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 "belief networks" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Speech-Based Vehicle Movement Control Solution
    Autorzy:
    Kaur, Gurpreet
    Srivastava, Mohit
    Kumar, Amod
    Powiązania:
    https://bibliotekanauki.pl/articles/1839320.pdf
    Data publikacji:
    2020
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    deep belief networks
    mel frequency cepstral coeficients
    speech recognition
    Opis:
    The article describes a speech-based robotic prototype designed to aid the movement of elderly or handicapped individuals. Mel frequency cepstral coefficients (MFCC) are used for the extraction of speech features and a deep belief network (DBN) is trained for the recognition of commands. The prototype was tested in a real-world environment and achieved an accuracy rate of 87.4%.
    Źródło:
    Journal of Telecommunications and Information Technology; 2021, 3; 72-77
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Deep Belief Neural Networks and Bidirectional Long-Short Term Memory Hybrid for Speech Recognition
    Autorzy:
    Brocki, Ł.
    Marasek, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/177625.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    deep belief neural networks
    long-short term memory
    bidirectional recurrent neural networks
    speech recognition
    large vocabulary continuous speech recognition
    Opis:
    This paper describes a Deep Belief Neural Network (DBNN) and Bidirectional Long-Short Term Memory (LSTM) hybrid used as an acoustic model for Speech Recognition. It was demonstrated by many independent researchers that DBNNs exhibit superior performance to other known machine learning frameworks in terms of speech recognition accuracy. Their superiority comes from the fact that these are deep learning networks. However, a trained DBNN is simply a feed-forward network with no internal memory, unlike Recurrent Neural Networks (RNNs) which are Turing complete and do posses internal memory, thus allowing them to make use of longer context. In this paper, an experiment is performed to make a hybrid of a DBNN with an advanced bidirectional RNN used to process its output. Results show that the use of the new DBNN-BLSTM hybrid as the acoustic model for the Large Vocabulary Continuous Speech Recognition (LVCSR) increases word recognition accuracy. However, the new model has many parameters and in some cases it may suffer performance issues in real-time applications.
    Źródło:
    Archives of Acoustics; 2015, 40, 2; 191-195
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effects of Sparse Initialization in Deep Belief Networks
    Autorzy:
    Grzegorczyk, K.
    Kurdziel, M.
    Wójcik, P. I.
    Powiązania:
    https://bibliotekanauki.pl/articles/305264.pdf
    Data publikacji:
    2015
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    sparse initialization
    Deep Belief Networks
    Noisy Rectified Linear Units
    Opis:
    Deep neural networks are often trained in two phases: first, hidden layers are pretrained in an unsupervised manner, and then the network is fine-tuned with error backpropagation. Pretraining is often carried out using Deep Belief Networks (DBNs), with initial weights set to small random values. However, recent results established that well-designed initialization schemes, e.g., Sparse Initialization (SI), can greatly improve the performance of networks that do not use pretraining. An interesting question arising from these results is whether such initialization techniques wouldn’t also improve pretrained networks. To shed light on this question, in this work we evaluate SI in DBNs that are used to pretrain discriminative networks. The motivation behind this research is our observation that SI has an impact on the features learned by a DBN during pretraining. Our results demonstrate that this improves network performance: when pretraining starts from sparsely initialized weight matrices, networks achieve lower classification errors after fine-tuning.
    Źródło:
    Computer Science; 2015, 16 (4); 313-327
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The recognition of partially occluded objects with support vector machines, convolutional neural networks and deep belief networks
    Autorzy:
    Chu, J. L.
    Krzyżak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/91650.pdf
    Data publikacji:
    2014
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    neural networks
    belief networks
    convolutional neural networks
    artificial neural networks
    Deep Belief Network
    generative model
    Opis:
    Biologically inspired artificial neural networks have been widely used for machine learning tasks such as object recognition. Deep architectures, such as the Convolutional Neural Network, and the Deep Belief Network have recently been implemented successfully for object recognition tasks. We conduct experiments to test the hypothesis that certain primarily generative models such as the Deep Belief Network should perform better on the occluded object recognition task than purely discriminative models such as Convolutional Neural Networks and Support Vector Machines. When the generative models are run in a partially discriminative manner, the data does not support the hypothesis. It is also found that the implementation of Gaussian visible units in a Deep Belief Network trained on occluded image data allows it to also learn to effectively classify non-occluded images.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 1; 5-19
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Concept of Usage of Bayesian Networks in Clinical Decision Support Module
    Koncepcja wykorzystania sieci bayesowskich w module wspomagania decyzji medycznych
    Autorzy:
    Strawa, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/305953.pdf
    Data publikacji:
    2012
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    sieci bayesowskie
    sieci przekonań
    system wspomagania decyzji medycznych
    Bayesian networks
    belief networks
    clinical decision support system
    Opis:
    Concept of decision support module utilizing a repository of clinical pathways has been presented in this paper: the definition of Bayesian networks and its major concepts, description of chosen inference algorithm and an example of diagnosis.
    W artykule przedstawiono koncepcję budowy modułu wspomagania decyzji medycznych, współpracującego z repozytorium ścieżek klinicznych. Składają się na nią: definicja sieci bayesowskich oraz najważniejszych pojęć z nimi związanych, opis wybranego mechanizmu wnioskowania oraz przykład generowania diagnozy w module.
    Źródło:
    Biuletyn Instytutu Systemów Informatycznych; 2012, 9; 27-34
    1508-4183
    Pojawia się w:
    Biuletyn Instytutu Systemów Informatycznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modele odwrotne i modelowanie diagnostyczne
    Inverse models and diagnostic modeling
    Autorzy:
    Cholewa, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/328712.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    modele odwrotne
    modele diagnostyczne
    sieci przekonań
    inverse models
    diagnostic models
    belief networks
    Opis:
    Praca dotyczy ogólnej metodologii badań diagnostycznych, Wskazano podejścia bazujące na biernych i czynnych eksperymentach diagnostycznych. Zaproponowano podejście mieszane, w którym stosowane są modele odwrotne współdziałające ze szczególnymi układami wnioskującymi wykonanymi z zastosowaniem sieci przekonań. Opracowanie zawiera ogólne wprowadzenie do modeli odwrotnych oraz do sieci przekonań.
    The paper deals with a general methodology for diagnostic investigations. It presents basic approaches connected with passive as well as active diagnostic experiments. It suggests a mixed approach making use of inverse models followed by a particular diagnostic reasoning done by means of belief networks. The paper contains a basic introduction to the inverse models and to belief networks.
    Źródło:
    Diagnostyka; 2004, 30, T. 1; 111-114
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The role of time in influence diagrams
    Autorzy:
    Traczyk, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/307809.pdf
    Data publikacji:
    2003
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    niepewność
    uncertainty
    belief networks
    influence diagrams
    ordering in time
    Opis:
    An influence diagram is a compact representation emphasizing the qualitative features of decision problem under uncertainty. Classical influence diagram has parameters stable in time, determined order of suggested decisions and generally is independent of time. Here we have shown some possible methods of construction of time dependent influence diagrams: with decision ordering, time-sliced segments and time consuming nodes. Such gathering of methods can help in selection of a proper solution.
    Źródło:
    Journal of Telecommunications and Information Technology; 2003, 3; 108-111
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      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