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 "SOM" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 26
Tytuł:
Selekcja podobrazów dla potrzeb dopasowywania zdjęć lotniczych oparta na histogramach gradientu i sieci neuronowej
Selection of sub-images for aerial photographs matching purposes based on gradient distribution and neural networks
Autorzy:
Czechowicz, A.
Mikrut, Z.
Powiązania:
https://bibliotekanauki.pl/articles/131000.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
fotogrametria
wzajemne dopasowanie
algorytm Canny'ego
histogram gradientów
SOM
sieci Kohonena
sieci backpropagation
photogrammetry
mutual matching
Canny edge detector
gradient histogram
Kohonen networks
backpropagation networks
Opis:
Artykuł przedstawia wyniki wykorzystania sieci neuronowych do selekcji podobrazów oraz wyniki wyszukiwania wybranych obszarów na pozostałych zdjęciach z wykorzystaniem rozkładu odpowiedzi dla sieci SOM Kohonena. Zaproponowano reprezentacje fragmentu obrazu oparta na rozkładzie wartości modułu gradientu i jego kierunku. Badania przeprowadzono na dziewięciuset podobrazach zdjęć lotniczych okolic Krakowa o różnym pokryciu terenu podzielonych na trzy kategorie: obszarów korzystnych, pośrednich i niekorzystnych pod względem wyszukiwania cech do orientacji wzajemnej. Dla każdego z obrazów, w oparciu o algorytm Canny’ego, wyznaczono krawędzie. Na podstawie wartości gradientu i kierunków wykrytych krawędzi sporządzono histogram, który następnie posłużył wyznaczeniu reprezentacji podobrazu w postaci profilu kierunku. Tak przygotowana reprezentacje wykorzystano do uczenia sieci neuronowych metoda nadzorowana (backpropagation) oraz nienadzorowana (Kohonena), a następnie do klasyfikacji obszarów nauczonymi sieciami. W przypadku sieci backpropagation miara efektywności klasyfikacji był globalny współczynnik rozpoznania oraz macierz pomyłek. Dla sieci Kohonena wyznaczano współczynnik kompletności i poprawności. Wyniki zestawiono z rezultatami otrzymanymi na drodze uczenia metoda wstecznej propagacji błędów, gdzie generowane na mapie Kohonena odpowiedzi stanowiły sygnał wejściowy dla warstwy backpropagation. W dalszym etapie wytypowane obszary korzystne poszukiwano na sąsiednich obrazach. Wzmocniony funkcja preferująca wysokie wartości rozkład odpowiedzi na mapie cech siec Kohonena, uzyskany dla podobrazów korzystnych, porównywano z rozkładem dla podobrazów o tych samych wymiarach na sąsiednich zdjęciach. Za miarę podobieństwa obszarów przyjęto współczynnik korelacji dla porównywanych odpowiedzi sieci.
This paper describes the application of neural networks for selection of sub-images and the result of the search for the selected areas on the remaining photographs with the utilisation of Kohonen’s SOM network responses distribution. Image fragment representation based on the gradient magnitude values distribution and its direction was proposed. The research was conducted on nine hundred sub-images, taken from aerial photographs of the Cracow’s environs with different terrain cover, divided into three categories: advantageous, intermediate and disadvantageous areas in respect of searching for the features for mutual matching. The edges were detected with Canny algorithm. Based on the gradient values and the directions of the edges, the histogram was created and used to determine the representation of the sub-image in the direction’s profile form. The prepared representation served for teaching the neural network using supervised (backpropagation) and unsupervised (Kohonen) method and later for the classification. For the backpropagation network, the classification effectiveness was measured using the global recognition coefficient and the cooccurrence matrix. For the Kohonen network, the completeness and correctness coefficients were determined. Afterwards, the two networks were put together: the responses generated on the Kohonen map constituted the input signal for the backpropagation layer. In the next step, the adjacent images were sought for the chosen areas. Response distribution on the Kohonen network feature map, amplified with the function preferring the high values, was compared with the distribution for the same size sub-images of the adjacent photographs. To measure the similarity of the subimages, the correlation coefficient to compare network’s responses was used.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 149-158
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Image Retrieval Based on Text and Visual Content Using Neural Networks
Autorzy:
Castro, D. A.
Seijas, L. M.
Powiązania:
https://bibliotekanauki.pl/articles/108732.pdf
Data publikacji:
2010
Wydawca:
Społeczna Akademia Nauk w Łodzi
Tematy:
image retrieval
Self-Organizing Maps (SOM)
content-based image retrieval (CBIR)
Text-Based Image Retrieval (TBIR)
ParBSOM
Scoring function
Opis:
In the last few years there has been a dramatic increase in the amount of visual data to be searched and retrieved. Typically, images are described by their textual content (TBIR) or by their visual features (CBIR). However, these approaches still present many problems. The hybrid approach was recently introduced, combining both characteristics to improve the benefits of using text and visual content separately. In this work we examine the use of the Self Organizing Maps for content-based image indexing and retrieval. We propose a scoring function which eliminates irrelevant images from the results and we also introduce a SOM variant (ParBSOM) that reduces training and retrieval times. The application of these techniques to the hybrid approach improved computational results.
Źródło:
Journal of Applied Computer Science Methods; 2010, 2 No. 1; 21-39
1689-9636
Pojawia się w:
Journal of Applied Computer Science Methods
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Intelligent prediction of milling strategy using neural networks
Autorzy:
Klancnik, S.
Balic, J.
Cus, F.
Powiązania:
https://bibliotekanauki.pl/articles/971013.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
SOM neural networks
CAD/CAM system
feature extraction
milling strategy
CAD segmentation
STL model
Opis:
This paper presents the prediction of milling tool-path strategy using Artificial Neural Network (ANN), by taking the predefined technological objectives into account. In the presented case, the best possible surface quality of a machined surface was taken as the primary technological aim. This paper shows how feature extraction from a 3D CAD model, and classification using a self-organizing neural network, are done. The experimental results presented in this paper suggest that the prediction of milling strategy using the self-organizing neural network (SOM) is effective.
Źródło:
Control and Cybernetics; 2010, 39, 1; 9-24
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie procesu osiadania terenu górniczego Kopalni Węgla Brunatnego Bełchatów - nowe podejście
Land subsidence modeling in mining area of open pit Brown Coal Mine Bełchatów - a new approach
Autorzy:
Palmąka, M.
Powiązania:
https://bibliotekanauki.pl/articles/2074851.pdf
Data publikacji:
2011
Wydawca:
Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:
Bełchatów
GIS
geostatystyka
interpolacja
modele liniowe
modele nieliniowe
osiadanie terenu
Sammon's mapping
mapy samoorganizujące się
SOM
sieci neuronowe
regresja liniowa
geostatistics
interpolation
linear models
land subsidence
self-organizing map
neural networks
multiple linear regression
Opis:
From the beginning of open-pit mining works (i.e. ground massive dewatering, access excavation, cover dumping) in 1976, which were strictly connected with an exposure a brown coal beds on Bełchatów field it was noticed, that a land surface subsided in the vicinity of Brown Coal Mine Bełchatów. Quantitative land subsidence assessments, which are based on deterministic models (elastic ground model, consolidation model), are not efficient enough to simulate the process – adjusted coefficient of determination amounts R2kor2kor
Źródło:
Przegląd Geologiczny; 2011, 59; 245-250
0033-2151
Pojawia się w:
Przegląd Geologiczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efektywność pracy w gospodarstwach o zbilansowanej odnawialności substancji organicznej
Labour effectiveness in the farms with balanced renewability of soil organic matter
Autorzy:
Sawa, J.
Kocira, S.
Powiązania:
https://bibliotekanauki.pl/articles/239569.pdf
Data publikacji:
2013
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
odnawialność glebowej substancji organicznej
GSO
dochód rodziny
efektywność pracy
uzbrojenie energetyczne
gospodarstwo parytetowe
renewability of soil organic matter
SOM
family income
labour efficiency
work energetic equipment
parity farm
Opis:
Celem pracy jest określenie efektywności pracy w gospodarstwach o różnym poziomie odnawialności glebowej substancji organicznej (GSO), ocenianych w aspekcie uzyskiwanych tam efektów produkcyjnych i ponoszonych nakładów materiałowo-energetycznych. Efektywność pracy określono jako relacje między poziomem dochodu rodziny a ponoszonymi nakładami pracy w czterech grupach badanych gospodarstw, zestawionych wg poziomu odnawialności GSO, w tym: <0,2; 0,2 ≤ 0,5; 0,5 ≤ 1,0; ≤1,0 t·ha-1 UR, gdzie odnawialność GSO na poziomie 0,5 ≤ 1,0 t·ha-1 UR uznano jako zbilansowaną. Systemy produkcji w gospodarstwach z takim bilansem odnawialności, pozwalające uzyskać efektywność pracy na poziomie 15,2 zł·rbh-1, nie zapewniają tak wysokiego poziomu efektywności pracy (54,0 zł·rbh-1), jaki występuje w gospodarstwach o najmniejszej wartości wskaźnika GSO (poniżej 0,2 t·ha-1 UR). Stwierdzono, że w gospodarstwach o największej odnawialności GSO, efektywność pracy jest najmniejsza i wynosi 10,0 zł·rbh-1. Wyniki badań wskazują na konieczność podjęcia dyskusji nad dotychczasowymi zasadami dopłat obszarowych do dużych, ale ekstensywnych gospodarstw rodzinnych, lub gospodarstw o systemach produkcji, które uniemożliwiają utrzymanie minimalnego poziomu odnawialności GSO. Gospodarstwa te wykorzystują możliwości zwiększenia dochodu rodziny nieproporcjonalnie do swojego zaangażowania w rozwój zintegrowanych procesów produkcyjnych i rolnictwa zrównoważonego.
An attempt was made to determine the labour effectiveness in the family farms with different renewability levels of soil organic matter (SOM), evaluated in aspect of obtained production results and born material and energy inputs. The scope of study included 45 family farms of the acreage ranging from 8.58 to 150 ha AL, located in different regions of the country, surveyed in 2010. The labour efficiency was defined as a relationship between the level of farmer’s family income and operation expenditures incurred in four groups of surveyed farms, compiled at the level of SOM renewability: <0.2; 0.2 ≤ 0.5; 0.5 ≤ 1.0; ≤1.0 t·ha-1 AL, where the renewal of 0.5 ≤ 1.0 t·ha-1 AL was considered as a balanced one. It was stated that the lowest labour efficiency (10.0 PLN·work-hr) occurred in the farms with highest SOM renewability. These farms have particular difficulties with collection developing investment funds, incurred in the amount of 2.35 thous. PLN per ha AL, what is possible to be completed within about 12 years. In other farms the efficiency is high enough to complete these funds within 1.5, or even 0.43 years, as in the farms with lowest rate of SOM renewability. Farms of balanced SOM renewability present the average level of labour efficiency, what is related to specialization of farms in animal production, still associated with high labour inputs of the farmer’s family members and low degree of mechanization.
Źródło:
Problemy Inżynierii Rolniczej; 2013, R. 21, nr 2, 2; 11-20
1231-0093
Pojawia się w:
Problemy Inżynierii Rolniczej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Pulse shape discrimination of neutrons and gamma rays using kohonen artificial neural networks
Autorzy:
Tambouratzis, T.
Chernikova, D.
Pzsit, I.
Powiązania:
https://bibliotekanauki.pl/articles/91759.pdf
Data publikacji:
2013
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
shape
neutron
discrimination
gamma rays
Kohonen artificial neural networks
ANNs
linear vector quantisation
LVQ
self-organizing map
SOM
pulse shape discrimination
PSD
Opis:
The potential of two Kohonen artificial neural networks (ANNs) - linear vector quantisation (LVQ) and the self organising map (SOM) - is explored for pulse shape discrimination (PSD), i.e. for distinguishing between neutrons (n’s) and gamma rays (’s). The effect that (a) the energy level, and (b) the relative size of the training and test sets, have on identification accuracy is also evaluated on the given PSD dataset. The two Kohonen ANNs demonstrate complementary discrimination ability on the training and test sets: while the LVQ is consistently more accurate on classifying the training set, the SOM exhibits higher n/ identification rates when classifying new patterns regardless of the proportion of training and test set patterns at the different energy levels; the average time for decision making equals ˜100 μs in the case of the LVQ and ˜450 μs in the case of the SOM.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 2; 77-88
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja mikroskopowych obrazów skał przy wykorzystaniu sieci neuronowych
Classification of the microscopic images of rocks with the use of neural networks
Autorzy:
Młynarczuk, M.
Bielecka, M.
Ślipek, B.
Powiązania:
https://bibliotekanauki.pl/articles/394187.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
automatyczna klasyfikacja skał
obrazy mikroskopowe
sieci neuronowe
sztuczna inteligencja
SOM
MLP
LVQ
automatic classification of rocks
microscopic images
neural networks
artificial intelligence
Opis:
Klasyfikacja skał stanowi ważny aspekt w wielu zagadnieniach górnictwa i geologii inżynierskiej. Automatyzacja procesu klasyfikacji mikroskopowych obrazów skał może przyczynić się do usprawniania przetwarzania ogromnych zbiorów fotografii skał, poprzez jego przyspieszenie i wyeliminowanie wpływu subiektywnej oceny obserwatora na końcowy wynik klasyfikacji. Podczas pierwszego etapu badan opisanych w tym artykule wykorzystano zbiór 2700 mikroskopowych obrazów szlifów cienkich 9 skał, różniących się od siebie cechami petrograficznymi. Próbki skał zostały opisane 13-wymiarowym wektorem cech. Przy użyciu trzech różnych sieci neuronowych: dwuwarstwowej sieci jednokierunkowej (multi-layer feed-forward perceptron, MLP), samoorganizującej mapy Kohonena (self organizing Kohonen maps, SOM) oraz kwantyzacji wektorowej (learning vector quantization, LVQ), fotografie, po wcześniejszym treningu sieci odseparowanymi podzbiorami próbek, zostały poddane procesowi automatycznej klasyfikacji. Stukrotne powtarzanie losowania podzbiorów wykorzystywanych do treningu sieci oraz powtarzanie algorytmu uczenia sieci i rozpoznawania zdjęć pozwoliło na uzyskanie statystycznie wiarygodnych wyników, których wartość średnia wyniosła 99,4%. Następnie zbiór skał został zwiększony do łącznej wielkości 6300 zdjęć reprezentujących 21 różnych skał, a badania zostały powtórzone z zachowanie wektora cech oraz parametrów nauki sieci. Wynik średni poprawnych klasyfikacji dla powiększonego zbioru obrazów wyniósł 98,30%.
Rock classification is an inherent part of numerous aspects of geology and engineering geology. Automating the classification of the microscopic images of rocks may result in improvements in analyzing vast sets of rocks' images by speeding up their recognition and eliminating the influence of the observer's subjective judgment in the final classification results. A set of 2,700 microscopic images of thin sections of 9 rocks, which differ in petrographic features, was used during the first step of the study described in the following article. Samples were displayed in a thirteen-dimensional feature space. With the use of three different neural networks multi-layer feed-forward perceptron (MLP), self-organizing Kohonen maps (SOM), and learning vector quantization (LVQ) ? images were subjected to an automated classification process preceded by the network's training with the use of isolated subset samples. Centuple repetition of subset drawings, which were used to train the network by repeating the self-learning network and images recognition algorithm, led to the achievement of statistically trustworthy results with a mean at the level of 99.4 %, and for the best drawing at 99.71%. Afterwards, the rocks set was extended to a total volume of 6,300 images of 21 different rocks, and the test was repeated preserving the feature space and self-learning network parameters. The average score of correct classifications for the extended images set was 98.30%, with the best score at 98.95%.
Źródło:
Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN; 2014, 86; 27-38
2080-0819
Pojawia się w:
Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A class of neuro-computational methods for assamese fricative classification
Autorzy:
Patgiri, C.
Sarma, M.
Sarma, K. K.
Powiązania:
https://bibliotekanauki.pl/articles/91763.pdf
Data publikacji:
2015
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
neuro-computational classifier
fricative phonemes
Assamese language
Recurrent Neural Network
RNN
neuro fuzzy classifier
linear prediction cepstral coefficients
LPCC
self-organizing map
SOM
adaptive neuro-fuzzy inference system
ANFIS
klasyfikator neuronowy
klasyfikator neuronowo rozmyty
sieć Kohonena
Opis:
In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 1; 59-70
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Music Mood Visualization Using Self-Organizing Maps
Autorzy:
Plewa, M.
Kostek, B.
Powiązania:
https://bibliotekanauki.pl/articles/176410.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
music mood
music parameterization
MER (Music Emotion Recognition)
MIR (Music Information Retrieval)
Multidimensional Scaling (MDS)
principal component analysis (PCA)
Self-Organizing Maps (SOM)
ANN (Artificial Neural Networks)
Opis:
Due to an increasing amount of music being made available in digital form in the Internet, an automatic organization of music is sought. The paper presents an approach to graphical representation of mood of songs based on Self-Organizing Maps. Parameters describing mood of music are proposed and calculated and then analyzed employing correlation with mood dimensions based on the Multidimensional Scaling. A map is created in which music excerpts with similar mood are organized next to each other on the two-dimensional display.
Źródło:
Archives of Acoustics; 2015, 40, 4; 513-525
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Noisy image segmentation using a self-organizing map network
Autorzy:
Gorjizadeh, S
Pasban, S
Alipour, S
Powiązania:
https://bibliotekanauki.pl/articles/102708.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
image segmentation
unsupervised algorithm
noise
statistical features
SOM neural networks
Opis:
Image segmentation is an essential step in image processing. Many image segmentation methods are available but most of these methods are not suitable for noisy images or they require priori knowledge, such as knowledge on the type of noise. In order to overcome these obstacles, a new image segmentation algorithm is proposed by using a self-organizing map (SOM) with some changes in its structure and training data. In this paper, we choose a pixel with its spatial neighbors and two statistical features, mean and median, computed based on a block of pixels as training data for each pixel. This approach helps SOM network recognize a model of noise, and consequently, segment noisy image as well by using spatial information and two statistical features. Moreover, a two cycle thresholding process is used at the end of learning phase to combine or remove extra segments. This way helps the proposed network to recognize the correct number of clusters/segments automatically. A performance evaluation of the proposed algorithm is carried out on different kinds of image, including medical data imagery and natural scene. The experimental results show that the proposed algoise in comparison with the well-known unsupervised algothms.
Źródło:
Advances in Science and Technology. Research Journal; 2015, 9, 26; 118--123
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adaptive modelling of spatial diversification of soil classification units
Adaptacyjne modelowanie przestrzennego zróżnicowania jednostek klasyfikacyjnych gleb
Autorzy:
Urbański, K.
Gruszczyński, S.
Powiązania:
https://bibliotekanauki.pl/articles/292945.pdf
Data publikacji:
2016
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
adaptive algorithms
self-organizing map (SOM)
soil classification
Upper Silesian Industrial Region
algorytmy adaptacyjne
Górnośląski Okręg Przemysłowy (GOP)
klasyfikacja gleb
samoorganizująca mapa (SOM)
Opis:
The article presents the results of attempts to use adaptive algorithms for classification tasks different soils units. The area of study was the Upper Silesian Industrial Region, which physiographic and soils parameters in the form of digitized was used in the calculation. The study used algorithms, self-organizing map (SOM) of Kohonen, and classifiers: deep neural network, and two types of decision trees: Distributed Random Forest and Gradient Boosting Machine. Especially distributed algorithm Random Forest (algorithm DRF) showed a very high degree of generalization capabilities in modeling complex diversity of soil. The obtained results indicate, that the digitization of topographic and thematic maps give you a fairly good basis for creating useful models of soil classification. However, the results also showed that it cannot be concluded that the best algorithm presented in this research can be regarded as a general principle of system design inference.
Wraz z rozwojem technologii informatycznych następuje stopniowa zmiana podejścia do dokumentacji kartograficznej obiektów przyrodniczych, w tym gleb. Podstawowymi cechami dowolnej klasyfikacji, których przedmiotem są gleby, jest wielowymiarowość jednostek (nie ma pojedynczej właściwości, możliwej do wyznaczenia w drodze pomiaru, która wystarczałaby do jednoznacznego przypisania pedonu do określonej klasy w stosowanych skalach klasyfikacyjnych gleb), w związku z czym właściwe wydaje się wykorzystanie do tego celu dostępnych komputerowych metod przetwarzania danych. Modelowanie przestrzennego zróżnicowania gleb na podstawie przesłanek natury fizjograficznej, odtworzonych na podstawie digitalizacji istniejących materiałów kartograficznych, jest podstawą do tworzenia przestrzennych baz danych przechowywanych w wersji cyfrowej. Inaczej niż w typowej kartografii tematycznej zawierającej treści glebowo-siedliskowe, modele te wskazują na prawdopodobieństwo a priori występowania określonej jednostki glebowej w określonym położeniu, nie zaś bezwzględną przynależność terenu do niej. Taka interpretacja wymaga zbudowania stosownego algorytmu wiążącego czynniki natury geologicznej i fizjograficznej z jednostkami glebowymi. Do tego celu często wykorzystuje się tak zwane algorytmy adaptacyjne, umożliwiające elastyczne tworzenie modeli zależności bazujących na danych. W pracy przedstawiono dwa warianty doboru parametrów przetwarzania danych fizjograficzno-glebowych potencjalnie przydatnych do tych celów. Wykorzystano dane pochodzące z bazy danych fizjograficznoglebowych z rejonu GOP (Górnośląski Okręg Przemysłowy) uzyskanych w wyniku digitalizacji materiałów kartograficznych. Analizie poddano wyłącznie tereny użytków rolnych: gruntów ornych (R) i trwałych użytków zielonych (Ł i Ps). Na obszarze o powierzchni 1 km2 wyodrębniono 6,4 mln jednostek tworzących siatkę kwadratów o rozmiarach 20 × 20 m. Wykorzystane zostały algorytmy samoorganizującej mapy (SOM) Kohonena oraz klasyfikatory – głęboka sieć neuronowa, oraz dwa rodzaje drzew decyzyjnych – rozproszony las losowy (ang. Distributed Random Forest) i wzmacniane drzewa losowe (ang. Gradient Boosting Machine). Szczególnie algorytm rozproszonego lasu losowego (algorytm DRF) wykazał bardzo wysoki stopień zdolności generalizacyjnej w modelowaniu zróżnicowania kompleksów glebowych.
Źródło:
Journal of Water and Land Development; 2016, 30; 127-139
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hvor konservative er polske norskstudenter i sin språkbruk? Hunkjønnsmarkering i norskinnlæreres tekstproduksjon
Autorzy:
Horbowicz, Paulina
Powiązania:
https://bibliotekanauki.pl/articles/1163130.pdf
Data publikacji:
2016-02-11
Wydawca:
Uniwersytet im. Adama Mickiewicza w Poznaniu
Tematy:
norsk som andrespråk
grammatisk kjønn
norsk skriftspråk
grammatical gender
written norwegian
norwegian as a second language
Opis:
The paper examines the phenomenon of the feminine gender, which in Bokmål is optional. The choice between the masculine and feminine forms is nevertheless not without meaning. It has been proved that if some nouns appear in feminine form earlier in a text, it implies the use of feminine gender on other nouns (Dyvik, 2012). Hence, the appearance of feminine marking on different words is mutually related, and may be shown to be consistent or not. The paper analyses texts written by Polish students of Norwegian on three different levels of language command (A2, B2/C1 and C2+) and investigates their use of feminine marking. The results show that the feminine gender is most often used by beginner learners, which confirms the initial hypothesis. Contrary to expectations, the most advanced students show inconsistency in their choice of feminine marking at least as often as beginner learners. The general conclusion is that the majority of Norwegian learners are not fully aware of the implications which come with the use of the feminine gender.
Źródło:
Folia Scandinavica Posnaniensia; 2015, 18; 17-35
1230-4786
2299-6885
Pojawia się w:
Folia Scandinavica Posnaniensia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozwój przedsiębiorczości technologicznej w Polsce. Studium porównawcze przedsiębiorstw KET oraz ICT
Development of technological entrepreneurship in Poland. comparative study of KET and ICT enterprises
Autorzy:
Rostek, Katarzyna
Skala, Agnieszka
Powiązania:
https://bibliotekanauki.pl/articles/590330.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Analiza skupień Warda
Kluczowe technologie wspomagające
Przedsiębiorczość technologiczna
Przedsiębiorstwa wysokiej techniki
Segmentacja
SOM Kohonena
Cluster analysis Ward
High-tech ventures
Key enabling technologies
Segmentation
SOM Kohonen
Technology entrepreneurship
Opis:
Rozwój przedsiębiorczości technologicznej w Polsce wymaga inwestowania i efektywnego wspierania przedsiębiorstw, których działania koncentrują się w obszarze wysokich technologii (HT) oraz kluczowych technologii wspomagających (KET). Klasyfikacja podmiotów do jednej z tych grup jest poważnym wyzwaniem, które wymaga dopracowania zarówno definicji, jak i narzędzi wspomagających. Celem jest osiągnięcie takiej precyzji identyfikacji i typologizacji przedsiębiorstw, które zagwarantują właściwe ukierunkowanie celowych środków pomocy oraz stałe monitorowanie postępów ich rozwoju. W niniejszym opracowaniu zaprezentowano wyniki analizy przeprowadzonej dla trzech grup przedsiębiorstw – producentów oprogramowania w branży informatycznej (ICT), producentów wyrobów wysokiej techniki (HT) oraz twórców kluczowych technologii wspomagających (KET). Na tej podstawie wskazano cechy charakteryzujące przedsiębiorstwa o wysokim potencjale rozwoju oraz przygotowano rekomendacje dotyczące istotnych wyróżników tego potencjału, które stanowią elementy oceny innych podmiotów, starających się o pomoc i dofinansowanie swojej działalności.
The development of technological entrepreneurship in Poland requires investment and effective support of companies whose activities are concentrated in the area of high technology (HT) and key enabling technologies (KETs). The classification of entities into one of these groups is a major challenge that should be developed in both areas of definition and supporting tools. The aim is to achieve such precision in identification and typology of companies that ensure proper targeting of support activities and constant monitoring of the development progress. This paper presents the results of analysis performed for the three groups of companies – manufacturers of Information Technology (ICT), HT and KETs. On the basis of specified characteristics of companies with high growth potential it has been prepared recommendations for main criteria of this potential, which are elements of the evaluation of other entities are seeking help and financial support of its functioning.
Źródło:
Studia Ekonomiczne; 2016, 281; 155-167
2083-8611
Pojawia się w:
Studia Ekonomiczne
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
Wyświetlanie 1-15 z 26

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