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 się" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    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:
    Studiowanie zdalne w perspektywie głębokiego i refleksyjnego uczenia się
    Distance learning in the perspective of deep and reflective learning
    Autorzy:
    Wróblewska, Walentyna
    Powiązania:
    https://bibliotekanauki.pl/articles/11830862.pdf
    Data publikacji:
    2023-03-31
    Wydawca:
    Wydawnictwo Adam Marszałek
    Tematy:
    studiowanie zdalne
    student
    uczenie się głębokie i refleksyjne
    paradygmaty dydaktyczne
    edukacja akademicka
    distance learning
    deep and reflective learning
    teaching paradigms
    academic education
    Opis:
    The aim of the article is to show the process of studying young people remotely and to search for solutions leading to the improvement of the process in the perspective of deep and reflective learning. The article aims to solve the problem: how is the process of studying young people remotely? The method of individual cases, the technique of uncategorized, in-depth interview, was used to solve the problem. In the theoretical part, attention was paid to understanding the process of studying in the light of various didactic paradigms and an attempt was made to outline the approach of a deep and reflective learning process, looking for ways to improve the process of studying young people in this perspective. In the empirical part, the course of the process of studying the respondents remotely was presented, highlighting, above all, the components to which the respondents drew attention in their statements. The analysis of the empirical material shows that the process of studying young people is understood surface, superficially, it is limited to taking actions offered by the university on the educational platform. Students do not use their potential in the process of studying, they do not show full, possible commitment. The analysis of the empirical material leads to the development of practical guidelines aimed at improving the process of studying young people, which result from the assumptions of deep and reflective learning. The research shows the need to focus attention on the process of studying and its effectiveness, the need to take action by academic teachers, and above all by students focused on improving the process.
    Celem artykułu jest ukazanie przebiegu procesu studiowania młodzieży w formie zdalnej i poszukiwanie rozwiązań prowadzących do doskonalenia procesu w perspektywie uczenia się głębokiego i refleksyjnego. W artykule zmierzano do rozwiązania problemu: jak przebiega proces studiowania młodzieży w formie zdalnej? Do rozwiązania problemu wykorzystano metodę indywidualnych przypadków, technikę wywiadu nieskategoryzowanego, pogłębionego. W części teoretycznej zwrócono uwagę na rozumienie procesu studiowania w świetle różnych paradygmatów dydaktycznych oraz podjęto próbę zarysowania podejścia głębokiego i refleksyjnego procesu uczenia się, poszukując w tej perspektywie sposobów na udoskonalenie procesu studiowania młodzieży. W części empirycznej zaprezentowano przebieg procesu studiowania badanych w formie zdalnej, eksponując przede wszystkim komponenty, na które zwracali uwagę badani w swoich wypowiedziach. Z analizy materiału empirycznego wynika, że proces studiowania młodzieży jest rozumiany płytko, powierzchownie, ogranicza się do podejmowania działań oferowanych przez uczelnię na platformie edukacyjnej. Studenci nie wykorzystują swojego potencjału w procesie studiowania, nie wykazują pełnego możliwego zaangażowania. Analiza materiału empirycznego prowadzi do opracowania wskazań praktycznych ukierunkowanych na doskonalenie procesu studiowania młodzieży, które wynikają z założeń uczenia się głębokiego i refleksyjnego. Z badań wynika potrzeba koncentracji uwagi na procesie studiowania i jego efektywności, potrzeba podjęcia działań przez nauczycieli akademickich, a przede wszystkim przez studentów ukierunkowanych na doskonalenie procesu.
    Źródło:
    Kultura i Edukacja; 2023, 1(139); 38-53
    1230-266X
    Pojawia się w:
    Kultura i Edukacja
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    NOWE TRENDY W EDUKACJI – KONCEPCJA „GŁĘBOKIEGO UCZENIA SIĘ”
    NEW TRENDS IN EDUCATION – THE CONCEPTION OF “DEEPER LEARNING”
    Autorzy:
    Musiał, Emilia
    Powiązania:
    https://bibliotekanauki.pl/articles/479677.pdf
    Data publikacji:
    2018
    Wydawca:
    Wyższa Szkoła Humanitas
    Tematy:
    nowe trendy
    umiejętność kodowania
    STEAM
    przestrzeń edukacyjna
    mierzenie postępów w nauce
    kultura innowacji
    głębokie uczenie się
    metoda problemowa (PBL)
    uczenie oparte na wyzwaniach (CBL)
    ocenianie kształtujące
    new trends
    coding literacy
    STEAM learning
    learning space
    measuring learning
    the culture of innovation
    deeper learning
    Problem-Project-Based Learning (PBL)
    Challenge Based Learning (CBL)
    formative assessment
    Opis:
    Artykuł omawia problemy i wyzwania, jakie stają przed współczesną edukacją w kontekście rozwoju nowych technologii i mediów cyfrowych. Pojawia się potrzeba nowego ujęcia kształcenia, w którym uczniowie zdobywają wiedzę i umiejętności przede wszystkim poprzez rozwiązywanie problemów, prowadzenie samodzielnych badań i dociekań naukowych inspirowanych realnymi problemami współczesnego świata, próbując jednocześnie sprostać stojącym przed nimi wyzwaniom życia codziennego. Wszystko to zdaje się przemawiać za potrzebą wprowadzenia nowych form i metod kształcenia, w tym koncepcji głębokiego uczenia się.
    The article discusses the problems and challenges faced by the contemporary education system in the context of the new technologies and digital media development. There is a need for a new essentializing of education, in which students acquire knowledge and skills by solving problems, conducting independent research and scientific investigations inspired by real problems of the modern world, trying to face up to the challenges of everyday life. All this seems to be in favor of the need to introduce new forms and methods of education, including the conception of deeper learning.
    Źródło:
    Zeszyty Naukowe Wyższej Szkoły Humanitas. Pedagogika; 2018, 16; 55-64
    1896-4591
    Pojawia się w:
    Zeszyty Naukowe Wyższej Szkoły Humanitas. Pedagogika
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystywanie programów uczenia w głębokim uczeniu przez wzmacnianie. O istocie rozpoczynania od rzeczy małych
    Using Training Curriculum with Deep Reinforcement Learning. On the Importance of Starting Small
    Autorzy:
    KOZIARSKI, MICHAŁ
    KWATER, KRZYSZTOF
    WOŹNIAK, MICHAŁ
    Powiązania:
    https://bibliotekanauki.pl/articles/456567.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Rzeszowski
    Tematy:
    głębokie uczenie przez wzmacnianie
    uczenie przez transfer
    uczenie się przez całe życie
    proces uczenia
    deep reinforcement learning
    transfer learning
    lifelong learning,
    curriculum learning
    Opis:
    Algorytmy uczenia się przez wzmacnianie są wykorzystywane do rozwiązywania problemów o stale rosnącym poziomie złożoności. W wyniku tego proces uczenia zyskuje na złożoności i wy-maga większej mocy obliczeniowej. Wykorzystanie uczenia z przeniesieniem wiedzy może czę-ściowo ograniczyć ten problem. W artykule wprowadzamy oryginalne środowisko testowe i eks-perymentalnie oceniamy wpływ wykorzystania programów uczenia na głęboką odmianę metody Q-learning.
    Reinforcement learning algorithms are being used to solve problems with ever-increasing level of complexity. As a consequence, training process becomes harder and more computationally demanding. Using transfer learning can partially elevate this issue by taking advantage of previ-ously acquired knowledge. In this paper we propose a novel test environment and experimentally evaluate impact of using curriculum with deep Q-learning algorithm.
    Źródło:
    Edukacja-Technika-Informatyka; 2018, 9, 2; 220-226
    2080-9069
    Pojawia się w:
    Edukacja-Technika-Informatyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Deep adversarial neural network for specific emitter identification under varying frequency
    Autorzy:
    Huang, Keju
    Yang, Junan
    Liu, Hui
    Hu, Pengjiang
    Powiązania:
    https://bibliotekanauki.pl/articles/2173603.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    specific emitter identification
    unsupervised domain adaptation
    transfer learning
    deep learning
    identyfikacja emitera konkretna
    adaptacja domeny nienadzorowana
    transfer uczenia się
    uczenie głębokie
    Opis:
    Specific emitter identification (SEI) is the process of identifying individual emitters by analyzing the radio frequency emissions, based on the fact that each device contains unique hardware imperfections. While the majority of previous research focuses on obtaining features that are discriminative, the reliability of the features is rarely considered. For example, since device characteristics of the same emitter vary when it is operating at different carrier frequencies, the performance of SEI approaches may degrade when the training data and the test data are collected from the same emitters with different frequencies. To improve performance of SEI under varying frequency, we propose an approach based on continuous wavelet transform (CWT) and domain adversarial neural network (DANN). The proposed approach exploits unlabeled test data in addition to labeled training data, in order to learn representations that are discriminative for individual emitters and invariant for varying frequencies. Experiments are conducted on received signals of five emitters under three carrier frequencies. The results demonstrate the superior performance of the proposed approach when the carrier frequencies of the training data and the test data differ.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 2; art. no. e136737
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Deep adversarial neural network for specific emitter identification under varying frequency
    Autorzy:
    Huang, Keju
    Yang, Junan
    Liu, Hui
    Hu, Pengjiang
    Powiązania:
    https://bibliotekanauki.pl/articles/2128144.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    specific emitter identification
    unsupervised domain adaptation
    transfer learning
    deep learning
    identyfikacja emitera konkretna
    adaptacja domeny nienadzorowana
    transfer uczenia się
    uczenie głębokie
    Opis:
    Specific emitter identification (SEI) is the process of identifying individual emitters by analyzing the radio frequency emissions, based on the fact that each device contains unique hardware imperfections. While the majority of previous research focuses on obtaining features that are discriminative, the reliability of the features is rarely considered. For example, since device characteristics of the same emitter vary when it is operating at different carrier frequencies, the performance of SEI approaches may degrade when the training data and the test data are collected from the same emitters with different frequencies. To improve performance of SEI under varying frequency, we propose an approach based on continuous wavelet transform (CWT) and domain adversarial neural network (DANN). The proposed approach exploits unlabeled test data in addition to labeled training data, in order to learn representations that are discriminative for individual emitters and invariant for varying frequencies. Experiments are conducted on received signals of five emitters under three carrier frequencies. The results demonstrate the superior performance of the proposed approach when the carrier frequencies of the training data and the test data differ.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 2; e136737, 1--9
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification and segmentation of periodontal cystfor digital dental diagnosis using deep learning
    Autorzy:
    Lakshmi, T. K.
    Dheeba, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/38700996.pdf
    Data publikacji:
    2023
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    CNN
    dental radiograph
    deep learning
    health care
    machine transfer learning
    periodontal cyst
    predictive analytics
    segmentation
    U-Net
    VGG16
    rentgenowskie zdjęcie zębów
    uczenie głębokie
    opieka zdrowotna
    uczenie się z transferu maszynowego
    torbiel przyzębia
    analityka predykcyjna
    segmentacja
    Opis:
    The digital revolution is changing every aspect of life by simulating the ways humansthink, learn and make decisions. Dentistry is one of the major fields where subsets ofartificial intelligence are extensively used for disease predictions. Periodontitis, the mostprevalent oral disease, is the main focus of this study. We propose methods for classifyingand segmenting periodontal cysts on dental radiographs using CNN, VGG16, and U-Net.Accuracy of 77.78% is obtained using CNN, and enhanced accuracy of 98.48% is obtainedthrough transfer learning with VGG16. The U-Net model also gives encouraging results.This study presents promising results, and in the future, the work can be extended withother pre-trained models and compared. Researchers working in this field can develop novelmethods and approaches to support dental practitioners and periodontists in decision-making and diagnosis and use artificial intelligence to bridge the gap between humansand machines.
    Źródło:
    Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 131-149
    2299-3649
    Pojawia się w:
    Computer Assisted Methods in Engineering and Science
    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