuvring in a restricted area. Selected algorithms, genetic operations, methods of coding and selection, and structures of evolutionary neural networks are considered in the paper.
Źródło:
Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2008, 14 (86); 34-37
1733-8670
2392-0378
Pojawia się w:
Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ sztucznej inteligencji na rynek finansowy w procesie podejmowania decyzji ekonomicznych – szanse, wyzwania i rekomendacje
The influence of artificial intelligence (AI) used in taking economic decisions on the financial market: opportunities, challenges, and recommendations
Autorzy:
Ziółkowska, Elwira
Powiązania:
https://bibliotekanauki.pl/articles/20679214.pdf
Data publikacji:
2023-11-23
Wydawca:
Szkoła Główna Handlowa w Warszawie. Kolegium Zarządzania i Finansów
Tematy:
new technologies
recommendations
financial sector
AI
machine learning
nowe technologie
rekomendacje
sektor finansów
sztuczna inteligencja
uczenie maszynowe
Opis:
Celem artykułu jest analiza wybranych zagadnień dotyczących sztucznej inteligencji – jej wpływu na rynek finansowy z uwzględnieniem istniejących szans i wyzwań – oraz przedstawienie rekomendacji w zakresie stabilności, bezpieczeństwa i przejrzystości jej zastosowania. Posłużono się w tym celu analizą danych wtórnych, takich jak literatura przedmiotu (krajowa i zagraniczna), analizą systemową aktów prawnych, a także przeglądem dostępnych raportów. Za nieustanny rozwój sztucznej inteligencji na rynkach finansowych odpowiada wiele różnorodnych czynników, co sprawia, że można go postrzegać zarówno jako szansę, jak i wyzwanie. Przyjęta w artykule metodologia pozwoliła na wyłonienie i sprecyzowanie obszarów, w których występują bariery utrudniające zastosowanie sztucznej inteligencji. Na podstawie wybranych przykładów przedstawiono rozwiązania będące rekomendacją w tym zakresie.
The aim of the article is to analyse selected issues related to artificial intelligence (AI), its impact on the financial market, taking into account opportunities and challenges, and to present recommendations in the areas of stability, security, and transparency of its application. The research tool used included the analysis of secondary data sources such as the relevant literature (both domestic and international), a systemic analysis of legal acts, and a review of available reports on the use of AI in the financial market. The continuous development of AI in financial markets is influenced by many factors, and it can be both an opportunity and a challenge. The adopted methodology allowed for the identification and specification of the areas where barriers to the use of AI exist. Based on examples, solutions have been presented as recommendations in this regard.
Źródło:
Studia i Prace Kolegium Zarządzania i Finansów; 2023, 192; 89-108
1234-8872
2657-5620
Pojawia się w:
Studia i Prace Kolegium Zarządzania i Finansów
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ parametrów sygnału pulsu rogówki oka na dokładność wykrywania pulsu dykrotycznego
Impact of parameters of corneal pulse signal on accuracy of detection of a dicrotic pulse
Autorzy:
Melcer, T.
Danielewska, M. E.
Iskander, D. R.
Powiązania:
https://bibliotekanauki.pl/articles/261375.pdf
Data publikacji:
2015
Wydawca:
Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
Tematy:
oczny puls dykrotyczny
analiza falkowa
tekstury
uczenie maszynowe
ocular dicrotic pulse
wavelet analysis
texture
machine learning
Opis:
Występowanie dykrotycznego kształtu sygnału pulsu rogówki oka jest powiązane z procesem starzenia się i występowaniem jaskry. Dotychczas procedura wykrywania dykrotyzmu wymagała równoległego synchronicznego pomiaru pulsu rogówki oka, sygnału EKG i sygnału pulsu krwi, jednak nowe badania mogą pozwolić na detekcję dykrotyzmu tylko za pomocą pomiaru sygnału pulsu rogówki. Dokładność wykrywania dykrotyzmu zależy od parametrów sygnału wejściowego: długości i częstotliwości próbkowania. Z powodu odruchu mrugania u niektórych pacjentów trudno jest uzyskać odpowiednio długi sygnał nieobejmujący odruchu mrugania. Przeprowadzono eksperymenty numeryczne w celu określenia minimalnych wymagań rejestracji sygnału wejściowego w celu uzyskania odpowiedniej jakości klasyfikacji. Rezultaty wskazują na możliwość uzyskania dostatecznej jakości klasyfikacji sygnałów krótszych od 10 sekund pod warunkiem zapewnienia odpowiedniej częstotliwości próbkowania.
The presence of the ocular dicrotic pulse is associated with aging and the glaucoma incidence. Previous procedures for detecting ocular dicrotism required synchronous measurement of ECG and blood pulse signals. However, recent studies have offered an opportunity to detect ocular dicrotism from the corneal pulse signal alone. The accuracy of the detection procedure mainly depends on the input signal length and its sampling frequency. The acquisition of the corneal pulse signal is performed in suppress blinking conditions. Hence, it is often difficult to acquire a sufficiently long signal for the analysis. Numerical experiments were conducted to determine the minimum requirements of the input signal in order to obtain adequate classification rate. The results indicate the possibility of obtaining sufficient classification rates for signals shorter than 10 seconds provided an adequate sampling is maintained.
Źródło:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2015, 21, 1; 32-39
1234-5563
Pojawia się w:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ pandemii COVID-19 na stan zdrowia psychicznego społeczeństwa
Influence of the COVID-19 pandemic on the mental health of society
Autorzy:
Ptak-Chmielewska, Aneta
Baszniak, Karolina
Kurpanik, Jarosław
Powiązania:
https://bibliotekanauki.pl/articles/2124987.pdf
Data publikacji:
2022-09-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
uczenie maszynowe
pandemia COVID-19
data mining
stan zdrowia psychicznego
gospodarstwo domowe
Stany Zjednoczone
machine learning
COVID-19 pandemic
mental health
household
USA
Opis:
Pandemia COVID-19 odmieniła życie ludzi na całym świecie, m.in. wpłynęła na kondycję psychiczną i funkcjonowanie wielu rodzin. Głównym celem badania omawianego w artykule jest ocena wpływu pandemii COVID-19 na stan zdrowia psychicznego członków gospodarstw domowych. W badaniu posłużono się zbiorem danych pochodzących z ankiety COVID Impact Survey, przeprowadzonej w 2020 r. (w trakcie pierwszej fali pandemii) w Stanach Zjednoczonych wśród osób dorosłych przez organizację Data Foundation. Analizie poddano 6768 obserwacji. Oszacowano model regresji logistycznej oraz modele oparte na metodach data mining, takich jak: drzewa decyzyjne, wzmacnianie gradientowe, metoda k-najbliższych sąsiadów, sztuczne sieci neuronowe i metoda wektorów wspierających. Analiza skupień pozwoliła podzielić respondentów na grupy uwidaczniające cechy charakterystyczne i problemy członków gospodarstw domowych, a w utworzonym modelu uwzględniono kwestie zdrowia i zaburzeń psychicznych oraz ich związek z sytuacją finansową gospodarstw. Wyniki badania wskazują na to, że izolacja, zdalny tryb nauczania i pracy oraz mniejsza aktywność fizyczna przyczyniają się do pogarszania się stanu zdrowia psychicznego.
The COVID-19 pandemic changed the lives of people all around the world, e.g. affected mental health and the functioning of several families. The main goal of the research presented in this paper is to assess the influence of the COVID-19 pandemic on the mental health of members of households. The research was performed on the basis of a data set from the COVID Impact Survey carried out by the Data Foundation think tank in 2020 (during the first wave of COVID-19 pandemic) in the USA among adult respondents. The survey used 6,768 observations. The authors estimated a model of logistic regression and models based on data mining methods, such as decision trees, XG Boost, k-nearest neighbours method, artificial neural networks and a support vector machine. Cluster analysis made it possible to divide respondents into groups showing their characteristic features and problems, and the constructed model took into account their mental issues and the relationship between those issues and the financial situation of households. The results demonstrate that isolation, remote education and work and limited physical activity contribute to the worsening of mental health of the population.
Źródło:
Wiadomości Statystyczne. The Polish Statistician; 2022, 67, 9; 24-52
0043-518X
Pojawia się w:
Wiadomości Statystyczne. The Polish Statistician
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wound image segmentation using clustering based algorithms
Autorzy:
Farmaha, Ihor
Banaś, Marian
Savchyn, Vasyl
Lukashchuk, Bohdan
Farmaha, Taras
Powiązania:
https://bibliotekanauki.pl/articles/2064381.pdf
Data publikacji:
2019
Wydawca:
STE GROUP
Tematy:
clustering
Segmentation
machine learning
neural networks
wounds
segmentacja
nauczanie maszynowe
sieci neuronowe
rany
klastrowanie
Opis:
Classic methods of measurement and analysis of the wounds on the images are very time consuming and inaccurate. Automation of this process will improve measurement accuracy and speed up the process. Research is aimed to create an algorithm based on machine learning for automated segmentation based on clustering algorithms Methods. Algorithms used: SLIC (Simple Linear Iterative Clustering), Deep Embedded Clustering (that is based on artificial neural networks and k-means). Because of insufficient amount of labeled data, classification with artificial neural networks can`t reach good results. Clustering, on the other hand is an unsupervised learning technique and doesn`t need human interaction. Combination of traditional clustering methods for image segmentation with artificial neural networks leads to combination of advantages of both of them. Preliminary step to adapt Deep Embedded Clustering to work with bio-medical images is introduced and is based on SLIC algorithm for image segmentation. Segmentation with this method, after model training, leads to better results than with traditional SLIC.
Źródło:
New Trends in Production Engineering; 2019, 2, 1; 570--578
2545-2843
Pojawia się w:
New Trends in Production Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 442

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