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 "data stream" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-10 z 19
Tytuł:
Analysis of Compressed Data Stream Content in HEVC Video Encoder
Autorzy:
Stankowski, J.
Karwowski, D.
Grajek, T.
Wegner, K.
Siast, J.
Klimaszewski, K.
Stankiewicz, O.
Domański, M.
Powiązania:
https://bibliotekanauki.pl/articles/227246.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
HEVC
video compression
compressed data stream analysis
Opis:
In this paper, a detailed analysis of the content of the bitstream, produced by the HEVC video encoder is presented. With the use of the HM 10.0 reference software the following statistics were investigated: 1) the amount of data in the encoded stream related to individual frame types, 2) the relationship between the value of the QP and the size of the bitstream at the output of the encoder, 3) contribution of individual types of data to I and B frames. The above mentioned aspects have been thoroughly explored for a wide range of target bitrates. The obtained results became the basis for highlighting guidelines that allow for efficient bitrate control in the HEVC encoder.
Źródło:
International Journal of Electronics and Telecommunications; 2015, 61, 2; 121-127
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
High-performance FPGA Architecture for Data Streams Processing on Example of IPsec Gateway
Autorzy:
Korona, M.
Skowron, K.
Trzepinski, M.
Rawski, M.
Powiązania:
https://bibliotekanauki.pl/articles/227331.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
IPsec
FPGA
hardware implementation
data stream processing
Opis:
In modern digital world, there is a strong demand for efficient data streams processing methods. One of application areas is cybersecurity - IPsec is a suite of protocols that adds security to communication at the IP level. This paper presents principles of high-performance FPGA architecture for data streams processing on example of IPsec gateway implementation. Efficiency of the proposed solution allows to use it in networks with data rates of several Gbit/s.
Źródło:
International Journal of Electronics and Telecommunications; 2018, 64, 3; 351-356
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Two procedures for robust monitoring of probability distributions of economic data stream induced by depth functions
Autorzy:
Kosiorowski, D.
Powiązania:
https://bibliotekanauki.pl/articles/406469.pdf
Data publikacji:
2015
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
data stream
robust procedure
statistical depth function
Opis:
Data streams (streaming data) consist of transiently observed, evolving in time, multidimensional data sequences that challenge our computational and/or inferential capabilities. We propose user friendly approaches for robust monitoring of selected properties of unconditional and conditional distributions of the stream based on depth functions. Our proposals are robust to a small fraction of outliers and/or inliers, but at the same time are sensitive to a regime change in the stream. Their implementations are available in our free R package DepthProc.
Źródło:
Operations Research and Decisions; 2015, 25, 1; 55-79
2081-8858
2391-6060
Pojawia się w:
Operations Research and Decisions
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A novel drift detection algorithm based on features’ importance analysis in a data streams environment
Autorzy:
Duda, Piotr
Przybyszewski, Krzysztof
Wang, Lipo
Powiązania:
https://bibliotekanauki.pl/articles/1837417.pdf
Data publikacji:
2020
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
data stream mining
random forest
features importance
Opis:
The training set consists of many features that influence the classifier in different degrees. Choosing the most important features and rejecting those that do not carry relevant information is of great importance to the operating of the learned model. In the case of data streams, the importance of the features may additionally change over time. Such changes affect the performance of the classifier but can also be an important indicator of occurring concept-drift. In this work, we propose a new algorithm for data streams classification, called Random Forest with Features Importance (RFFI), which uses the measure of features importance as a drift detector. The RFFT algorithm implements solutions inspired by the Random Forest algorithm to the data stream scenarios. The proposed algorithm combines the ability of ensemble methods for handling slow changes in a data stream with a new method for detecting concept drift occurrence. The work contains an experimental analysis of the proposed algorithm, carried out on synthetic and real data.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 4; 287-298
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Data Stream Classification Using Classifier Ensemble
Autorzy:
Woźniak, Michał
Kasprzak, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/1373631.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Jagielloński. Wydawnictwo Uniwersytetu Jagiellońskiego
Tematy:
data stream classification
classifier enslemble
pattern classification
forgetting
Opis:
For the contemporary business, the crucial factor is making smart decisions on the basis of the knowledge hidden in stored data. Unfortunately,m traditional simple methods of data analysis are not sufficient for efficient management of modern enterprizes, because they are not appropriate for the huge and growing amount of the data stored by them. Additionally data usually comes continuously in the form of so-called data stream. The great disadvantage of traditional classification methods is that they assume that statistical properties of the discovered concept are being unchanged, while in real situation, we could observe so-called concept drift, which could be caused by changes in the probabilities of classes or/and conditional probability distributions of classes. The potential for considering new training data is an important feature of machine learning methods used in security applications (spam filtering or intrusion detection) or decision support systems for marketing departments, which need to follow the changing client behavior. Unfortunately, the occurrence of concept drift dramatically decreases classification accuracy. This work presents the comprehensive study on the ensemble classifier approach applied to the problem of drifted data streams. Especially it reports the research on modifications of previously developed Weighted Aging Classifier Ensemble (WAE) algorithm, which is able to construct a valuable classifier ensemble for classification of incremental drifted stream data. We generalize WAE method and propose the general framework for this approach. Such framework can prune an classifier ensemble before or after assigning weights to individual classifiers. Additionally, we propose new classifier pruning criteria, weight calculation methods, and aging operators. We also propose rejuvenating operator, which is able to soften the aging effect, which could be useful, especially in the case if quite ”old” classifiers are high quality models, i.e., their presence increases ensemble accuracy, what could be found, e.g., in the case of recurring concept drift. The chosen characteristics of the proposed frameworks were evaluated on the basis of the wide range of computer experiments carried out on the two benchmark data streams. Obtained results confirmed the usability of proposed method to the data stream classification with the presence of incremental concept drift.
Źródło:
Schedae Informaticae; 2014, 23; 21-32
0860-0295
2083-8476
Pojawia się w:
Schedae Informaticae
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Survival analysis on data streams: Analyzing temporal events in dynamically changing environments
Autorzy:
Shaker, A.
Hüllermeier, E.
Powiązania:
https://bibliotekanauki.pl/articles/331440.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
data stream
survival analysis
event history analysis
earthquake data
Twitter data
strumień danych
analiza przeżycia
Opis:
In this paper, we introduce a method for survival analysis on data streams. Survival analysis (also known as event history analysis) is an established statistical method for the study of temporal “events” or, more specifically, questions regarding the temporal distribution of the occurrence of events and their dependence on covariates of the data sources. To make this method applicable in the setting of data streams, we propose an adaptive variant of a model that is closely related to the well-known Cox proportional hazard model. Adopting a sliding window approach, our method continuously updates its parameters based on the event data in the current time window. As a proof of concept, we present two case studies in which our method is used for different types of spatio-temporal data analysis, namely, the analysis of earthquake data and Twitter data. In an attempt to explain the frequency of events by the spatial location of the data source, both studies use the location as covariates of the sources.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2014, 24, 1; 199-212
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Indexing biomedical streams in data management system
Autorzy:
Widera, M.
Wróbel, J.
Matonia, A.
Jeżewski, M.
Horoba, K.
Kupka, T.
Powiązania:
https://bibliotekanauki.pl/articles/333832.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
scentralizowane monitorowanie
przetwarzanie strumienia danych
indeksowanie
centralized monitoring
data stream processing
indexing
Opis:
We are developing Data Stream Management System that can be applied in medical monitoring system. One of the problems is how to support efficient data access methods. This paper considers indexing issues in data management system. The indexing is a commonly used method of data access acceleration. Classical and new streaming methods of indexing have been presented. The method was developed in data stream management system and first applied in a centralized neonatal monitoring system.
Źródło:
Journal of Medical Informatics & Technologies; 2005, 9; 107-112
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dynamical clustering of streaming data with a growing neural gas network
Grupowanie dynamiczne strumieni danych z zastosowaniem sieci typu growing neural gas
Autorzy:
Migdal-Najman, K.
Najman, K.
Powiązania:
https://bibliotekanauki.pl/articles/37269.pdf
Data publikacji:
2015
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
cluster analysis
data stream clustering
Growing Neural Gas network
country
economy
information
globalization
Opis:
One of characteristic feature of contemporary data bases is their growing dynamics. The number of registered entities as well as their group structure tends to dynamically grow. In order to effectively determine the rapidly changing number and structure of clusters, appropriate methods of cluster analysis have to be applied. The paper presents the results of simulation research concerning the possibility of applying self-learning GNG neural networks in clustering data from data streams.
Jedną z charakterystycznych cech współczesnych zbiorów danych jest ich dynamika. Liczba zarejestrowanych obiektów, jak również ich struktura grupowa potrafi zmienić się wielokrotnie w ciągu sekund. W celu skutecznego wykrycia liczby skupień i struktury grupowej rejestrowanych obiektów konieczne staje się zastosowanie specjalnych metod analitycznych. W artykule przedstawiono wyniki badań symulacyjnych w zakresie możliwości zastosowania samouczących się sztucznych sieci neuronowych typu GNG w grupowaniu strumieni danych.
Źródło:
Acta Scientiarum Polonorum. Oeconomia; 2015, 14, 3
1644-0757
Pojawia się w:
Acta Scientiarum Polonorum. Oeconomia
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Value stream mapping in the process of knowledge exchange while maintaining data security in a manufacturing company
Autorzy:
Żywiołek, Justyna
Powiązania:
https://bibliotekanauki.pl/articles/103973.pdf
Data publikacji:
2020
Wydawca:
Stowarzyszenie Menedżerów Jakości i Produkcji
Tematy:
data stream mapping methods
data management
data analysis
information
metody mapowania strumieni danych
zarządzanie danymi
analiza danych
informacja
Opis:
The article presents methods of mapping data, information and knowledge value stream in order to identify the flow of key processes and to return knowledge exchange in the examined company. One large production company was audited. The amount of incoming to the company and processing information is so large that it must implement methods to improve their flow. Problems with knowledge exchange associated with high rotation contributed to analyzing the problem.
Źródło:
Quality Production Improvement - QPI; 2020, 2, 1; 11-18
2657-8603
Pojawia się w:
Quality Production Improvement - QPI
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Głębia położenia-rozrzutu w strumieniowej analizie danych ekonomicznych
Location-scale depth in economic data stream analysis
Autorzy:
Kosiorowski, Daniel
Powiązania:
https://bibliotekanauki.pl/articles/964999.pdf
Data publikacji:
2012
Wydawca:
Główny Urząd Statystyczny
Tematy:
strumień danych
statystyczna funkcja głębi
wielowymiarowa mediana
data stream
statistical depth function
multivariate median
Opis:
Z praktycznego punktu widzenia priorytetowym celem analizy ekonomicznego szeregu czasowego jest uzyskanie wglądu na podstawie stale uaktualnianej próby umiarkowanej długości w krótkookresowe właściwości probabilistyczne procesu generującego dane. Na podstawie takiej w ogólności nieprecyzyjnej wiedzy dokonywanych jest szereg decyzji ekonomicznych oraz prognoz. W praktyce bardzo ważną kwestią jest odpowiedź na pytanie co mówi nam większość danych o przyszłym zachowaniu większości uczestników pewnego rynku. Szczególnie trudno odpowiedzieć na takie pytanie w przypadku wielkich zbiorów danych generowanych przez zmieniający się wielowymiarowy model. W artykule prezentujemy wybrane zastosowania procedur indukowanych przez głębię położenia-rozrzutu Mizery i Müller w odpornej analizie strumienia danych ekonomicznych.
In this paper we study the properties of the location-scale depth procedures introduced by Mizera & Müller and look into the probabilistic information of the underlying time series model carried by them. We focus our attention on short term multivariate quantile based description of the possible time series model. We study robustness and utility of such the description in a decision making process. In particular we investigate properties of the moving Student median (two dimensional Tukey median in a location–scale problem).
Źródło:
Przegląd Statystyczny; 2012, 59, numer specjalny 1; 87-108
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-10 z 19

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