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 "classifier system" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-12 z 12
    Tytuł:
    LCS and GP Approaches to Multiplexer’s Problem
    Autorzy:
    Wasielewska, K.
    Bagiński, M.
    Seredyński, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/92967.pdf
    Data publikacji:
    2006
    Wydawca:
    Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
    Tematy:
    learning classifier system
    genetic programming
    multiplexer problem
    Opis:
    In this paper we present the use of learning classifier systems and genetic programming to solving multiplexer’s problem. The function of multiplexer is the popular apparatus of researches which is used to investigate the effectiveness of systems based on evolutionary algorithms. It turns out that the eXtended Classifier System (XCS) learns the problem of multiplexer effectively and Genetic Programming (GP) finds the form of function of multiplexer correctly.
    Źródło:
    Studia Informatica : systems and information technology; 2006, 1(7); 195-206
    1731-2264
    Pojawia się w:
    Studia Informatica : systems and information technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dynamical ensemble selection - experimental analysis on homogenous pool of classifiers
    Autorzy:
    Baczyńska, P.
    Burduk, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/334009.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    classifier fusion
    dynamic ensemble selection
    multiple classifier system
    fuzja klasyfikatorów
    wybór dynamicznego zespołu
    system klasyfikatorowy
    Opis:
    The paper presents the dynamic ensemble selection based on the analysis of the decision profiles. These profiles are obtained from a posteriori probability functions returned from the base classifiers during the training process. Presented in the paper dynamic ensemble selection algorithms are dedicated to the binary classification task. In order to verify these algorithms, a number of experiments have been carried out on several medical data sets. The proposed dynamic ensemble selection is experimentally compared against the ensemble with the sum fusion method. As base classifiers we used the pool of homogeneous classifiers. The obtained results are promising because we could improve the classification accuracy of the ensemble classifier.
    Źródło:
    Journal of Medical Informatics & Technologies; 2015, 24; 107-112
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The proposal of calculation classifier weights for an assembly of classifiers
    Autorzy:
    Burduk, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/333595.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    classifier fusion
    static classifiers selection
    multiple classifier system
    fuzja informacji
    fuzja klasyfikatorów
    selekcja klasyfikatorów
    system klasyfikujący wielokrotny
    Opis:
    The selection of classifiers is one of the important problems in the creation of ensemble of classifiers. The paper presents the static selection in which a new method of calculating the weights of individual classifiers is used. The obtained weights can be interpreted in the context of the interval logic. It means that the particular weights will not be provided precisely but their lower and upper values will be used. A number of experiments have been carried out on several medical data sets.
    Źródło:
    Journal of Medical Informatics & Technologies; 2014, 23; 181-186
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined classifier based on feature space partitioning
    Autorzy:
    Woźniak, M.
    Krawczyk, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/331294.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    rozpoznawanie wzorców
    system klasyfikujący wielokrotny
    algorytm grupowania
    algorytm selekcji
    algorytm ewolucyjny
    pattern recognition
    combined classifier
    multiple classifier system
    clustering algorithm
    selection algorithm
    evolutionary algorithm
    Opis:
    This paper presents a significant modification to the AdaSS (Adaptive Splitting and Selection) algorithm, which was developed several years ago. The method is based on the simultaneous partitioning of the feature space and an assignment of a compound classifier to each of the subsets. The original version of the algorithm uses a classifier committee and a majority voting rule to arrive at a decision. The proposed modification replaces the fairly simple fusion method with a combined classifier, which makes a decision based on a weighted combination of the discriminant functions of the individual classifiers selected for the committee. The weights mentioned above are dependent not only on the classifier identifier, but also on the class number. The proposed approach is based on the results of previous works, where it was proven that such a combined classifier method could achieve significantly better results than simple voting systems. The proposed modification was evaluated through computer experiments, carried out on diverse benchmark datasets. The results are very promising in that they show that, for most of the datasets, the proposed method outperforms similar techniques based on the clustering and selection approach.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 855-866
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Self-adaptation of parameters in a learning classifier system ensemble machine
    Autorzy:
    Troć, M.
    Unold, O.
    Powiązania:
    https://bibliotekanauki.pl/articles/907767.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    komputerowe uczenie się
    system klasyfikujący
    sterowanie adaptacyjne
    sterowanie parametryczne
    machine learning
    extended classifier system
    self-adaptation
    adaptive parameter control
    Opis:
    Self-adaptation is a key feature of evolutionary algorithms (EAs). Although EAs have been used successfully to solve a wide variety of problems, the performance of this technique depends heavily on the selection of the EA parameters. Moreover, the process of setting such parameters is considered a time-consuming task. Several research works have tried to deal with this problem; however, the construction of algorithms letting the parameters adapt themselves to the problem is a critical and open problem of EAs. This work proposes a novel ensemble machine learning method that is able to learn rules, solve problems in a parallel way and adapt parameters used by its components. A self-adaptive ensemble machine consists of simultaneously working extended classifier systems (XCSs). The proposed ensemble machine may be treated as a meta classifier system. A new self-adaptive XCS-based ensemble machine was compared with two other XCS-based ensembles in relation to one-step binary problems: Multiplexer, One Counts, Hidden Parity, and randomly generated Boolean functions, in a noisy version as well. Results of the experiments have shown the ability of the model to adapt the mutation rate and the tournament size. The results are analyzed in detail.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 157-174
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Two Dimensional Wavelet Transform for Classification of Power Quality Disturbances
    Autorzy:
    Mollayi, N.
    Mokhtari, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/262752.pdf
    Data publikacji:
    2014
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
    Tematy:
    power quality
    event detection and classification
    two dimensional wavelet transform
    pattern classification
    image processing
    feature
    classifier system
    Opis:
    Identification of voltage and current disturbances is an important task in power system monitoring and protection. In this paper, the application of two-dimensional wavelet transform for characterization of a wide variety range of power quality disturbances is discussed, and a new algorithm, based on image processing techniques is proposed for this purpose. A matrix is formed based on a specified number of cycles in such a way that the samples of voltage signal in each cycle form one row of that matrix. This matrix can be regarded as a two dimensional image. A two-dimensional wavelet transform is used to decompose the image into approximation and details, which contain low frequency and high frequency components along the rows and columns, respectively. Different disturbances result into different special patterns in detail images. By processing the detail images, specific features are defined which can suitably discriminate various types of disturbances. Combination of the feature generation algorithm and a classifier system leads to a smart system for classification of wide variety range of disturbances.
    Źródło:
    Electrical Power Quality and Utilisation. Journal; 2014, 17, 2; 1-7
    1896-4672
    Pojawia się w:
    Electrical Power Quality and Utilisation. Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Medical diagnosis support system based on the ensemble of single-parameter classifiers
    Autorzy:
    Orczyk, T.
    Porwik, P.
    Bernaś, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/333746.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    classifier ensembles
    combination rule
    decision support system
    zespoły klasyfikatora
    zasada kombinacji
    system wspomagania decyzji
    Opis:
    This paper presents a medical diagnosis support system based on an ensemble of single parameter k–NN classifiers [1]. System was verified on a database containing real blood test results of diagnosed patients with a liver fibrosis. This dataset contains problems typical to a real medical data – especially missing values. Paper also describes the process of selecting a subset of parameters used for further evaluation (feature selection/elimination algorithm). Complete database contains many parameters, but not all are important for diagnosis, thus eliminating them is an important step. A comparison of proposed method of classification and feature selection with methods known from literature has also been presented.
    Źródło:
    Journal of Medical Informatics & Technologies; 2014, 23; 173-179
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Unplanned dilution prediction in open stope mining: developing new design charts using Artificial Neural Network classifier
    Autorzy:
    Korigov, Sultan
    Adoko, Amoussou Coffi
    Sengani, Fhatuwani
    Powiązania:
    https://bibliotekanauki.pl/articles/2201390.pdf
    Data publikacji:
    2022
    Wydawca:
    Główny Instytut Górnictwa
    Tematy:
    open stope
    dilution graph
    stope overbreak
    neural network classifier
    system otwartych komór
    klasyfikator sieci neuronowej
    Opis:
    Minimizing dilution is essential in open stope mine design as excessive unplanned dilution can compromise the operation's profitability. One of the main challenges associated with the empirical dilution graph method used to design open stopes is how to determine the boundary of the dilution zones objectively. Hence, this paper explores the implementation of machine learning classifiers to bridge this gap in the conventional dilution graph method. Stope performance data consisting of the stope dilution (unplanned dilution), the modified stability number, and the hydraulic radius were compiled from a mine located in Kazakhstan. First, the conventional dilution graph methods were used to assess the dilution. Next, a Feed-Forward Neural Network (FFNN) classifier was implemented to predict each level of dilution. Overall, the FFNN results indicated that 97% of the stope surfaces were correctly classified, indicating an excellent classification performance, while the conventional dilution graph method did not show a good performance. In addition, the outputs of the FFNN were used to plot new dilution graphs with a probabilistic interpretation illustrating its practicability. It was concluded that the FFNN-based classifier could be a useful tool for open stope design in underground mines.
    Źródło:
    Journal of Sustainable Mining; 2022, 21, 2; 157--168
    2300-1364
    2300-3960
    Pojawia się w:
    Journal of Sustainable Mining
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Integrated Computer Vision and Soft Computing System for Classifying the Pilling Resistance of Knitted Fabrics
    Zintegrowany system komputerowy z systemem analizy obrazu dla oceny i klasyfikacji odporności na pilling wyrobów dzianych
    Autorzy:
    Eldessouki, M
    Bukhari, H A
    Hassan, M
    Qashqary, K
    Powiązania:
    https://bibliotekanauki.pl/articles/232642.pdf
    Data publikacji:
    2014
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    pilling of knitted fabric
    pill segmentation
    pill quantisation
    soft-computing classifier
    artificial neural networks
    pilling wyrobów dzianych
    zintegrowany system dla klasyfikacji odporności na piling
    system analizy obrazu
    Opis:
    Fabric pilling is one of the important properties that affect fabric appearance. The testing of fabric pilling using the standard methods available, however, depends on subjective sample evaluation. Objective fabric pilling evaluation using image processing techniques comprises four main stages that include binarisation, segmentation, quantisation, and classification. Literature on the topic focuses only on one or more of these stages while there is a growing need for an integrated system that combines the most effective techniques of each stage and introduces them in a way that does not depend on the subjective evaluation of human operators. This work tries to tackle this problem and creates an integrated system for classifying the pilling resistance of knitted fabrics. The system introduced a new method for generating an image library based on photographs of the EMPA Standards to allow the training and testing of a soft-computing classifier. The method suggested was tested using knitted samples of different structures and colours and the results show their high robustness performance. The quantitative pilling classification produced from the system suggested shows high agreement with the subjective operators’ evaluation with a Spearman’s correlation coefficient of +0.85.
    Dotychczasowe metody oceny pilingu zależą od subiektywnej oceny oceniającego. Obiektywne oceny pilingu za pomocą analizy obrazu zawierają cztery główne stadia: binaryzację, segmentację, kwantyzacją i klasyfikację. Dostępna literatura podaja na ogół omówienie tylko jednego lub więcej z czterech stopni, natomiast istnieje potrzeba zintegrowanego systemu, który umożliwiałby ogólną ocenę bez subiektywnej ingerencji oceniającego. W pracy postarano się rozwiązać ten problem i stworzono zintegrowany system dla klasyfikacji odporności na piling. System zawiera bazę zdjęć różnych struktur poddanym różnym etapom pilingu. Wyniki uzyskiwane z opracowanego systemu klasyfikacji są w dużej mierze zgodne z wynikami podawanymi przez etatowych subiektywnych klasyfikatorów.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2014, 6 (108); 106-112
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    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:
    Dynamic Neural Networks for Process Modelling in Fault Detection and Isolation Systems
    Autorzy:
    Korbicz, J.
    Patan, K.
    Obuchowicz, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/908291.pdf
    Data publikacji:
    1999
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    wykrywanie błędu
    sieć neuronowa dynamiczna
    modelowanie nieliniowe
    algorytm inteligentny
    fault detection
    dynamic neural networks
    non-linear modelling
    learning algorithms
    FL-classifier
    two-tank system
    Opis:
    A fault diagnosis scheme for unknown nonlinear dynamic systems with modules of residual generation and residual evaluation is considered. Main emphasis is placed upon designing a bank of neural networks with dynamic neurons that model a system diagnosed at normal and faulty operating points.To improve the quality of neural modelling, two optimization problems are included in the construction of such dynamic networks: searching for an optimal network architecture and the network training algorithm. To find a good solution, the effective well-known cascade-correlation algorithm is adapted here. The residuals generated by a bank of neural models are then evaluated by means of pattern classification. To illustrate the effectiveness of our approach, two applications are presented: a neural model of Narendra's system and a fault detection and identification system for the two-tank process.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 1999, 9, 3; 519-546
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Macierzowy model ewolucji składu ziarnowego materiału w dowolnym układzie mieląco-klasyfikującym
    Matrix model for transformation of particle size distribution of material in arbitrary milling-classify system
    Autorzy:
    Zbroński, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/216582.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    modelowanie
    macierz blokowa
    macierz przejścia
    macierz klasyfikacji
    skład ziarnowy
    młyn
    klasyfikator
    obieg złożony
    układ mieląco-klasyfikujący
    modeling
    block matrix
    transition matrix
    classification matrix
    particIe size distribution
    mill
    classifier
    complex circuit
    milling-classify system
    Opis:
    W pracy szczegółowo omówiono sposób tworzenia macierzowego modelu ewolucji składu ziarnowego materiału w dowolnym układzie mieląco-klasyfikującym. Proponowany model oparty na równaniu bilansu masowego populacji ziaren składa się z trzech macierzy blokowych: macierzy całego układu M, macierzy wejść (nadawy bądź produktu) stopni układu F i macierzy nadawy całego układu F0. Poszczególne elementy macierzy blokowej M opisują ewolucję składu ziarnowego w całym układzie. W macierzy tej zawsze występuje macierz jednostkowa I i macierz zerowa 0, a w zależności od złożoności schematu układu pojawiają się w niej także macierz przejścia P i macierz klasyfikacji C, której elementy można wyznaczyć eksperymentalnie. Występujące w modelu elementy macierzy blokowej F opisują wszystkie gęstości składu ziarnowego wchodzące do danego stopnia układu mieląco-klasyfikującego, zaś elementy macierzy blokowej F0 ujmują gęstość składu ziarnowego nadawy ze źródeł zewnętrznych podawanej do wszystkich stopni układu. W pracy przedstawiono algorytm i trzy przykłady tworzenia macierzy blokowych dla wybranych schematów układu. Zaproponowany model może być wykorzystany w prognozowaniu uziarnienia produktu opuszczającego wybrany stopień układu oraz w modelowaniu procesów przeróbczych.
    Complex circuit of milling-classify systems are used in different branches of industry, because the required particle size distribution of product can seldom be reached in a single-stage grinding on the same device. The multistage processes of comminution and classification make possible suitable selection of parameters process for variables graining of fed material, mainly through sectioning of devices or change of their size and the types. Grinding material usually contains size fractions, which meet the requirements relating finished product. Then profitable is preliminary distributing material on a few size fractions, so to deal out with them demanded fraction of product, whereas remaining to direct alone or together with fed material to the same or different device. If the number of mills and classifiers in a circuit is large enough, building the model of particle size distribution transformation becomes rather complicated even for the circuit of a given structure. The situation becomes much more complicated, if we want to compare characteristics of all possible circuits, that can be constructed from these mills and classifiers, because the number of possible circuits increases greatly with the increase of number of devices being in the milling-classify system. The method creating matrix model for transformation of particle size distribution in a circuit of arbitrary structure of milling-classify system is presented in the article. The proposed model contains the mass population balance of particle equation, in which are block matrices: the matrix of circuit M, the matrix of inputs F and the matrix of feed F0. The matrix M contains blocks with the transition matrix P, the classification matrix C, the identity matrix I and the zero matrix 0 or elements describing the transformation of particle size distribution in the circuit. The matrix F is the block column matrix, which elements describing all particle size distributions at inputs to the circuit elements. The matrix F0 is the block column matrix, which elements describing particle size distributions in all feeds to the circuit. In paper was discussed this model in details, showed algorithm and three examples formatrix construction for the closed circuit ofmilling-classify systems. In conclusion was affirmed, that presented model makes possible to forecasting particle size distribution of grinding product, which leaving chosen the unit of system. The matrix model can be applied to improving modeling of mineral processing in the different grinding devices.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2011, 27, 3; 69-80
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-12 z 12

      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