Temat: klasyfikacja - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Analiza zbioru danych dotyczących oceny akceptowalności samochodów za pomocą teorii zbiorów przybliżonych i programu RSES
Analysis of the car acceptability assessment dataset using rough set theory and the RSES program
Autorzy:: Gorączka, Mateusz
Powiązania:: https://bibliotekanauki.pl/articles/41203532.pdf
Data publikacji:: 2024
Wydawca:: Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:: teoria zbiorów przybliżonych
zbiór danych
analiza danych
klasyfikacja danych
RSES
rough set theory
dataset
data analysis data classification
Opis:: Artykuł skupia się na analizie danych z wykorzystaniem teorii zbiorów przybliżonych oraz różnych metod, takich jak algorytm genetyczny, klasyfikacja za pomocą zestawu reguł i metoda walidacji krzyżowej. Przedstawiono także kompletny proces analizy danych przy użyciu programu RSES. Wykorzystany zbiór danych oraz wyniki analizy zostałyomówione w kontekście teorii zbiorów przybliżonych. Artykuł kończy się podsumowaniem i wnioskamiskupiającymi się na aspekcie skuteczności wspomnianych metod w analizie zbioru danych oraz efektywności programu w kwestii przeprowadzania w nim analiz.
The article focuses on data analysis using rough set theory and various methods such as the genetic algorithm, rule set classification and the cross-validation method. The complete data analysis process using RSES is also presented. The data set used and the results of the analysis are discussed in the context of rough set theory. The article concludes with a summary and conclusions focusing on the aspect of the effectiveness of aforementioned methods in analysing the dataset and the efficiency of the programin terms of performing analysis in it.
Źródło:: Studia i Materiały Informatyki Stosowanej; 2024, 16, 1; 24-32
1689-6300
Pojawia się w:: Studia i Materiały Informatyki Stosowanej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Classification of cognitive states using clustering-split time series framework
Autorzy:: Ramakrishna, J. Siva
Ramasangu, Hariharan
Powiązania:: https://bibliotekanauki.pl/articles/38708362.pdf
Data publikacji:: 2024
Wydawca:: Instytut Podstawowych Problemów Techniki PAN
Tematy:: functional MRI data
classification
consensus clustering
SVM classifier
GNB classifier
XGBoost
funkcjonalne dane MRI
klasyfikacja
grupowanie konsensusu
klasyfikator SVM
klasyfikator GNB
Opis:: Over the last two decades, functional Magnetic Resonance Imaging (fMRI) has provided immense data about the dynamics of the brain. Ongoing developments in machine learning suggest improvements in the performance of fMRI data analysis. Clustering is one of the critical techniques in machine learning. Unsupervised clustering techniques are utilized to partition the data objects into different groups. Supervised classification techniques applied to fMRI data facilitate the decoding of cognitive states while a subject is engaged in a cognitive task. Due to the high dimensional, sparse, and noisy nature of fMRI data, designing a classifier model for estimating cognitive states becomes challenging. Feature selection and feature extraction techniques are critical aspects of fMRI data analysis. In this work, we present one such synergy, a combination of Hierarchical Consensus Clustering (HCC) and the Statistics of Split Timeseries (SST) framework to estimate cognitive states. The proposed HCC-SST model’s performance has been verified on StarPlus fMRI data. The obtained experimental results show that the proposed classifier model achieves 99% classification accuracy with a smaller number of voxels and lower computational cost.
Źródło:: Computer Assisted Methods in Engineering and Science; 2024, 31, 2; 241-260
2299-3649
Pojawia się w:: Computer Assisted Methods in Engineering and Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Deep learning method for classifying items into categories for dutch auctions
Autorzy:: Bobulski, Janusz
Szymoniak, Sabina
Powiązania:: https://bibliotekanauki.pl/articles/38707060.pdf
Data publikacji:: 2024
Wydawca:: Instytut Podstawowych Problemów Techniki PAN
Tematy:: deep learning
internet auction
classification
głęboka nauka
aukcja internetowa
klasyfikacja
Opis:: Artificial Intelligence (AI) methods are widely used in our lives (phones, social media, self-driving cars, and e-commerce). In AI methods, we can find convolutional neural networks (CNN). First of all, we can use these networks to analyze images. This paper presents a method for classifying items into particular categories on an auction site. The technique prompts the seller to which category assign the item when creating a new auction. We choose a neural network with a number of image convolution layers as the best available approach to address this task. All tests were carried out in the Matlab environment using GPU and CPU. Then, the tested and verified solution was implemented in the TensorFlow environment with a CPU processor. Thanks to the cross-validation method, the effectiveness of the recognition system was fully verified in several stages. We obtained promising results. Consequently, we implemented the developed method by adding a new sales offer on the Clemens website.
Źródło:: Computer Assisted Methods in Engineering and Science; 2024, 31, 1; 67-79
2299-3649
Pojawia się w:: Computer Assisted Methods in Engineering and Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Rezerwy na zobowiązania jako kategoria kształtująca obraz przedsiębiorstwa zawarty w sprawozdaniu finansowym
Autorzy:: Białas, Barbara
Gierusz, Jerzy
Powiązania:: https://bibliotekanauki.pl/articles/28408149.pdf
Data publikacji:: 2024
Wydawca:: Sopocka Akademia Nauk Stosowanych
Tematy:: pojęcie i zakres rezerw
klasyfikacja rezerw
tytuły rezerw
Opis:: Artykuł stanowi próbę odpowiedzi na pytanie o wpływ rezerw na zobowiązania na sprawozdanie finansowe grupy kapitałowej, przygotowane zgodnie z regulacjami Międzynarodowych Standardów Sprawozdawczości Finansowej. Celem głównym pracy jest ustalenie stopnia oddziaływania kosztów i przychodów powstających w związku z tworzeniem i rozwiązywaniem rezerw na wynik finansowy spółki oraz udziału rezerw na zobowiązania w sumie pasywów, a także w całkowitym zadłużeniu przedsiębiorstwa. Za podmiot badań przyjęto pięć grup kapitałowych notowanych na GPW w Warszawie. Główną metodą badawczą wykorzystaną w pracy była analiza skonsolidowanych sprawozdań finansowych wybranych spółek oraz krytyczna analiza literatury przedmiotu, w tym regulacji polskich i międzynarodowych. W warstwie teoretycznej artykułu sformułowano ogólne pojęcie rezerw, wskazano na ich funkcje oraz dokonano klasyfikacji omawianej kategorii. W ujęciu wąskim, wyodrębniono rezerwy na zobowiązania, w podejściu szerokim - wydzielono ponadto rezerwy kapitałowe, odpisy z tytułu utraty wartości aktywów oraz rezerwy przy braku kontynuowania działalności. Wyniki badań wskazują, iż w dwóch grupach kapitałowych - Agora i Azoty, odziaływanie rezerw na obraz przedsiębiorstwa zawarty w sprawozdaniu finansowym był relatywnie niewielki. Dotyczy to zarówno wyniku finansowego, jak i pasywów bilansu. Natomiast w trzech spółkach energetycznych (Tauron, PGE i Enea), rezerwy w dużo większym stopniu kształtowały tak wynik finansowy, jak i zadłużenie badanych podmiotów. W skrajnym przypadku - grupa Tauron w 2019 roku raportowała stratę w wysokości 11,7 mln zł - gdyby nie tworzyła rezerw na zobowiązania, byłby to zysk w kwocie 1,3 mld zł.
Źródło:: Przestrzeń, Ekonomia, Społeczeństwo; 2023, 23/I; 73-97
2299-1263
2353-0987
Pojawia się w:: Przestrzeń, Ekonomia, Społeczeństwo
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Wykonywanie gleboznawczej klasyfikacji gruntów - potrzebne zmiany w prawie geodezyjnym i kartograficznym
Soil-Science Based Classification of Land – Changes in Geodetic and Cartographic Laws Needed
Autorzy:: Woźniak-Waszak, Sylwia
Sobecki, Tomasz
Powiązania:: https://bibliotekanauki.pl/articles/31343776.pdf
Data publikacji:: 2024-02
Wydawca:: Najwyższa Izba Kontroli
Tematy:: klasyfikator
gleboznawcza klasyfikacja gruntów
operat klasyfikacyjny
ewidencja gruntów i budynków
ochrona gruntów
classification expert
soil-science classification of land
classification study
land and building register
land protection
Opis:: Grunty rolne i leśne podlegające klasyfikacji gleboznawczej obejmują w Polsce obszar o powierzchni ok. 20 mln hektarów. Zasady i metody jej wykonania oraz kompetencje wymagane od osób przeprowadzających klasyfikację nie zostały określone w aktach prawnych, mimo że jej wyniki są ujmowane w ewidencji gruntów i budynków – jednym z ważniejszych rejestrów publicznych. Najwyższa Izba Kontroli zbadała1, czy starostowie odpowiedzialni za prowadzenie gleboznawczej klasyfikacji gruntów w powiatach zapewnili jej właściwy poziom merytoryczny. Nieprawidłowości stwierdzono we wszystkich jednostkach objętych kontrolą. Miały one charakter systemowy i wynikały przede wszystkim z nieokreślenia ustawowych wymagań dla kandydatów na klasyfikatorów, zasad ich upoważniania do przeprowadzania tych zadań oraz właściwego nadzoru nad prowadzeniem postępowań.
The objective of the article is to present, on the basis of the audit conducted by the Supreme Audit Office, the rules for soil-science based classification of land, including selection and authorising of persons to perform it. Proper classification of land is of key importance, and the binding legal regulations do not set forth criteria for selection nor requirements for experts. The results of the audit indicated deficiencies already at the stage of selecting classification experts. Due to the lack of legal regulations, local governors acted in an inconsistent and non-transparent way, since in most cases the requirements that these experts have to possess were not defined nor publicly announced. The binding regulations do not set forth qualification requirements nor criteria for selecting persons responsible for soil-science based classification of land. Without more detailed regulations it is not possible to ensure the proper quality of these tasks, or to provide transparency in classification experts selection process. The audit also revealed that classification of land was in fact made at the request of land owners and by experts they hired. This could have led to lowered land classes and consequently – to lowered taxes or evasion of payments for excluding land from rural or forest production. In some cases, protocols on classification were drawn up already before starting administrative proceedings, so without the body responsible for classification. Considering that land owners selected classification experts themselves and paid them directly, without involvement of local authorities, land owners in fact had the authority of public bodies in the area of soil science. Also, the objectivity and independence of classification experts were infringed, and conditions in which they provided their opinions gave rise to a conflict of interests.
Źródło:: Kontrola Państwowa; 2024, 69, 1 (414); 119-127
0452-5027
Pojawia się w:: Kontrola Państwowa
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: A contemporary multi-objective feature selection model for depression detection using a hybrid pBGSK optimization algorithm
Autorzy:: Kavi Priya, Santhosam
Pon Karthika, Kasirajan
Powiązania:: https://bibliotekanauki.pl/articles/2201021.pdf
Data publikacji:: 2023
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: depression detection
text classification
dimensionality reduction
hybrid feature selection
wykrywanie depresji
klasyfikacja tekstu
redukcja wymiarowości
wybór funkcji
Opis:: Depression is one of the primary causes of global mental illnesses and an underlying reason for suicide. The user generated text content available in social media forums offers an opportunity to build automatic and reliable depression detection models. The core objective of this work is to select an optimal set of features that may help in classifying depressive contents posted on social media. To this end, a novel multi-objective feature selection technique (EFS-pBGSK) and machine learning algorithms are employed to train the proposed model. The novel feature selection technique incorporates a binary gaining-sharing knowledge-based optimization algorithm with population reduction (pBGSK) to obtain the optimized features from the original feature space. The extensive feature selector (EFS) is used to filter out the excessive features based on their ranking. Two text depression datasets collected from Twitter and Reddit forums are used for the evaluation of the proposed feature selection model. The experimentation is carried out using naive Bayes (NB) and support vector machine (SVM) classifiers for five different feature subset sizes (10, 50, 100, 300 and 500). The experimental outcome indicates that the proposed model can achieve superior performance scores. The top results are obtained using the SVM classifier for the SDD dataset with 0.962 accuracy, 0.929 F1 score, 0.0809 log-loss and 0.0717 mean absolute error (MAE). As a result, the optimal combination of features selected by the proposed hybrid model significantly improves the performance of the depression detection system.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2023, 33, 1; 117--131
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: A sorting method for coal and gangue based on surface grayness and glossiness
Metoda sortowania węgla i skały płonnej na podstawie szarości i połysku powierzchni
Autorzy:: Cheng, Gang
Wei, Yifan
Chen, Jie
Pan, Zeye
Powiązania:: https://bibliotekanauki.pl/articles/27311660.pdf
Data publikacji:: 2023
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: surface glossiness
gangue recognition
image recognition
supervised classification
grey wolf algorithm
support vector machine
połysk powierzchni
rozpoznawanie skały płonnej
rozpoznawanie obrazu
klasyfikacja nadzorowana
algorytm szarych wilków
maszyna wektorów nośnych
Opis:: Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.
Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.
Źródło:: Gospodarka Surowcami Mineralnymi; 2023, 39, 3; 173--198
0860-0953
Pojawia się w:: Gospodarka Surowcami Mineralnymi
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: A supervised approach to musculoskeletal imaging fracture detection and classification using deep learning algorithms
Autorzy:: Karanam, Santoshachandra Rao
Srinivas, Y.
Chakravarty, S.
Powiązania:: https://bibliotekanauki.pl/articles/38702595.pdf
Data publikacji:: 2023
Wydawca:: Instytut Podstawowych Problemów Techniki PAN
Tematy:: musculoskeletal image
image processing
image enhancement
fracture diagnosis
fracture classification
deep neural network
obraz układu mięśniowo-szkieletowego
przetwarzanie obrazu
wzmocnienie obrazu
diagnoza złamania
klasyfikacja złamań
głęboka sieć neuronowa
Opis:: Bone fractures break bone continuity. Impact or stress causes numerous bone fractures. Fracture misdiagnosis is the most frequent mistake in emergency rooms, resulting in treatment delays and permanent impairment. According to the Indian population studies, fractures are becoming more common. In the last three decades, there has been a growth of 480 000, and by 2022, it will surpass 600 000. Classifying X-rays may be challenging, particularly in an emergency room when one must act quickly. Deep learning techniques have recently become more popular for image categorization. Deep neural networks (DNNs) can classify images and solve challenging problems. This research aims to build and evaluate a deep learning system for fracture identification and bone fracture classification (BFC). This work proposes an image-processing system that can identify bone fractures using X-rays. Images from the dataset are pre-processed, enhanced, and extracted. Then, DNN classifiers ResNeXt101, InceptionResNetV2, Xception, and NASNetLarge separate the images into the ones with unfractured and fractured bones (normal, oblique, spiral, comminuted, impacted, transverse, and greenstick). The most accurate model is InceptionResNetV2, with an accuracy of 94.58%.
Źródło:: Computer Assisted Methods in Engineering and Science; 2023, 30, 3; 369-385
2299-3649
Pojawia się w:: Computer Assisted Methods in Engineering and Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Anonymous traffic classification based on three-dimensional Markov image and deep learning
Autorzy:: Tang, Xin
Li, Huanzhou
Zhang, Jian
Tang, Zhangguo
Wang, Han
Cai, Cheng
Powiązania:: https://bibliotekanauki.pl/articles/27311448.pdf
Data publikacji:: 2023
Wydawca:: Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:: anonymous network
traffic classification
three-dimensional Markov image
output self-attention
deep learning
sieć anonimowa
klasyfikacja ruchu
trójwymiarowy obraz Markowa
samouwaga wyjściowa
uczenie głębokie
Opis:: Illegal elements use the characteristics of an anonymous network hidden service mechanism to build a dark network and conduct various illegal activities, which brings a serious challenge to network security. The existing anonymous traffic classification methods suffer from cumbersome feature selection and difficult feature information extraction, resulting in low accuracy of classification. To solve this problem, a classification method based on three-dimensional Markov images and output self-attention convolutional neural network is proposed. This method first divides and cleans anonymous traffic data packets according to sessions, then converts the cleaned traffic data into three-dimensional Markov images according to the transition probability matrix of bytes, and finally inputs the images to the output self-attention convolution neural network to train the model and perform classification. The experimental results show that the classification accuracy and F1-score of the proposed method for Tor, I2P, Freenet, and ZeroNet can exceed 98.5%, and the average classification accuracy and F1-score for 8 kinds of user behaviors of each type of anonymous traffic can reach 93.7%. The proposed method significantly improves the classification effect of anonymous traffic compared with the existing methods.
Źródło:: Bulletin of the Polish Academy of Sciences. Technical Sciences; 2023, 71, 4; art. no. e145676
0239-7528
Pojawia się w:: Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Application of deep learning techniques in identification of the structure of selected road materials
Zastosowanie techniki głębokiego uczenia do identyfikacji struktury wybranych materiałów drogowych
Autorzy:: Mazurek, Grzegorz
Durlej, Małgorzata
Šrámek, Juraj
Powiązania:: https://bibliotekanauki.pl/articles/27314909.pdf
Data publikacji:: 2023
Wydawca:: Politechnika Świętokrzyska w Kielcach. Wydawnictwo PŚw
Tematy:: deep learning
tomograph
R programming language
classification
road surfaces
correlation
digital image
głębokie uczenie
tomograf
język programowania R
klasyfikacja
nawierzchnie drogowe
korelacja
obraz cyfrowy
Opis:: In research, there is a growing interest in using artificial intelligence to find solutions to difficult scientific problems. In this paper, a deep learning algorithm has been applied using images of samples of materials used for road surfaces. The photographs showed cross-sections of random samples taken with a CT scanner. Historical samples were used for the analysis, located in a database collecting information over many years. The deep learning analysis was performed using some elements of the VGG16 network architecture and implemented using the R language. The learning and training data were augmented and cross-validated. This resulted in the high level of 96.4% quality identification of the sample type and its selected structural features. The photographs in the identification set were correctly identified in terms of structure, mix type and grain size. The trained model identified samples in the domain of the dataset used for training in a very good way. As a result, in the future such a methodology may facilitate the identification of the type of mixture, its basic properties and defects.
W badaniach naukowych obserwuje się coraz większe zainteresowanie wykorzystaniem sztucznej inteligencji do poszukiwania rozwiązań trudnych problemów naukowych. W niniejszym artykule został zastosowany algorytm głębokiego uczenia z użyciem obrazów próbek materiałów wykorzystywanych do budowy nawierzchni drogowych. Fotografie przedstawiały przekroje losowych próbek wykonane za pomocą tomografu komputerowego. Do analizy wykorzystano próbki historyczne, znajdujące się w bazie danych zbierającej informacje z wielu lat. Analizę głębokiego uczenia wykonano przy użyciu niektórych elementów architektury sieci VGG16 i zaimplementowano, stosując język R. Dane uczące oraz treningowe poddano augmentacji oraz walidacji krzyżowej. W rezultacie uzyskano wysoki poziom 96,4% jakości identyfikacji rodzaju próbki oraz jej wybranych cech strukturalnych. Fotografie w zbiorze identyfikacyjnym zostały poprawnie zidentyfikowane pod względem struktury, typu mieszanki oraz uziarnienia. Wytrenowany model w bardzo dobry sposób zidentyfikował próbki w obszarze dziedziny trenowanego zbioru danych. W rezultacie taka metodyka może w przyszłości ułatwić identyfikację rodzaju mieszanki, jej podstawowych właściwości oraz defektów.
Źródło:: Structure and Environment; 2023, 15, 3; 159--167
2081-1500
Pojawia się w:: Structure and Environment
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Application of explainable artificial intelligence in software bug classification
Zastosowanie wyjaśnialnej sztucznej inteligencji w klasyfikacji usterek oprogramowania
Autorzy:: Chmielowski, Łukasz
Kucharzak, Michał
Burduk, Robert
Powiązania:: https://bibliotekanauki.pl/articles/27315369.pdf
Data publikacji:: 2023
Wydawca:: Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:: software bug assignment
software bug triaging
explainable artificial intelligence
text analysis
vulnerability
przypisywanie usterek oprogramowania
klasyfikacja usterek oprogramowania
wyjaśnialna sztuczna inteligencja
analiza tekstu
podatności
Opis:: Fault management is an expensive process and analyzing data manually requires a lot of resources. Modern software bug tracking systems may be armed with automated bug report assignment functionality that facilitates bug classification or bug assignment to proper development group.For supporting decision systems, it would be beneficial to introduce information related to explainability. The purpose of this work is to evaluate the useof explainable artificial intelligence (XAI) in processes related to software development and bug classification based on bug reports created by either software testers or software users. The research was conducted on two different datasets. The first one is related to classification of security vs non-securitybug reports. It comes from a telecommunication company which develops software and hardware solutions for mobile operators. The second dataset contains a list of software bugs taken from an opensource project. In this dataset the task is to classify issues with one of following labels crash, memory, performance, and security. Studies on XAI-related algorithms show that there are no major differences in the results of the algorithms used when comparing them with others. Therefore, not only the users can obtain results with possible explanations or experts can verify model or its part before introducing into production, but also it does not provide degradation of accuracy. Studies showed that it could be put into practice, but it has not been done so far.
Zarządzanie usterkami jest kosztownym procesem, a ręczna analiza danych wymaga znacznych zasobów. Nowoczesne systemy zarządzania usterkami w oprogramowaniu mogą być wyposażone w funkcję automatycznego przypisywania usterek, która ułatwia klasyfikację ustereklub przypisywanie usterek do właściwej grupy programistów. Dla wsparcia systemów decyzyjnych korzystne byłoby wprowadzenie informacji związanychz wytłumaczalnością. Celem tej pracy jest ocena możliwości wykorzystania wyjaśnialnej sztucznej inteligencji (XAI) w procesach związanych z tworzeniem oprogramowania i klasyfikacją usterek na podstawie raportów o usterkach tworzonych przez testerów oprogramowania lub użytkowników oprogramowania. Badania przeprowadzono na dwóch różnych zbiorach danych. Pierwszy z nich związany jest z klasyfikacją raportów o usterkach związanych z bezpieczeństwem i niezwiązanych z bezpieczeństwem. Dane te pochodzą od firmy telekomunikacyjnej, która opracowuje rozwiązania programowe i sprzętowe dla operatorów komórkowych. Drugi zestaw danych zawiera listę usterek oprogramowania pobranych z projektu opensource.W tym zestawie danych zadanie polega na sklasyfikowaniu problemów za pomocą jednej z następujących etykiet: awaria, pamięć, wydajnośći bezpieczeństwo. Badania przeprowadzone przy użyciu algorytmów związanych z XAI pokazują, że nie ma większych różnic w wynikach algorytmów stosowanych przy porównywaniu ich z innymi. Dzięki temu nie tylko użytkownicy mogą uzyskać wyniki z ewentualnymi wyjaśnieniami lub eksperci mogą zweryfikować model lub jego część przed wprowadzeniem do produkcji, ale także nie zapewnia to degradacji dokładności. Badania wykazały, że możnato zastosować w praktyce, ale do tej pory tego nie zrobiono.
Źródło:: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 1; 14--17
2083-0157
2391-6761
Pojawia się w:: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Areal Clustering of the Slavic Phonetics
Arealno-typologiczne rozczłonkowanie słowiańskiej fonetyki
Autorzy:: Sawicka, Irena
Powiązania:: https://bibliotekanauki.pl/articles/33307272.pdf
Data publikacji:: 2023
Wydawca:: Polska Akademia Nauk. Instytut Slawistyki PAN
Tematy:: phonetics
Slavic languages
areal classification
fonetyka
języki słowiańskie
klasyfikacja arealna
Opis:: The article succinctly discusses the most important phonetic features of Slavic languages and indicates their geographical distribution. It briefly presents an area-typological view of the contemporary phonetics of Slavic languages and suggests a different division than the one resulting from historical facts (into eastern, western, and southern groups).
Artykuł krótko omawia najistotniejsze cechy fonetyczne słowiańskiego obszaru językowego i ich dystrybucję arealną. Prezentuje arealno-typologiczne podejście do tematu, sugerując w konkluzji inne współczesne podziały niż te, jakie wynikają z faktów historycznych (tj. podział na grupę zachodnio-, wschodnio- i południowosłowiańską).
Źródło:: Slavia Meridionalis; 2023, 23
1233-6173
2392-2400
Pojawia się w:: Slavia Meridionalis
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Bag of words and embedding text representation methods for medical article classification
Autorzy:: Cichosz, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/24403007.pdf
Data publikacji:: 2023
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: text representation
text classification
bag of words
word embedding
reprezentacja tekstu
klasyfikacja tekstu
osadzanie słów
Opis:: Text classification has become a standard component of automated systematic literature review (SLR) solutions, where articles are classified as relevant or irrelevant to a particular literature study topic. Conventional machine learning algorithms for tabular data which can learn quickly from not necessarily large and usually imbalanced data with low computational demands are well suited to this application, but they require that the text data be transformed to a vector representation. This work investigates the utility of different types of text representations for this purpose. Experiments are presented using the bag of words representation and selected representations based on word or text embeddings: word2vec, doc2vec, GloVe, fastText, Flair, and BioBERT. Four classification algorithms are used with these representations: a naive Bayes classifier, logistic regression, support vector machines, and random forest. They are applied to datasets consisting of scientific article abstracts from systematic literature review studies in the medical domain and compared with the pre-trained BioBERT model fine-tuned for classification. The obtained results confirm that the choice of text representation is essential for successful text classification. It turns out that, while the standard bag of words representation is hard to beat, fastText word embeddings make it possible to achieve roughly the same level of classification quality with the added benefit of much lower dimensionality and capability of handling out-of-vocabulary words. More refined embeddings methods based on deep neural networks, while much more demanding computationally, do not appear to offer substantial advantages for the classification task. The fine-tuned BioBERT classification model performs on par with conventional algorithms when they are coupled with their best text representation methods.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2023, 33, 4; 603--621
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Brain tumor classification in MRI imagesusing genetic algorithm appended CNN
Autorzy:: Balamurugan, Thiyagu
Gnanamanoharan, E.
Powiązania:: https://bibliotekanauki.pl/articles/38703164.pdf
Data publikacji:: 2023
Wydawca:: Instytut Podstawowych Problemów Techniki PAN
Tematy:: deep learning
convolutional neural networks
EfficientNetB3
genetic algorithm
brain tumor classification
głęboka nauka
splotowe sieci neuronowe
algorytm genetyczny
klasyfikacja nowotworów mózgu
Opis:: Brain tumors are fatal for majority of the patients, the different nature of the tumorcells requires the use of combined medical measures, and categorizing such tumors isa difficult task for radiologists. The diagnostic structures based on PCs have been offeredas an aid in diagnosing a brain tumor using magnetic resonance imaging (MRI). Generalfunctions are retrieved from the lowest layers of the neural network, and these lowestlayers are responsible for capturing low-level features and patterns in the raw input data,which can be particularly unique to the raw image. To validate this, the EfficientNetB3pre-trained model is utilized to classify three types of brain tumors: glioma, meningioma,and pituitary tumor. Initially, the characteristics of several EfficientNet modules are takenfrom the pre-trained EfficientNetB3 version to locate the brain tumor. Three types of braintumor datasets are used to assess each approach. Compared to the existing deep learningmodels, the concatenated functions of EfficientNetB3 and genetic algorithms give betteraccuracy. Tensor flow 2 and Nesterov-accelerated adaptive moment estimation (Nadam)are also employed to improve the model training process by making it quicker and better.The proposed technique using CNN attains an accuracy of 99.56%, a sensitivity of 98.9%,a specificity of 98.6%, an F-score of 98.9%, a precision of 98.9%, and a recall of 99.54%.
Źródło:: Computer Assisted Methods in Engineering and Science; 2023, 30, 3; 305-321
2299-3649
Pojawia się w:: Computer Assisted Methods in Engineering and Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Capabilities to use passive measurement systems to detect objects moving in a water region
Autorzy:: Mironiuk, Waldemar
Buszman, Krystian
Powiązania:: https://bibliotekanauki.pl/articles/27322537.pdf
Data publikacji:: 2023
Wydawca:: Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:: sea transport safety
underwater observation system
ship detection
ship classification
hydroacoustic parametrization
bezpieczeństwo transportu morskiego
system obserwacji podwodnej
detekcja statku
klasyfikacja statków
parametryzacja hydroakustyczna
Opis:: The increase in the use of sea water is the basis for the development of the existing security systems in given areas. Monitoring the navigational situation in a given water area is one of the most important tasks aimed at ensuring the necessary level of safety in maritime traffic. Marine surveillance systems at sea are used for this purpose. As an interesting approach related to the study of the movement of vessels, this paper proposes a method based on the measurement of physical field disturbances generated by objects moving in the sea water. These disturbances can be referred to the upper (air space) and lower (underwater) hemisphere. In the upper hemisphere the motion of the object generates disturbances of the thermal field while in the lower hemisphere disturbances of the acoustic, hydrodynamic, magnetic, electric and seismic fields are generated. Detection of the floating objects and determination of movement parameters is realized mainly by active systems. There are radiolocation systems in the upper hemisphere (radar systems) and echo ranging systems in the lower hemisphere (sonars and echosounders). Monitoring of the upper hemisphere of sea vessels traffic is conducted in a comprehensive manner. The lower hemisphere is in the most cases omitted. Therefore, it is recommended to develop underwater observation systems as a source of additional information about floating objects and thus complement the existing systems used in navigation. However, at present, de spite the technological progress, there is a noticeable lack of the comprehensive solutions in the area of monitoring the vessels movement in the underwater space. Therefore, appropriate action should be taken to recognize this technology gap and increasing the safety of vessel traffic. The aim of the article was to present a fully passive, mobile underwater observation system that uses a number of sensors to monitor the underwater environment parameters, the research methodology and analysis of the obtained results. The method of deploying the measurement system at the selected geographical position and the measurement method are described. Based on obtained results, the analysis of sound pressure disturbances caused by passing ships was performed. A feature extraction method was developed to identify a passing vessel based on low frequency signal parameters.
Źródło:: Archives of Transport; 2023, 68, 4; 137--156
0866-9546
2300-8830
Pojawia się w:: Archives of Transport
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "klasyfikacja" wg kryterium: Temat

Źródło danych

Dostawca treści

Podbaza

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język