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 "głębokie uczenie" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
Wyświetlanie 1-15 z 71
Tytuł:
Głębokie sieci rekurencyjne i konwolucyjne w detekcji wad spawalniczych dla systemów z robotem przemysłowym
Deep Recurrent and Convolutional Networks in the Detection of Welding Defects for Systems with an Industrial Robot
Autorzy:
Adamczak, Arkadiusz
Powiązania:
https://bibliotekanauki.pl/articles/2068632.pdf
Data publikacji:
2021
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
głębokie uczenie maszynowe
szeregi czasowe
stanowisko zrobotyzowane
detekcja wad spoin
deep learning
time series
robotic station
detection of weld defects
Opis:
Podczas procesów spawania metodą MIG/MAG w produkcji wielkoseryjnej na stanowiskach zrobotyzowanych, często wymagana jest automatyczna kontrola jakości wykonanego spawu. Określanie defektów spawalniczych jest trudne, a powód ich wystąpienia nie zawsze jest znany. Jednym z warunków poprawnie wykonanej spoiny jest stabilność podczas procesu spawania, co przekłada się na ciągłość i zwiększenie ogólnej wydajności produkcji. W artykule przedstawiono wyniki badań nad systemem detekcji defektów spoiny łączącego analizę i klasyfikację szeregów czasowych parametrów spawania dla metody MIG/MAG wraz z równoczesną analizą i klasyfikacją danych obrazowych spoiny dla systemów zrobotyzowanych. Wykorzystane zostały konstrukcje głębokich sieci neuronowych rekurencyjnych i konwolucyjnych. Przedstawiono również konstrukcję sieci neuronowej zawierającej dwa wejścia systemowe, umożliwiającej w jednym czasie klasyfikację zdjęcia spoiny wraz z szeregiem czasowym dla zastosowania w stanowisku zrobotyzowanym. Przedstawione wyniki prac badawczych otrzymano podczas realizacji projektu „Opracowanie metody bazującej na zastosowaniu głębokich sieci neuronowych do inspekcji wizyjnej połączeń spawanych w toku prac B+R” finansowanego z Wielkopolskiego Regionalnego Programu Operacyjnego na lata 2014–2020 i realizowanego w zakładzie ZAP-Robotyka Sp. z o.o. w Ostrowie Wielkopolskim.
During MIG/MAG welding processes in large-scale production on robotic stations, automatic quality control of the weld is often required. Determining welding defects is difficult and the reason for their occurrence is not always known. One of the conditions for a correctly made weld is stability during the welding process, which translates into continuity and increase in overall production efficiency. The article presents the results of research on the creation of a weld defect detection system combining the analysis and classification of time series of welding parameters for the MIG/MAG method along with the simultaneous analysis and classification of weld image data for robotic systems. For this purpose, the structures of deep recursive and convolutional neural networks were used. The design of a neural network with two system inputs allowing for the classification of the weld photo together with the time series for use in a robotic station is also presented. The research results presented in this article were obtained during the implementation of the project entitled „Development of a method based on the use of deep neural networks for visual inspection of welded joints in the course of R&D works” implemented at the company ZAP-Robotyka Sp. z o.o. in Ostrów Wielkopolski.
Źródło:
Pomiary Automatyka Robotyka; 2021, 25, 2; 17--22
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda detekcji wad spawalniczych w stanowisku zrobotyzowanym z wykorzystaniem głębokiej sieci neuronowej
Detection Method of Welding Defects in a Robotic Station Using the Deep Neural Network
Autorzy:
Adamczak, Arkadiusz
Powiązania:
https://bibliotekanauki.pl/articles/2068644.pdf
Data publikacji:
2021
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
głębokie uczenie maszynowe
Przemysł 4.0
stanowisko zrobotyzowane
detekcja wad spoin
deep learning
Industry 4.0
robotic station
detection of weld defects
Opis:
Współczesna automatyzacja i robotyzacja procesów produkcyjnych wymaga nowych i szybkich metod kontroli jakości produktu. W przypadku spawania łukowego w systemach zrobotyzowanych, gdzie proces produkcyjny przebiega wielkoseryjnie istotną rzeczą jest szybka kontrola poprawności wykonanego spawu. System w oparciu o dane wizualne powinien być zdolny automatycznie określić czy dana spoina spełnia podstawowe wymagania jakościowe a tym samym mieć możliwość zatrzymania procesu w razie zidentyfikowanych wad. W artykule przedstawiono wyniki badań nad stworzeniem wizyjnej metody oceny poprawności wykonanej spoiny w oparciu o głęboką sieć neuronową klasyfikującą, lokalizującą i segmentującą wady spawalnicze. Zaproponowana metoda detekcji została rozbudowana przez zastosowanie połączenia kamery systemu wizyjnego z sześcioosiowym robotem przemysłowym w celu umożliwienia detekcji większej liczby wad spawalniczych oraz pozycjonowania w sześciowymiarowej przestrzeni pracy. Przedstawione w artykule wyniki prac badawczych otrzymano podczas realizacji projektu „Opracowanie metody bazującej na zastosowaniu głębokich sieci neuronowych do inspekcji wizyjnej połączeń spawanych w toku prac B+R” realizowanego w zakładzie ZAP-Robotyka Sp. z o.o. w Ostrowie Wielkopolskim.
Modern automation and robotization of production processes requires new and fast methods of product quality control. In the case of arc welding in robotic systems, where the production process takes place in large series, it is important to quickly control the correctness of the weld. Based on visual data, the system should be able to automatically determine whether a given weld meets the basic quality requirements, and thus be able to stop the process in the event of identified defects. The article presents the results of research on the creation of a visual method for assessing the correctness of the weld seam based on the deep neural network classifying, locating and segmenting welding defects. The proposed detection method was extended by using a combination of a vision system camera with a six-axis industrial robot in order to enable detection of a larger number of welding defects and positioning in a six-dimensional workspace. The research results presented in this article were obtained during the implementation of the project entitled „Development of a method based on the use of deep neural networks for visual inspection of welded joints in the course of R&D works” implemented at the company ZAP-Robotyka Sp. z o.o. in Ostrów Wielkopolski.
Źródło:
Pomiary Automatyka Robotyka; 2021, 25, 1; 67--72
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Arabic and American Sign Languages Alphabet Recognition by Convolutional Neural Network
Autorzy:
Alshomrani, Shroog
Aljoudi, Lina
Arif, Muhammad
Powiązania:
https://bibliotekanauki.pl/articles/2023675.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
convolutional neural network
deep learning
American sign language
Arabic sign language
sieć neuronowa
głębokie uczenie
amerykański język migowy
arabski język migowy
Opis:
Hearing loss is a common disability that occurs in many people worldwide. Hearing loss can be mild to complete deafness. Sign language is used to communicate with the deaf community. Sign language comprises hand gestures and facial expressions. However, people find it challenging to communicate in sign language as not all know sign language. Every country has developed its sign language like spoken languages, and there is no standard syntax and grammatical structure. The main objective of this research is to facilitate the communication between deaf people and the community around them. Since sign language contains gestures for words, sentences, and letters, this research implemented a system to automatically recognize the gestures and signs using imaging devices like cameras. Two types of sign languages are considered, namely, American sign language and Arabic sign language. We have used the convolutional neural network (CNN) to classify the images into signs. Different settings of CNN are tried for Arabic and American sign datasets. CNN-2 consisting of two hidden layers produced the best results (accuracy of 96.4%) for the Arabic sign language dataset. CNN-3, composed of three hidden layers, achieved an accuracy of 99.6% for the American sign dataset.
Źródło:
Advances in Science and Technology. Research Journal; 2021, 15, 4; 136-148
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep learning based Tamil Parts of Speech (POS) tagger
Autorzy:
Anbukkarasi, S.
Varadhaganapathy, S.
Powiązania:
https://bibliotekanauki.pl/articles/2086879.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
POS tagging
part of speech
deep learning
natural language processing
BiLSTM
Bi-directional long short term memory
tagowanie POS
części mowy
uczenie głębokie
przetwarzanie języka naturalnego
Opis:
This paper addresses the problem of part of speech (POS) tagging for the Tamil language, which is low resourced and agglutinative. POS tagging is the process of assigning syntactic categories for the words in a sentence. This is the preliminary step for many of the Natural Language Processing (NLP) tasks. For this work, various sequential deep learning models such as recurrent neural network (RNN), Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) and Bi-directional Long Short-Term Memory (Bi-LSTM) were used at the word level. For evaluating the model, the performance metrics such as precision, recall, F1-score and accuracy were used. Further, a tag set of 32 tags and 225 000 tagged Tamil words was utilized for training. To find the appropriate hidden state, the hidden states were varied as 4, 16, 32 and 64, and the models were trained. The experiments indicated that the increase in hidden state improves the performance of the model. Among all the combinations, Bi-LSTM with 64 hidden states displayed the best accuracy (94%). For Tamil POS tagging, this is the initial attempt to be carried out using a deep learning model.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 6; e138820, 1--6
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Uczenie głębokie w diagnostyce medycznej
Deep Learning in Medical Diagnosis
Autorzy:
Antczak, K.
Powiązania:
https://bibliotekanauki.pl/articles/404011.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Symulacji Komputerowej
Tematy:
sieci neuronowe
diagnostyka medyczna
uczenie głębokie
neural networks
medical diagnosis
deep learning
Opis:
W pracy przeanalizowano perspektywy zastosowania metod uczenia głębokiego w diagnostyce medycznej. Jedną z kluczowych cech uczenia głębokiego jest zdolność do wyodrębniania złożonych wzorców o strukturze hierarchicznej. Wzorce takie występują również w diagnostyce, jako tak zwane diamenty diagnostyczne. Zastosowanie głębokich sieci neuronowych mogłoby poprawić jakość klasyfikatorów wykrywających choroby na podstawie objawów. Dodatkowo umożliwiłoby to sterowanie czułoscią i swoistością klasyfikatorów.
In this paper we analyze perspectives of applying deep learning methods in a field of medical diagnosis. One of key features of deep learning is ability to extract complex, hierarchical patterns. Such patterns are present also in a medical diagnosis, where they are known as diagnostic diamonds. Applying deep neural networks could increase performance of medical classifiers. Moreover, it would allow to adjust sensitivity and specificity of classifiers.
Źródło:
Symulacja w Badaniach i Rozwoju; 2016, 7, 3-4; 83-88
2081-6154
Pojawia się w:
Symulacja w Badaniach i Rozwoju
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An influence of deep learning and the internet of things on directions of development of integrated financial systems supporting smart cities for green economy
Wpływ uczenia głębokiego I internetu rzeczy na kierunki rozwoju zintegrowanych systemów finansowych wspierających inteligentne miasta w warunkach ekologicznej gospodarki
Autorzy:
Balicka, Honorata
Powiązania:
https://bibliotekanauki.pl/articles/1944111.pdf
Data publikacji:
2020
Wydawca:
Sopocka Akademia Nauk Stosowanych
Tematy:
Financial Systems
Smart City
Green Economy
Deep Learning.
finanse
smart city
ekologiczna gospodarka
uczenie głębokie.
Opis:
Cyfryzacja to nie tylko kontynuacja status quo na wyższym poziomie technologicznym, ale również zmiana reguł konkurencyjności gospodarczej praktycznie wewszystkich sektorach gospodarki, w tym finansowym. Cyfrowa transformacja biznesowa to proces wykorzystujący technologie cyfrowe do wzmocnienia zdolności firmy w celu konstruowania nowych efektywnych modeli biznesowych. Możliwości zastosowania sztucznej inteligencji w przedsiębiorstwach większości branż zyskały duże zainteresowanie w światowych badaniach. Realizują je przede wszystkim znaczące ośrodki naukowe oraz firmy konsultingowe. Wg ekspertów z grupy Gartnera aż 87% menedżerów wyższego szczebla jest przekonanych, że cyfryzacja jest priorytetem, a 79% strategów korporacyjnych uważa, że cyfryzacja na nowo definiuje działalność przedsiębiorstw, tworząc dodatkowe możliwości generowania zysków. Celem pracy jest scharakteryzowanie kierunków rozwoju systemów finansowych, wspierających inteligentne miasta i ekologiczną gospodarkę, w zakresie wykorzystania nowoczesnych technologii informatycznych, opartych na Internecie Rzeczy i głębokich sztucznych sieciach neuronowych. Zdaniem Autorki wykorzystanie najnowszych osiągnięć sztucznej inteligencji w systemach finansowych, a w szczególności do rozwoju elektronicznych form rozliczeń, stanowi ogromny potencjał umożliwiający uniknięcie głębokiego kryzysu w związku z negatywnymi skutkami długotrwałej pandemii w gospodarce. Warto podkreślić, że istnieje luka w literaturze przedmiotu w tym zakresie, gdyż nie ma jasnych pomysłów, jak skutecznie wykorzystać sztuczną inteligencję w chmurze obliczeniowej do efektywnego wspomagania systemów finansowych w smat city przy uwzględnieniu zrównoważonego rozwoju gospodarczego. Z powyższych względów w artykule rozważa się strategię, jak należy zwiększyć rolę zintegrowanego systemu finansowego w inteligentnym mieście. Ponadto charakteryzuje się Internet Rzeczy w odniesieniu do zarządzania krytycznymi zasobami miasta. Po omówieniu inwestycji finansowych w ekologiczne i inteligentne technologie scharakteryzowano zagadnienia związane z głębokimi sieciami neuronowymi do predykcji i klasyfikacji w systemach finansowych. Przedstawiono również rozważania dotyczące szczególnego przypadku architektury głębokiego uczenia opartej na sztucznych sieciach neuronowych (ANN). Rekurencyjne ANN klasy LSTM zweryfikowano pod kątem inwestycji finansowych na giełdzie. Na zakończenie przedstawiono wnioski i planowane przyszłe prace.
Digitalization is not only a continuation of the status quo at a higher technological level, but is changing the rules of the game in virtually all sectors of the economy, including financial and business. Digital business transformation is the process of using digital technologies to strengthen a company's ability to create robust digital business models. The possibilities of applying digital technologies in enter- prises of individual industries have gained great interest in global research. They are implemented primarily by significant scientific centers and consulting companies. According to Gartner study, 87% of senior executives say digitalization is a priority, and 79% of corporate strategists believe that digitalization is redefining their business in a completely new way, creating additional opportunities to generate profit. The aim of the work is to characterize the directions of financial system development supporting smart cities and green economy in the field of using modern information technologies based on cloud computing and deep neural networks. According to the author, the use of modern information technologies, based on the Internet of Things and deep neural networks in financial systems, in particular for the development of electronic forms of settlements creates a great chance to avoid a crisis due to the development of the pandemic consequences. It is worth to underline that there is a gap in the literature on the subject in this respect. There are no clear ideas on how to apply artificial intelligence and cloud computing to strengthen the role of the financial systems in smart city subject to an efficient development of green economy. Therefore, we discuss integrated financial system in smart city. Besides, we describe Internet of Things for green management of critical city resources. After discussing financial investment in green and smart technologies, issues related to deep learning for prediction in financial systems are characterized. Considerations on the special case of deep learning architecture based on artificial neural networks (ANNs) are presented, too. The Long Short Term Memory ANNs are verified for stock market investment. Finally, conclusions and future work are presented.
Źródło:
Przestrzeń, Ekonomia, Społeczeństwo; 2020, 17/I; 77-102
2299-1263
2353-0987
Pojawia się w:
Przestrzeń, Ekonomia, Społeczeństwo
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Internet rzeczy i modele uczenia głębokiego w zrównoważonym rozwoju inteligentnych miast
Internet of Things and Deep Learning Models for Sustainable Development of Smart Cities
Autorzy:
Balicka, Honorata
Powiązania:
https://bibliotekanauki.pl/articles/35054201.pdf
Data publikacji:
2023
Wydawca:
Uniwersytet Gdański. Wydział Ekonomiczny
Tematy:
: Smart City
Green Economy
Internet of Things
Deep Learning
Smart City
Ekologiczna Gospodarka
Internet Rzeczy
Uczenie Głębokie
Opis:
Celem artykułu jest scharakteryzowanie kierunków zrównoważonego rozwoju inteligentnych miast w oparciu o wykorzystanie Internetu Rzeczy oraz modeli uczenia głębokiego. Zdaniem autorki taka strategia stwarza ogromną szansę na uniknięcie kryzysu w dużych miastach, wynikającego z negatywnych skutków pandemii, zagęszczania miast, zmian klimatycznych oraz zanieczyszczenia środowiska. W literaturze przedmiotu istnieje w tym zakresie luka, ponieważ brakuje jasnych koncepcji, jak wykorzystać wybrane technologie do zrównoważonego rozwoju inteligentnych miast. Z powyższych względów w artykule rozważa się strategie zastosowania Internetu Rzeczy oraz uczenia głębokiego, opartego na sieciach neuronowych do zwiększenia efektywności funkcjonowania miasta oraz poprawy jakości życia mieszkańców, dbając jednocześnie o środowisko naturalne. Scharakteryzowano zintegrowany system zarzadzania miastem z zastosowaniem inteligentnych i ekologicznych technologii. Rolę i znaczenie Internetu Rzeczy opisano w kontekście zarządzania krytycznymi zasobami miasta. Natomiast zagadnienia związane z modelami uczenia głębokiego zaprezentowano pod kątem możliwości doskonalenia predykcji i przewidywania wyników. Przedstawiono rozważania dotyczące szczególnego przypadku architektury głębokiego uczenia opartej na sztucznych sieciach neuronowych (ANN). Rekurencyjne ANN klasy LSTM zweryfikowano pod kątem inwestycji finansowych na giełdzie. Na zakończenie przedstawiono konkluzje i planowane przyszłe prace. Wnioski wyciągnięte na podstawie przeprowadzonych badań jednoznacznie wskazują, że Internet Rzeczy oraz modele uczenia głębokiego odgrywają istotną rolę w zrównoważonym rozwoju inteligentnych miast.
The aim of the article is to characterize the directions of sustainable development of smart cities based on the use of the Internet of Things and deep learning models. According to the author, such a strategy creates a great opportunity to avoid the crisis in large cities resulting from the negative effects of the pandemic, urban density, climate change and environmental pollution. There is a gap in the literature on the subject, because there are no clear concepts on how to use selected technologies for the sustainable development of smart cities. For the above reasons, the article considers the strategies of using the Internet of Things and deep learning based on neural networks to increase the efficiency of the city's functioning and improve the quality of life of residents, while caring for the natural environment. An integrated city management system with the use of intelligent and ecological technologies has been characterized. The role and importance of the Internet of Things has been described in the context of managing critical city resources. On the other hand, issues related to deep learning models were presented in terms of the possibility of improving prediction and predicting results. Considerations on a special case of a deep learning architecture based on artificial neural networks (ANN) are presented. Recursive ANNs of the LSTM class were verified in terms of financial investments on the stock exchange. Finally, conclusions and planned future work were presented. The conclusions drawn on the basis of the conducted research clearly indicate that the IoT and deep learning models play an important role in the sustainable development of smart cities.
Źródło:
Współczesna Gospodarka; 2023, 16, 1 (40); 27-43
2082-677X
Pojawia się w:
Współczesna Gospodarka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza potencjału ataków wykorzystujących syntetycznie wygenerowane głosy na systemy biometrycznej weryfikacji mówców oraz wykrywania materiałów deepfake
Autorzy:
Bartuzi-Trokielewicz, Ewelina
Powiązania:
https://bibliotekanauki.pl/articles/31342041.pdf
Data publikacji:
2024-05-20
Wydawca:
Akademia Sztuki Wojennej
Tematy:
cyberbezpieczeństwo
biometria
weryfikacja mówców
audio deepfake
syntetyczne głosy
metody sztucznej inteligencji
uczenie maszynowe
uczenie głębokie
Opis:
Postęp technologiczny w dziedzinie głębokiego uczenia znacząco przyczynił się do rozwoju syntezowania głosu, umożliwił tworzenie realistycznych nagrań audio, które mogą naśladować indywidualne cechy głosów ludzkich. Chociaż ta innowacja otwiera nowe możliwości w dziedzinie technologii mowy, niesie ze sobą również poważne obawy dotyczące bezpieczeństwa, zwłaszcza w kontekście potencjalnego wykorzystania technologii deepfake do celów przestępczych. Przeprowadzone badanie koncentrowało się na ocenie wpływu syntetycznych głosów na systemy biometrycznej weryfikacji mówców w języku polskim oraz skuteczności wykrywania deepfake’ów narzędziami dostępnymi publicznie, z wykorzystaniem dwóch głównych metod generowania głosu, tj. przekształcenia tekstu na mowę oraz konwersji mowy. Jednym z głównych wniosków analizy jest potwierdzenie zdolności syntetycznych głosów do zachowania charakterystycznych cech biometrycznych i otwierania drogi przestępcom do nieautoryzowanego dostępu do zabezpieczonych systemów lub danych. To podkreśla potencjalne zagrożenia dla indywidualnych użytkowników oraz instytucji, które polegają na technologiach rozpoznawania mówcy jako metodzie uwierzytelniania i wskazuje na konieczność wdrażania modułów wykrywania ataków. Badanie ponadto pokazało, że deepfaki odnalezione w polskiej części internetu dotyczące promowania fałszywych inwestycji lub kierowane w celach dezinformacji najczęściej wykorzystują popularne i łatwo dostępne narzędzia do syntezy głosu. Badanie przyniosło również nowe spojrzenie na różnice w skuteczności metod konwersji tekstu na mowę i klonowania mowy. Okazuje się, że metody klonowania mowy mogą być bardziej skuteczne w przekazywaniu biometrycznych cech osobniczych niż metody konwersji tekstu na mowę, co stanowi szczególny problem z punktu widzenia bezpieczeństwa systemów weryfikacji. Wyniki eksperymentów podkreślają potrzebę dalszych badań i rozwoju w dziedzinie bezpieczeństwa biometrycznego, żeby skutecznie przeciwdziałać wykorzystywaniu syntetycznych głosów do nielegalnych działań. Wzrost świadomości o potencjalnych zagrożeniach i kontynuacja pracy nad ulepszaniem technologii weryfikacji mówców są ważne dla ochrony przed coraz bardziej wyrafinowanymi atakami wykorzystującymi technologię deepfake.
Źródło:
Cybersecurity and Law; 2024, 12, 2; 25-36
2658-1493
Pojawia się w:
Cybersecurity and Law
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of urban indicators in forecasting a real estate value with the use of deep neural network
Autorzy:
Bazan-Krzywoszańska, A.
Bereta, M.
Powiązania:
https://bibliotekanauki.pl/articles/106771.pdf
Data publikacji:
2018
Wydawca:
Politechnika Warszawska. Wydział Geodezji i Kartografii
Tematy:
planning analysis
local zoning plans
local policy
deep learning
deep neural networks
machine learning
artificial intelligence
analiza planowania
miejscowy plan zagospodarowania przestrzennego
polityka lokalna
głębokie sieci neuronowe
uczenie maszynowe
sztuczna inteligencja
Opis:
Records of municipal planning documents directly affect the land use. In this way, the market price of the land is also shaped. Awareness of the economic and social consequences of adapting specific solutions is the primary argument that should condition the local policy in terms of spatial planning. The research results indicate that the network trained with attributes which do not describe a property value by its price was able to estimate it with acceptable and satisfactory results. The possibility to use artificial multilayer networks in spatial policy decision-making seems well founded. The research results show the relevance of the assumption that using them for modeling can be helpful in selecting the most advantageous variant of planning arrangements in a local law document which determines the land use and development, therefore impacts its value.
Źródło:
Reports on Geodesy and Geoinformatics; 2018, 106; 25-34
2391-8365
2391-8152
Pojawia się w:
Reports on Geodesy and Geoinformatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatic detection of Alzheimers disease based on artificial intelligence
Automatyczne wykrywanie choroby Alzheimera w oparciu o sztuczną inteligencję
Autorzy:
Benba, Achraf
Abdelilah, Kerchaoui
Powiązania:
https://bibliotekanauki.pl/articles/27315370.pdf
Data publikacji:
2023
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
Alzheimer’s disorder
artificial intelligence
deep learning
signal processing
choroba Alzheimera
sztuczna inteligencja
głębokie uczenie się
przetwarzanie sygnału
Opis:
Alzheimer's disease is a neurodegenerative disease that progressively destroys neurons through the formation of platelets that prevent communication between neurons. The study carried out in this project aims to find a precise and relevant diagnostic solution based on artificial intelligence and which helps in the early detection of Alzheimer's disease in order to stop its progression. The study went through a process of processing MRI images followed by training of three deep learning algorithms (VGG-19, Xception and DenseNet121) and finally by a step of testing and predicting the results. The results of the accuracy metric obtained for the three algorithms were respectively 98%, 95%, 91%.
Choroba Alzheimera jest chorobą neurodegeneracyjną, która stopniowo niszczy neurony poprzez tworzenie płytek krwi, które uniemożliwiają komunikację między neuronami. Badania prowadzone w ramach tego projektu mają na celu znalezienie precyzyjnego i trafnego rozwiązania diagnostycznego opartego na sztucznej inteligencji, które pomoże we wczesnym wykryciu choroby Alzheimera w celu zatrzymania jej postępu. Badanie przeszło przez proces przetwarzania obrazów MRI, po którym następowało szkolenie trzech algorytmów głębokiego uczenia (VGG-19, Xception i DenseNet121), a na koniec etap testowania i przewidywania wyników. Wyniki metryki dokładności otrzymane dla trzech algorytmów wyniosły odpowiednio 98%, 95%, 91%.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 1; 18--21
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A hybrid two-stage SqueezeNet and support vector machine system for Parkinson’s disease detection based on handwritten spiral patterns
Autorzy:
Bernardo, Lucas Salvador
Damaševičius, Robertas
de Albuquerque, Victor Hugo C.
Maskeliūnas, Rytis
Powiązania:
https://bibliotekanauki.pl/articles/2055162.pdf
Data publikacji:
2021
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Parkinson’s disease
spirography
convolutional neural network
deep learning
choroba Parkinsona
spirografia
sieć neuronowa konwolucyjna
uczenie głębokie
Opis:
Parkinson’s disease (PD) is the second most common neurological disorder in the world. Nowadays, it is estimated that it affects from 2% to 3% of the global population over 65 years old. In clinical environments, a spiral drawing task is performed to help to obtain the disease’s diagnosis. The spiral trajectory differs between people with PD and healthy ones. This paper aims to analyze differences between handmade drawings of PD patients and healthy subjects by applying the SqueezeNet convolutional neural network (CNN) model as a feature extractor, and a support vector machine (SVM) as a classifier. The dataset used for training and testing consists of 514 handwritten draws of Archimedes’ spiral images derived from heterogeneous sources (digital and paper-based), from which 296 correspond to PD patients and 218 to healthy subjects. To extract features using the proposed CNN, a model is trained and 20% of its data is used for testing. Feature extraction results in 512 features, which are used for SVM training and testing, while the performance is compared with that of other machine learning classifiers such as a Gaussian naive Bayes (GNB) classifier (82.61%) and a random forest (RF) (87.38%). The proposed method displays an accuracy of 91.26%, which represents an improvement when compared to pure CNN-based models such as SqueezeNet (85.29%), VGG11 (87.25%), and ResNet (89.22%).
Źródło:
International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 549--561
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Naruszenie wizerunku przy wykorzystaniu technologii deepfake – analiza prawna i praktyczna
Autorzy:
Bodanka, Oskar
Powiązania:
https://bibliotekanauki.pl/articles/2147401.pdf
Data publikacji:
2022-11-29
Wydawca:
Uniwersytet Opolski
Tematy:
deepfake
prawo nowych technologii
prawna ochrona wizerunku
głębokie
uczenie
AI
law of new technologies
legal protection of image
deep learning
Opis:
W artykule przedstawiono rozważania na temat ochrony wizerunku w sytuacji naruszenia przez nowe technologie. Refleksji został poddany problem naruszenia wizerunku przy wykorzystaniu technologii deepfake. W artykule rozstrzygnięto, czym w świetle przepisów prawa jest deepfake, kto ponosi odpowiedzialność za naruszenie wizerunku dokonane za pomocą tej technologii oraz przedstawiono obecnie funkcjonujące podstawowe instytucje prawne służące ochronie wizerunku. Autor przeprowadził analizę źródeł zastanych w stosunku do źródeł prawa. Wykorzystano metodę dogmatyczno-prawną przez zastosowanie odpowiednich przepisów prawa prywatnego, w szczególności prawa cywilnego i autorskiego oraz odwołanie się do orzecznictwa krajowego i poglądów doktryny, która umożliwiła krytyczną analizę przepisów prawa w kontekście ochrony prawa do wizerunku. Przeprowadzona analiza pozwoliła wskazać na podstawowe wątpliwości dotyczące prawidłowości przyjętych w tym zakresie regulacji. Stwierdzono, że z jednej strony przepisy prawa krajowego zapewniają ochronę wizerunku przed utrwalaniem i rozpowszechnianiem w materiałach deepfake’owych, ale z drugiej strony regulacje te mogą powodować poważne wątpliwości w doktrynie oraz rozbieżności w orzecznictwie. Wskazano, że przepisy dotyczące wizerunku oraz ogólnie technologii AI powinny zostać szczegółowo uregulowane w systemie prawnym.
The article presents considerations on the protection of image in the situation of its violation with the use of new technologies. The problem of image infringement in deepfake technology is discussed. The article presents what, in the eyes of the law, deepfake is, who is responsible for the image infringement made with the use of this technology and the currently functioning basic legal institutions of image protection. The author analyses the existing sources of law; moreover, in relation to the sources, the author uses the dogmatic-legal method by applying relevant provisions of private law, in particular civil law and copyright law. Also, reference to national jurisprudence and doctrinal views enables a critical analysis of the legal regulations in the context of protection of the right of publicity. The practical analysis of current legislation allows pointing out fundamental doubts about the accuracy and correctness of the regulations adopted in this area. It was found that national laws, on the one hand, provide protection of the image from being captured and disseminated in deepfake materials; on the other hand, these regulations may cause serious doubts in the doctrine and discrepancies in interpretation of the law. It has been concluded that rules on image and AI technology in general should be regulated in detail by the legal system.
Źródło:
Opolskie Studia Administracyjno-Prawne; 2022, 1; 11-32
2658-1922
Pojawia się w:
Opolskie Studia Administracyjno-Prawne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Deep learning: theory and practice
Autorzy:
Cichocki, A.
Poggio, T.
Osowski, S.
Lempitsky, V.
Powiązania:
https://bibliotekanauki.pl/articles/202346.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
deep learning
networks
theory
practice
uczenie głębokie
sieci
teoria
praktyka
Opis:
This Special Section of the Bulletin of the Polish Academy of Sciences on Technical Sciences is devoted to theoretical aspects of deep machine learning as well as practical applications in some areas of signal and image processing, particularly in bioengineering.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 757-759
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid deep learning method for detection of liver cancer
Autorzy:
Deshmukh, Sunita P.
Choudhari, Dharmaveer
Amalraj, Shankar
Matte, Pravin N.
Powiązania:
https://bibliotekanauki.pl/articles/38701864.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
liver cancer detection
deep learning
fully convolutional neural network
hybrid approach
discrete wavelet transform
wykrywanie raka wątroby
uczenie głębokie
neuronowa sieć konwulcyjna
podejście hybrydowe
dyskretna transformata falkowa
Opis:
Liver disease refers to any liver irregularity causing its damage. There are several kinds of liver ailments. Benign growths are rarely life threatening and can be removed by specialists. Liver malignant tumor is leading causes of cancer death. Identifying malignant growth tissue is a troublesome and tedious task. There is significantly less information and statistical analysis presented related to cholangiocarcinoma and hepatoblastoma. This research focuses on the image analysis of these two types of cancer. The framework’s performance is evaluated using 2871 images, and a dual hybrid model is used to accomplish superb exactness. The aftereffects of both neural networks are sent into the result prioritizer that decides the most ideal choice for image arrangement. The relevance of elements appears to address the appropriate imaging rules for each class, and feature maps matching the original picture voxel features. The significance of features represents the most important imaging criteria for each class. This deep learning system demonstrates the concept of illuminating elements of a pre-trained deep neural network’s decision-making process by an examination of inner layers and the description of attributes that contribute to predictions.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 151-165
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis and comparison of long short-term memory networks short-term traffic prediction performance
Autorzy:
Dogan, Erdem
Powiązania:
https://bibliotekanauki.pl/articles/2091136.pdf
Data publikacji:
2020
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
deep learning
traffic flow
short-term
prediction
LSTM
nonlinear autoregressive
training set size
uczenie głębokie
ruch uliczny
krótki termin
prognoza
autoregresja nieliniowa
Opis:
Long short-term memory networks (LSTM) produces promising results in the prediction of traffic flows. However, LSTM needs large numbers of data to produce satisfactory results. Therefore, the effect of LSTM training set size on performance and optimum training set size for short-term traffic flow prediction problems were investigated in this study. To achieve this, the numbers of data in the training set was set between 480 and 2800, and the prediction performance of the LSTMs trained using these adjusted training sets was measured. In addition, LSTM prediction results were compared with nonlinear autoregressive neural networks (NAR) trained using the same training sets. Consequently, it was seen that the increase in LSTM's training cluster size increased performance to a certain point. However, after this point, the performance decreased. Three main results emerged in this study: First, the optimum training set size for LSTM significantly improves the prediction performance of the model. Second, LSTM makes short-term traffic forecasting better than NAR. Third, LSTM predictions fluctuate less than the NAR model following instant traffic flow changes.
Źródło:
Zeszyty Naukowe. Transport / Politechnika Śląska; 2020, 107; 19--32
0209-3324
2450-1549
Pojawia się w:
Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 71

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