Informacja

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

Wyszukujesz frazę "Support vector machines" wg kryterium: Temat


Tytuł:
On Some Properties of Support Vector Clustering
Analiza wybranych własności taksonomicznej metody wektorów nośnych
Autorzy:
Trzęsiok, Michał
Powiązania:
https://bibliotekanauki.pl/articles/906302.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
support vector machines
clustering
admissibility conditions
Opis:
Celem referatu jest przedstawienie analizy wybranych formalnych własności taksonomicznej metody wektorów nośnych (SVC). Wyniki dotyczące nowej metody SVC zestawiono i porównano z własnościami innych znanych metod taksonomicznych. Ponieważ na ogół nie jest możliwe wskazanie, która z metod taksonomicznych daje najlepsze rezultaty, stojąc wobec konkretnego problemu, badacz musi dokonywać wyboru metody w oparciu o wiedzę dotyczącą ich własności. Zadaniem badacza jest wtedy ustalenie preferencji w zbiorze własności metod by następnie użyć ich przy doborze odpowiedniego narzędzia. Wiedza dotycząca formalnych własności metod taksonomicznych jest w referacie rozszerzona o nową- taksonomiczną metodę wektorów nośnych.
The aim o f this paper is to analyse the relatively new clustering method - Support Vector Clustering (SVC) in terms o f fulfilling admissibility conditions. The results are compared within a group o f four other clustering methods. Since it is not possible to assess which clustering method is the "best" in general, given a specific problem the user can decide which method to apply considering some properties o f clustering methods, known as admissibility conditions. This paper expands the knowledge about the properties o f clustering methods with the properties o f SVC.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 228
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Tenfold bootstrap procedure for support vector machines
Autorzy:
Vrigazova, Borislava
Ivanov, Ivan
Powiązania:
https://bibliotekanauki.pl/articles/1839282.pdf
Data publikacji:
2020
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
support vector machines
bootstrap
cross validation
Opis:
Cross validation is often used to split input data into training and test set in Support vector machines. The two most commonly used cross validation versions are the tenfold and leave-one-out cross validation. Another commonly used resampling method is the random test/train split. The advantage of these methods is that they avoid overfitting in the model and perform model selection. They, however, can increase the computational time for fitting Support vector machines with the increase of the size of the dataset. In this research, we propose an alternative for fitting SVM, which we call the tenfold bootstrap for Support vector machines. This resampling procedure can significantly reduce execution time despite the big number of observations, while preserving model’s accuracy. With this finding, we propose a solution to the problem of slow execution time when fitting support vector machines on big datasets.
Źródło:
Computer Science; 2020, 21 (2); 241-257
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Extracting Class Description from Support Vector Machines
Profilowanie klas w metodzie wektorów nośnych
Autorzy:
Trzęsiok, Michał
Powiązania:
https://bibliotekanauki.pl/articles/904801.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
Support Vector Machines
knowledge extraction
model interpretability
Opis:
Support Vector Machines (SVMs) belong to the group of Data Mining and Machine Learning methods. SVMs are considered to be one of the best classification methods in terms of performance measure. The biggest disadvantage of SVMs is their lack of interpretability. Additional procedures can be applied that enable knowledge extraction. We present such a procedure that uses the information embedded in support vectors – the observations that define the classification function. We use recursive partitioning applied to support vectors to increase the interpretability of SVMs.
Metoda wektorów nośnych (SVM) należy do grupy statystycznych metod uczących się. Jak większość metod z tej grupy, metoda SVM buduje modele o bardzo dobrych własnościach predykcyjnych, lecz niewielkiej interpretowalności. W celu uzyskania dodatkowej wiedzy –stosuje się dodatkowe procedury wspomagające interpretowanie wyników modelowania. W artykule przedstawiono procedurę wykorzystującą informacje zawarte w wektorach nośnych – obserwacjach istotnie wpływających na postać wyznaczonej funkcji dyskryminującej. Intepretowalność modelu końcowego uzyskano dzięki zastosowaniu modelu rekurencyjnego podziału do dyskryminacji wyznaczonych wektorów nośnych.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 286
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Clustering Methods Applied to Reduce the Training Sample Size in Support Vector Machines
Wykorzystanie metod taksonomicznych do redukcji liczebności zbioru uczącego w metodzie wektorów nośnych
Autorzy:
Trzęsiok, Michał
Powiązania:
https://bibliotekanauki.pl/articles/905051.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
support vector machines
K-medoids
machine learning
Opis:
Support vector machines belong to the group of methods of supervised learning. They generate non-linear models with good generalization abilities. The core of SVMs algorithm is the quadratic program which is solved for obtaining the optimal separating hyperplane. Because finding the solution of this quadratic program is computationally expensive, SVMs are not feasible for very large data sets. As a solution Wang, Wu and Zhang (2005) suggested to combine the AT-means clustering technique with SVMs to reduce the number of support vectors. The paper presents a common approach using K-medoids and compares it with the original SVMs.
Metoda wektorów nośnych jest metodą dyskryminacji generującą nieliniowe modele o dużym stopniu uogólnienia (małych błędach klasyfikacji na zbiorach testowych). Jednak ze względu na dużą złożoność obliczeniową, związaną z koniecznością rozwiązania zadania optymalizacji wypukłej, które jest podstawowym elementem algorytmu metody, stosowanie metody, szczególnie w przypadku zbiorów uczących o dużej liczebności, nie zawsze jest możliwe. Złożoność obliczeniowa algorytmu metody wektorów nośnych zależy przede wszystkim od liczby obserwacji w zbiorze uczącym. Jako rozwiązanie tego problemu Wang, Wu i Zhang zaproponowali pogrupowanie danych ze zbioru uczącego za pomocą taksonomicznej metody AT-średnich i zastosowanie metody wektorów nośnych na dużo mniej licznym zbiorze środków ciężkości tak otrzymanych klas. W artykule przedstawiona została ocena analogicznego podejścia, wykorzystującego do grupowania metodę K-medoidów oraz porównanie z oryginalną metodą wektorów nośnych.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 225
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adaptation of Evolutionary Algorithms for Decision Making on Building Construction Engineering (TSP Problem)
Autorzy:
Wazirali, R. A.
Alzughaibi, A. D.
Chaczko, Z.
Powiązania:
https://bibliotekanauki.pl/articles/226730.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
TSP
genetic algorithms
GA
support vector machines
SVM
Opis:
The report revolve on building construction engineering and management, in which there are a lot of requirements such as well supervision and accuracy and being in position to forecast uncertainties that may arise and mechanisms to solve them. It also focuses on the way the building and construction can minimise the cost of building and wastages of materials. The project will be based of heuristic methods of Artificial Intelligence (AI). There are various evolution methods, but report focus on two experiments Pattern Recognition and Travelling Salesman Problem (TSP). The Pattern Recognition focuses Evolutionary Support Vector Machine Inference System for Construction Management. The construction is very dynamic are has a lot of uncertainties, no exact data this implies that the inference should change according to the environment so that it can fit the reality, therefore there a need of Support Vector Machine Inference System to solve these problems. TSP focus on reducing cost of building construction engineering and also reduces material wastages, through its principals of finding the minimum cost path of the salesman.
Źródło:
International Journal of Electronics and Telecommunications; 2014, 60, 1; 125-128
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Induction motor fault classification via entropy and column correlation features of 2D represented vibration data
Autorzy:
Basaran, Murat
Fidan, Mehmet
Powiązania:
https://bibliotekanauki.pl/articles/1841827.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
entropy
fault diagnosis
support vector machines
wavelet transforms
Opis:
Due to long-term use under challenging conditions, the sub-elements of induction motors may suffer certain defects over time. Such defects impair the vibration characteristics of the motors in different ways, depending on the type of defect. Therefore, the change in vibration characteristic provides indicators about the fault type and can be used in preventive maintenance strategies to ensure safe operation of the system. In this work, discrete-time vibration data were transformed into 2-dimensional grey-level images and decomposed into individual components by the Wavelet decomposition method. Features based on entropy and column correlation were extracted from these components and used to classify motor faults by using the Support Vector Machine method implemented by using the Sequential Minimal Optimisation algorithm. When the selected classifier is compared with other popular Machine Learning algorithms, it is observed that motor faults are more successfully classified, and these observations are presented in detail with comparative classification performance results.
Źródło:
Eksploatacja i Niezawodność; 2021, 23, 1; 132-142
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of Compounds Activity Concept Learned by SVM Using Robust Jaccard Based Low-dimensional Embedding
Autorzy:
Jastrzębski, Stanisław
Czarnecki, Wojciech Marian
Powiązania:
https://bibliotekanauki.pl/articles/1373687.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Jagielloński. Wydawnictwo Uniwersytetu Jagiellońskiego
Tematy:
Support Vector Machines
Locally Sensitive Hashing
Jaccard similarity
Opis:
Support Vector Machines (SVM) with RBF kernel is one of the most successful models in machine learning based compounds biological activity prediction. Unfortunately, existing datasets are highly skewed and hard to analyze. During our research we try to answer the question how deep is activity concept modeled by SVM. We perform analysis using a model which embeds compounds’ representations in a low-dimensional real space using near neighbour search with Jaccard similarity. As a result we show that concepts learned by SVM is not much more complex than slightly richer nearest neighbours search. As an additional result, we propose a classification technique, based on Locally Sensitive ashing approximating the Jaccard similarity through minhashing technique, which performs well on 80 tested datasets (consisting of 10 proteins with 8 different representations) while in the same time allows fast classification and efficient online training.
Źródło:
Schedae Informaticae; 2015, 24; 9-19
0860-0295
2083-8476
Pojawia się w:
Schedae Informaticae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Bankruptcy prediction of small- and medium-sized enterprises in Poland based on the LDA and SVM methods
Autorzy:
Ptak-Chmielewska, Aneta
Powiązania:
https://bibliotekanauki.pl/articles/1363615.pdf
Data publikacji:
2021-03-03
Wydawca:
Główny Urząd Statystyczny
Tematy:
discriminant analysis
support vector machines
bankruptcy prediction
SMEs
Opis:
The impact the last financial crisis had on the small- and medium-sized enterprises (SMEs) sector varied across countries, affecting them on different levels and to a different extent. The economic situation in Poland during and after the financial crisis was quite stable compared to other EU member states. SMEs represent one of the most important segments of the economy of every country. Therefore, it is crucial to develop a prediction model which easily adapts to the characteristics of SMEs. Since the Altman Z-Score model was devised, numerous studies on bankruptcy prediction have been written. Most of them involve the application of traditional methods, including linear discriminant analysis (LDA), logistic regression and probit analysis. However, most recent studies in the area of bankruptcy prediction focus on more advanced methods, such as case-based reasoning, genetic algorithms and neural networks. In this paper, the effectiveness of LDA and SVM predictions were compared. A sample of SMEs was used in the empirical analysis, financial ratios were utilised and non-financial factors were taken account of. The hypothesis assuming that multidimensional discrimination was more effective was verified on the basis of the obtained results.
Źródło:
Statistics in Transition new series; 2021, 22, 1; 179-195
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykrywanie uszkodzeń węzłów w modelu ramy stalowej na podstawie analizy inertancji
Detection of defects connection between members of steel frame on the basis of FRF changes
Autorzy:
Ziaja, D.
Miller, B.
Powiązania:
https://bibliotekanauki.pl/articles/105271.pdf
Data publikacji:
2017
Wydawca:
Politechnika Rzeszowska im. Ignacego Łukasiewicza. Oficyna Wydawnicza
Tematy:
detekcja uszkodzeń
SHM
FRF
Support Vector Machines
SVM
image detection
Opis:
W artykule przedstawiono możliwość detekcji uszkodzeń węzłów na podstawie analizy proporcji pomiędzy wytypowanymi fragmentami funkcji przejścia (FRF). W ramach zadania wykonano eksperyment na modelu laboratoryjnym dwukondygnacyjnej ramy portalowej, którą poddano testom dynamicznym i dla której określono model modalny. Funkcję przejścia odpowiadającą wybranym punktom układu potraktowano jako sygnał w dziedzinie częstotliwości. Wyznaczono odcięte środków ciężkości kwadratów sygnału wybranych fragmentów funkcji, które następnie potraktowano jako dane wejściowe w metodzie wektorów nośnych. Zaproponowane podejście umożliwia skuteczną detekcję uszkodzeń węzłów badanego modelu.
The article presents the possibility of nodes failures detecting based on the analysis of the proportions between the selected intervals of FRF function. Within the scope of the task an experiment was performed on the laboratory model of a two-storey portal frame, which was subjected to dynamic tests and for which a modal model was defined. FRF function for selected system points was treated as a signal in the frequency domain. For the relevant fragments, the centers of gravity of the signal squares were determined, which were then used as input data in the Support Vector Machines (SVM) method. The proposed approach enables effective detection of connection damage in the tested structure.
Źródło:
Czasopismo Inżynierii Lądowej, Środowiska i Architektury; 2017, 64, 2/I; 247-255
2300-5130
2300-8903
Pojawia się w:
Czasopismo Inżynierii Lądowej, Środowiska i Architektury
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Anomaly detection in a cutting tool by k-means clustering and support vector machines
Autorzy:
Lahrache, A.
Cocconcelli, M.
Rubini, R.
Powiązania:
https://bibliotekanauki.pl/articles/328445.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
knife diagnostics
k-means
hierarchical clustering
support vector machines
diagnostyka
grupowanie hierarchiczne
Opis:
This paper concerns the analysis of experimental data, verifying the applicability of signal analysis techniques for condition monitoring of a packaging machine. In particular, the activity focuses on the cutting process that divides a continuous flow of packaging paper into single packages. The cutting process is made by a steel knife driven by a hydraulic system. Actually, the knives are frequently substituted, causing frequent stops of the machine and consequent lost production costs. The aim of this paper is to develop a diagnostic procedure to assess the wearing condition of blades, reducing the stops for maintenance. The packaging machine was provided with pressure sensor that monitors the hydraulic system driving the blade. Processing the pressure data comprises three main steps: the selection of scalar quantities that could be indicative of the condition of the knife. A clustering analysis was used to set up a threshold between unfaulted and faulted knives. Finally, a Support Vector Machine (SVM) model was applied to classify the technical condition of knife during its lifetime.
Źródło:
Diagnostyka; 2017, 18, 3; 21-29
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analog Circuit Fault Classification Using Improved One-Against-One Support Vector Machines
Autorzy:
Cui, J.
Wang, Y.
Powiązania:
https://bibliotekanauki.pl/articles/220569.pdf
Data publikacji:
2011
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
analog circuit
fault classification
Support Vector Machines Classifier
fault dictionary
kernel parameter
Opis:
This paper presents a novel strategy of fault classification for the analog circuit under test (CUT). The proposed classification strategy is implemented with the one-against-one Support Vector Machines Classifier (SVC), which is improved by employing a fault dictionary to accelerate the testing procedure. In our investigations, the support vectors and other relevant parameters are obtained by training the standard binary support vector machines. In addition, a technique of radial-basis-function (RBF) kernel parameter evaluation and selection is invented. This technique can find a good and proper kernel parameter for the SVC prior to the machine learning. Two typical analog circuits are demonstrated to validate the effectiveness of the proposed method.
Źródło:
Metrology and Measurement Systems; 2011, 18, 4; 569-582
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting the default risk of companies. Comparison of credit scoring models: LOGIT vs Support Vector Machines
Przewidywanie ryzyka kredytowego przedsiębiorstw niefinansowych. Porównanie modeli scoringowych: regresja logistyczna vs Support Vector Machine
Autorzy:
Nehrebecka, Natalia
Powiązania:
https://bibliotekanauki.pl/articles/425217.pdf
Data publikacji:
2018
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
Basel III
Internal Rating Based System
credit scoring
Support Vector Machines
logistic regression
Opis:
The aim of the article is to compare models on a train and validation sample, which will be created using logistic regression and Support Vector Machine (SVM) and will be used to assess the credit risk of non-financial enterprises. When creating models, the variables will be subjected to the transformation of the Weight of Evidence (WoE), the number of potential predictions will be reduced based on the Information Value (IV) statistics. The quality of the models will be assessed according to the most popular criteria such as GINI statistics, Kolmogorov-Smirnov (K-S) and Area Under Receiver Operating Characteristic (AUROC). Based on the results, it was found that there are significant differences between the logistic regression model of discriminatory character and the SVM for the model sample. In the case of a validation sample, logistic regression has the best prognostic capability. These analyses can be used to reduce the risk of negative effects on the financial sector.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2018, 22, 2; 54-73
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Music Performers Classification by Using Multifractal Features : A Case Study
Autorzy:
Reljin, N.
Pokrajac, D.
Powiązania:
https://bibliotekanauki.pl/articles/177266.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
music classification
multifractal analysis
support vector machines
cross-validation
mel-frequency cepstral coefficients
Opis:
In this paper, we investigated the possibility to classify different performers playing the same melodies at the same manner being subjectively quite similar and very difficult to distinguish even for musically skilled persons. For resolving this problem we propose the use of multifractal (MF) analysis, which is proven as an efficient method for describing and quantifying complex natural structures, phenomena or signals. We found experimentally that parameters associated to some characteristic points within the MF spectrum can be used as music descriptors, thus permitting accurate discrimination of music performers. Our approach is tested on the dataset containing the same songs performed by music group ABBA and by actors in the movie Mamma Mia. As a classifier we used the support vector machines and the classification performance was evaluated by using the four-fold cross-validation. The results of proposed method were compared with those obtained using mel-frequency cepstral coefficients (MFCCs) as descriptors. For the considered two-class problem, the overall accuracy and F-measure higher than 98% are obtained with the MF descriptors, which was considerably better than by using the MFCC descriptors when the best results were less than 77%.
Źródło:
Archives of Acoustics; 2017, 42, 2; 223-233
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Solving Support Vector Machine with Many Examples
Autorzy:
Białoń, P.
Powiązania:
https://bibliotekanauki.pl/articles/308497.pdf
Data publikacji:
2010
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
concept drift
convex optimization
data mining
network failure detection
stream processing
support vector machines
Opis:
Various methods of dealing with linear support vector machine (SVM) problems with a large number of examples are presented and compared. The author believes that some interesting conclusions from this critical analysis applies to many new optimization problems and indicates in which direction the science of optimization will branch in the future. This direction is driven by the automatic collection of large data to be analyzed, and is most visible in telecommunications. A stream SVM approach is proposed, in which the data substantially exceeds the available fast random access memory (RAM) due to a large number of examples. Formally, the use of RAM is constant in the number of examples (though usually it depends on the dimensionality of the examples space). It builds an inexact polynomial model of the problem. Another author's approach is exact. It also uses a constant amount of RAM but also auxiliary disk files, that can be long but are smartly accessed. This approach bases on the cutting plane method, similarly as Joachims' method (which, however, relies on early finishing the optimization).
Źródło:
Journal of Telecommunications and Information Technology; 2010, 3; 65-70
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Symulacyjna ocena jakości zagregowanych modeli zbudowanych metodą wektorów nośnych
Benchmarking Aggregated Support Vector Regression Models
Autorzy:
Trzęsiok, Michał
Powiązania:
https://bibliotekanauki.pl/articles/588038.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Metoda wektorów nośnych (SVM)
Modele matematyczne
Symulacja
Mathematical models
Simulation
Support Vector Machines (SVM)
Opis:
Support Vector Machines (SVM) are a state-of-the-art classification method, but they are also suitable, after a special reformulation, to perform a regression task. Similarly to classification, for a nonlinear regression problem, SVMs use the kernel trick and map the input space into a high-dimensional feature space first, and then perform linear regression in the high-dimensional feature space. One can use the model ensemble approach to try to improve the prediction accuracy. The paper presents the comparison of a single SVM, aggregated SVM and other regression models (linear regression, Projection Pursuit Regression, Neural Networks, Regression Trees, Random Forest, Bagging) by the means of a mean squared test set error.
Źródło:
Studia Ekonomiczne; 2013, 132; 115-126
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies