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 "generated data" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    The effect of binary data transformation in categorical data clustering
    Autorzy:
    Cibulková, Jana
    Šulc, Zdenek
    Sirota, Sergej
    Rezanková, Hana
    Powiązania:
    https://bibliotekanauki.pl/articles/1194463.pdf
    Data publikacji:
    2019-07-02
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    hierarchical cluster analysis
    nominal variable
    binary variable
    categorical data
    similarity measures
    evaluation criteria
    generated data
    Opis:
    This paper focuses on hierarchical clustering of categorical data and compares two approaches which can be used for this task. The first one, an extremely common approach, is to perform a binary transformation of the categorical variables into sets of dummy variables and then use the similarity measures suited for binary data. These similarity measures are well examined, and they occur in both commercial and non-commercial software. However, a binary transformation can possibly cause a loss of information in the data or decrease the speed of the computations. The second approach uses similarity measures developed for the categorical data. But these measures are not so well examined as the binary ones and they are not implemented in commercial software. The comparison of these two approaches is performed on generated data sets with categorical variables and the evaluation is done using both the internal and the external evaluation criteria. The purpose of this paper is to show that the binary transformation is not necessary in the process of clustering categorical data since the second approach leads to at least comparably good clustering results as the first approach.
    Źródło:
    Statistics in Transition new series; 2019, 20, 2; 33-47
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forward and inverse kinematics solution of a robotic manipulator using a multilayer feedforward neural network
    Autorzy:
    Sharkawy, Abdel-Nasser
    Powiązania:
    https://bibliotekanauki.pl/articles/2201647.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    multilayer neural network
    feedforward neural network
    forward kinematics
    inverse kinematics
    2-DOF planar robot
    Levenberg-Marquardt algorithm
    generated data
    sieci neuronowe
    sieci neuronowe jednokierunkowe
    sieci neuronowe wielowarstwowe
    kinematyka prosta
    kinematyka odwrotna
    algorytm Levenberga-Marquardta
    generowanie danych
    Opis:
    In this paper, a multilayer feedforward neural network (MLFFNN) is proposed for solving the problem of the forward and inverse kinematics of a robotic manipulator. For the forward kinematics solution, two cases are presented. The first case is that one MLFFNN is designed and trained to find solely the position of the robot end-effector. In the second case, another MLFFNN is designed and trained to find both the position and the orientation of the robot end-effector. Both MLFFNNs are designed considering the joints’ positions as the inputs. For the inverse kinematics solution, a MLFFNN is designed and trained to find the joints’ positions considering the position and the orientation of the robot end-effector as the inputs. For training any of the proposed MLFFNNs, data is generated in MATLAB using two different cases. The first case is that data is generated assuming an incremental motion of the robot’s joints, whereas the second case is that data is obtained with a real robot considering a sinusoidal joint motion. The MLFFNN training is executed using the Levenberg-Marquardt algorithm. This method is designed to be used and generalized to any DOF manipulator, particularly more complex robots such as 6-DOF and 7-DOF robots. However, for simplicity, this is applied in this paper using a 2-DOF planar robot. The results show that the approximation error between the desired output and the estimated one by the MLFFNN is very low and it is approximately equal to zero. In other words, the MLFFNN is efficient enough to solve the problem of the forward and inverse kinematics, regardless of the joint motion type.
    Źródło:
    Journal of Mechanical and Energy Engineering; 2022, 6, 2; 1--17
    2544-0780
    2544-1671
    Pojawia się w:
    Journal of Mechanical and Energy Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Trenowanie wybranych modeli sztucznej inteligencji a uprawnienia twórców
    Authors’ Rights in the Context of Selected Models for AI Training
    Autorzy:
    Bałos, Iga
    Powiązania:
    https://bibliotekanauki.pl/articles/476749.pdf
    Data publikacji:
    2019
    Wydawca:
    Krakowska Akademia im. Andrzeja Frycza Modrzewskiego
    Tematy:
    AI generated works
    copyright; AI
    text and data mining
    eksploracja tekstów i danych
    prawo autorskie
    SI
    sztuczna twórczość
    Opis:
    Artificial Intelligence (AI) is no longer about automatization of routine or repetitive tasks. Its application extends far beyond plain computational power and efficiency. “AI-generated works” is one of the most popular research areas in this filed. It raises the question about intelligent systems singularity and their true capability to perform human-like tasks. This article examines selected models for AI training which generate works mimicking the unique style of given artists provided their works serve as input data. Certain authors, perhaps especially writers, are reluctant to accept such forms of the exploitation of their works. Even though classification of AI-generated works is a challenge, significant legal issues arise at the earlier stage. Does text and data mining (TDM) infringe the copyright monopoly? Is using a collection of works of a single author as training data affects the lawfulness of a process? Are authors entitled, on the basis of their economic or moral rights, to oppose such practices?
    Sztuczna inteligencja (SI) przestała być wykorzystywana jedynie w celu automatyzacji powtarzalnych czynności lub przeprowadzania zadań wymagających skrupulatności obliczeniowej. Szczególną ciekawość budzi funkcjonowanie SI prowadzące do uzyskania efektów, które dotąd były osiągalne jedynie dla człowieka. Wśród nich można wyróżnić m.in. wytwory posiadające cechy utworu. Artykuł odnosi się do szczególnego rodzaju trenowania SI, odbywającego się wyłącznie na podstawie utworów jednego twórcy, ze szczególnym uwzględnieniem procesów prowadzących do powstania wytworu „w stylu” danego twórcy. Niektórzy autorzy, zwłaszcza pisarze, nieprzychylnie odnoszą się do tego typu praktyk. Wątpliwości natury prawnej powstają już na etapie trenowania modelu SI. Czy eksploracja tekstów i danych (TDM) stanowi wkroczenie w monopol prawno-autorski? Czy trenowanie SI twórczością wyłącznie jednego twórcy wpływa na legalność procesu? Czy powołując się na autorskie prawa majątkowe lub osobiste, można zakazać wykorzystywania swojej twórczości do trenowania SI?
    Źródło:
    Studia Prawnicze: rozprawy i materiały; 2019, 2 (25); 15-28
    1689-8052
    2451-0807
    Pojawia się w:
    Studia Prawnicze: rozprawy i materiały
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementation of analyses based on social media data for marketing purposes in academic and scientific organizations in practice – opportunities and limitations
    Praktyczne zastosowania analiz social media na potrzeby marketingu instytucji naukowych – możliwości i ograniczenia
    Autorzy:
    Grabarczyk-Tokaj, Magdalena
    Powiązania:
    https://bibliotekanauki.pl/articles/941601.pdf
    Data publikacji:
    2013-12
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Lotnictwa
    Tematy:
    communication
    communications activities
    data
    digital Darwinism
    digital skills
    knowledge
    marketing
    scientific organizations
    social media
    cyfrowy darwinizm
    działania komunikacyjne
    optymalizacja
    prosument
    user generated content
    wiedza
    Opis:
    The article is focused on the issue of practice use of analyses, based on data collected in social media, for institutions’ communication and marketing purposes. The subject is being discussed from the perspective of Digital Darwinism — situation, when development of technologies and new means of communication is significantly faster than growth in the knowledge and digital skills among organizations eager to implement those solutions. To diminish negative consequences of Digital Darwinism institutions can broaden their knowledge with analyses of data from cyber space to optimize operations, and make use of running dialog and cooperation with prosuments to face dynamic changes in trends, technologies and society. Information acquired from social media user generated content can be employed as guidelines in planning, running and evaluating communication and marketing activities. The article presents examples of tools and solutions, that can be implement in practice as a support for actions taken by institutions.
    Główną osią artykułu jest kwestia praktycznego wykorzystania analiz opartych na danych z social media na potrzeby prowadzenia działań komunikacyjnych i marketingowych instytucji naukowych. Temat ten jest dyskutowany przez pryzmat cyfrowego darwinizmu — sytuacji, w której rozwój technologii i nowych sposobów komunikacji jest znacznie szybszy niż przyrost stanu wiedzy i kompetencji cyfrowych wśród podmiotów, które chcą owe rozwiązania wykorzystywać. Aby minimalizować negatywne skutki cyfrowego darwinizmu instytucje mogą czerpać wiedzę z danych, które gromadzone są w przestrzeni wirtualnej, w celu optymalizowania działań operacyjnych oraz wykorzystywać potencjał dialogu i współpracy z prosumentami, tak aby sprostać dynamicznym zmianom w trendach, technologiach i rzeczywistości społecznej. Informacje pozyskane z analizy user generated content w mediach społecznościowych można wykorzystać jako gotowe wskazówki do planowania, prowadzenia oraz oceny skuteczności działań komunikacyjnych i marketingowych. W artykule przestawione zostały przykładowe narzędzia i rozwiązania, które mogą stanowić praktyczne wsparcie w promocji instytucji naukowych.
    Źródło:
    Marketing Instytucji Naukowych i Badawczych; 2013, 4(10); 54-67
    2353-8414
    Pojawia się w:
    Marketing Instytucji Naukowych i Badawczych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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