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 "learning network" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
Wyświetlanie 1-15 z 160
Tytuł:
Феномен соціальних мереж: парадокс залежності та варіативність моделювання
The phenomenon of social networks: the paradox of dependence and variability modelling
Autorzy:
Hrybiuk, Olena
Powiązania:
https://bibliotekanauki.pl/articles/469894.pdf
Data publikacji:
2017-03-01
Wydawca:
Wyższa Szkoła Gospodarki Euroregionalnej im. Alcide De Gasperi w Józefowie
Tematy:
modeling
variable models
computer-oriented learning environment
mathematics
network
engineering
social network
Opis:
Purpose. Іn the publication, a comparative analysis of scientifically-methodical bases of modeling of the learning environment, including using social networking was shown. Variable models are represented on the basis of competence-based approach taking into account the main stages of the design. Methods. Theoretical (the analysis of philosophical, psychological, sociological, pedagogical and methodological publications on the subject of the study); the empirical (observation, survey, pedagogical experiment); methods of statistical data processing. Results. To improve efficiency, including using social networking, it is recommended to consider the advantages of decentralized and centralized networks, improving the sustainability of horizontal communication, transparency, access to resources, monitoring of "reliability ratings", limiting the number of network members, the formation and development of "competence networks". Network stability is maintained even in case of instability of its membership and transaction volume. Based on the comparative analysis of the models considered in the present research, the principles of formation and coordination of the organizational structure in the virtual space. Differences due to the specifics regarding the use of modern information and cognitive technology, the inner logic of action and the specific culture of communication in the network. On the basis of similarities taking into account the analysed models, the prospect for further research is seen in the context of further ways to improve the efficiency of agents in the virtual space, including social networks.
Źródło:
Intercultural Communication; 2017, 2, 1; 123-142
2451-0998
Pojawia się w:
Intercultural Communication
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zusammenarbeit von Einrichtungen: Eine theoretische Perspektive für die Forschung zum Lebenslangen Lernen
Współpraca między instytucjami. Teoretyczna perspektywa badań nad uczeniem się przez całe życie
Autorzy:
Przybylska, Ewa
Powiązania:
https://bibliotekanauki.pl/articles/957681.pdf
Data publikacji:
2016
Wydawca:
Akademickie Towarzystwo Andragogiczne
Tematy:
institution
organization
cooperation
partnership
network
lifelong learning
instytucja
organizacja
współpraca
partnerstwo
sieć
uczenie się przez całe życie
Opis:
The cooperation between institutions remains the traditional topic of adult education. Nowadays, it is gaining new interest among researchers as the popularity of lifelong learning is growing. The cooperation between institutions arises potential which should be used to shape optimal conditions for life-long learning of the society. The article defines the main concepts relating to the cooperation with different social partners. It presents the goals, functions and profits achieved through joint action. Even though some institutions share doubts concerning the cooperation with other organizations on local or regional level, it is essential to notice that cooperation is generally profitable for all involved partners and serves the local community.
Artykuł dotyczy problematyki, która od co najmniej trzech dziesięcioleci zajmuje badaczy systemów oświatowych oraz specjalistów edukacji dorosłych zaangażowanych w rozwój i urzeczywistnienie koncepcji uczenia się przez całe życie. Pytania o inicjatywy, konieczne celem zwiększenia aktywności edukacyjnej obywateli, niezależnie od ich wieku, wciąż na nowo przywołują zagadnienia związane z funkcjonowaniem instytucji edukacyjnych oraz roli różnorodnych partnerów społecznych w procesie kształtowania klimatu i warunków sprzyjających uczeniu się. Uwagę badaczy przykuwa aranżacja środowisk inspirujących procesy uczenia się w społecznościach lokalnych, w regionach, w skali krajowej i międzynarodowej. Dotychczasowe badania nad rolą instytucji w działaniach na rzecz zwiększenia aktywności edukacyjnej dorosłych oraz efektywności procesów uczenia się pokazują, że ich potencjał nie jest w pełni wykorzystany. Ograniczając się do roli oferenta kursów czy innych form edukacyjnych, zaprzepaszczają częstokroć możliwości twórczego i inspirującego kreowania środowisk, w których ludzie pracują, spędzają czas wolny i podejmują różnorodne aktywności, wspierające ich w rozwoju wiedzy i kompetencji. Co jest szczególnie istotne, mimo iż współpraca między instytucjami działającymi w danej społeczności lokalnej lub w pewnym regionie, zdaje się być naturalną konsekwencją sąsiedztwa i dobrze rozumianego interesu społecznego, nie zawsze potencjalni partnerzy wyrażają na nią gotowość. Barierę stanowi obawa przed konkurencją, utratą własnego profilu czy konieczność podporzadkowania się interesom reprezentowanym przez partnerów kooperacji. Artykuł, definiując główne pojęcia związane z instytucją i współpracą między instytucjami (specyfika instytucji, ich profil i zadania oraz funkcje, cele, treści, formy współpracy), ukazuje korzyści wynikające ze współdziałania partnerów społecznych reprezentujących różne obszary życia społecznego, gospodarczego czy kulturalnego (efekt synergii, redukcja kosztów, zwiększenie efektywności działania, rozszerzenie usług i oferty zamiast ich powielania, scalenie kompetencji). Przywołuje podstawowe założenia wyznaczające istotę kooperacji między instytucjami, z których każda, dążąc do realizacji własnych instytucjonalnych celów, może – dzięki włączeniu się w szersze działania – realizować je z większą skutecznością, przyczyniając się jednocześnie do urzeczywistniania celów ogólnospołecznych, jak choćby ułatwienie dostępu do ofert edukacyjnych i poradnictwa czy podniesienie jakości usług edukacyjnych. Przedstawione zostają m.in. cele i funkcje instytucji i współpracy międzyinstytucjonalnej, efekt synergii wynikający ze współdziałania oraz różnice między współpracą instytucjonalną a działaniem w sieci. Na podkreślenie zasługuje fakt, że wszystkie obszary instytucjonalne mogą być brane pod uwagę jako potencjalni partnerzy do współpracy z instytucjami edukacyjnymi. Przecież procesy uczenia się zachodzą wszędzie: w fabrykach i biurach, kawiarniach i parkach, we współpracy z gospodarką, kulturą i administracją. Człowiek uczy się wszędzie tam, gdzie napotyka innych ludzi. Artykuł nakreśla również pytania badawcze, istotne w kontekście optymalizacji warunków ramowych uczenia się przez całe życie, zwłaszcza roli, jaka przypada partnerom społecznym, w tym instytucjom oświaty, w procesie kreowania środowisk sprzyjających podejmowaniu aktywności edukacyjnej. Pytania dotyczą m.in. możliwości osiągnięcia efektów synergii poprzez wykorzystanie aktualnego potencjału tkwiącego w regionach i instytucjach; miejsc i kultur nauczania i uczenia się przyjaznych uczeniu się przez całe życie; innowacyjnych rozwiązań na rzecz zwiększenia udziału w uczeniu się osób w każdym wieków i w różnych sytuacjach życiowych, w tym grup społecznych tradycyjnie nie uczestniczących w jakichkolwiek formach edukacji. Urzeczywistnienie koncepcji społeczeństw uczących się przez całe życie implikuje konieczność współpracy możliwie wielu partnerów społecznych: rodzin, podmiotów gospodarczych, stowarzyszeń, instytucji oświaty i kultury. Nie ulega bowiem wątpliwości, że procesy uczenia się w społecznościach lokalnych i w regionach zależą w dużej mierze od relacji łączących wszystkich zainteresowanych aktorów społecznych.
Źródło:
Rocznik Andragogiczny; 2016, 23; 117-132
1429-186X
2391-7571
Pojawia się w:
Rocznik Andragogiczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie uczenia maszynowego w budowie interfejsu sterowanego głosem na przykładzie odtwarzacza muzyki
Applying of machine learning in the construction of a voice-controlled interface on the example of a music player
Autorzy:
Basiakowski, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/98114.pdf
Data publikacji:
2019
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
sieć neuronowa
rozpoznawanie głosu
machine learning
neural network
speech recognition
Opis:
Poniższy artykuł przedstawia wyniki badań wpływu zastosowania uczenia maszynowego w budowie interfejsu sterowanego głosem. Do analizy wykorzystane zostały dwa różne modele: jednokierunkowa sieć neuronowa zawierająca jedną warstwę ukrytą oraz bardziej skomplikowana konwolucyjna sieć neuronowa. Dodatkowo wykonane zostało porównanie modeli użytych w celu realizacji badań pod względem jakości oraz przebiegu treningu.
The following paper presents the results of research on the impact of machine learning in the construction of a voice-controlled interface. Two different models were used for the analysys: a feedforward neural network containing one hidden layer and a more complicated convolutional neural network. What is more, a comparison of the applied models was presented. This comparison was performed in terms of quality and the course of training.
Źródło:
Journal of Computer Sciences Institute; 2019, 13; 302-309
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sieci konwolucyjnej głębokiego uczenia w detekcji pojazdów
Use of deep learning convolutional network in vehicle detectionmears
Autorzy:
Oszutowska-Mazurek, D. A.
Mazurek, P.
Powiązania:
https://bibliotekanauki.pl/articles/136004.pdf
Data publikacji:
2017
Wydawca:
Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
Tematy:
sieć konwolucyjna
uczenie głębokie
detekcja pojazdów
przetwarzanie obrazów
image processing
deep learning
convolutional neural network
vehicle detection
Opis:
Wstęp i cel: Detekcja pojazdów na znaczenie w bezpieczeństwie ruchu drogowego oraz programowaniu pojazdów autonomicznych. Celem pracy jest detekcja pojazdów odróżniająca obrazy pojazdów od innych obrazów nie zawierających pojazdów. Materiał i metody: W pracy wykorzystano bazę pojazdów zawierającą obrazy ekstrahowane z sekwencji wideo, które przetwarzano za pomocą sieci konwolucyjnej głębokiego uczenia. Wyniki: Uzyskana sieć konwolucyjna charakteryzuje się bardzo dobrymi parametrami, krzywa PSNR względem kroku uczenia rośnie co oznacza, że zachodzi proces odszumiania kerneli w całym procesie uczenia. Wniosek: Proponowana metoda może być wykorzystana w programowaniu pojazdów autonomicznych oraz implementacji w Inteligentnych Systemach Transportowych ITS do detekcji pojazdów; bazuje na uczeniu a nie na projektowaniu algorytmu syntetycznego, dzięki temu jest potrzebny relatywnie krótki czas opracowania klasyfikatora.
Introduction and aim: Vehicle detection plays essential role in road safety and automatic vehicle programming. The aim of study is vehicle detection distinguishing car and non-car images Material and methods: Vehicle database images extracted from video sequences were processed by deep learning convolutional network. Results: Obtained convolutional network is characterised by very good parameters, PSNR curve indicates denoising of kernels in learning process. Conclusion: Proposed method is potentially useful in autonomic vehicles programming and Intelligent Transportation Systems (ITS) for vehicles detection. The solution is based on learning, not on synthetic algorithm design, thanks to this, a relatively short time of classifier development is needed.
Źródło:
Problemy Nauk Stosowanych; 2017, 7; 47-56
2300-6110
Pojawia się w:
Problemy Nauk Stosowanych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci bayesowskich do prognozowania bankructwa firm
Bankruptcy prediction with Bayesian networks
Autorzy:
Gąska, Damian
Powiązania:
https://bibliotekanauki.pl/articles/434020.pdf
Data publikacji:
2016
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
bankruptcy prediction
Bayesian network
structure learning
Opis:
The aim of the paper is to compare accuracy of some bankruptcy prediction models based on Bayesian networks. Some network structure learning algorithms were analyzed as a tool for classifiers construction. Empirical analysis was applied to companies listed on Warsaw Stock Exchange. The paper gives short overview of theoretical background behind discussed issues and presents results of empirical analysis.
Źródło:
Śląski Przegląd Statystyczny; 2016, 14 (20); 131-144
1644-6739
Pojawia się w:
Śląski Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybór reprezentatywnej struktury zbiorów uczących dla potrzeb neuronowych modeli identyfikacyjnych wykorzystywanych w inżynierii rolniczej
Selection of representative structure of learning sets for purpose of neuron identification models used in agricultural engineering
Autorzy:
Nowakowski, K.
Boniecki, P.
Weres, J.
Mueller, W.
Powiązania:
https://bibliotekanauki.pl/articles/287545.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
reprezentatywne dane uczące
sieć neuronowa
analiza obrazu
inżynieria rolnicza
agricultural engineering
representative learning data
neural network
image analysis
Opis:
Wykorzystanie sztucznych sieci neuronowych do identyfikacji mechanicznych uszkodzeń ziarniaków na podstawie ich fotografii wymaga doboru odpowiednich cech charakterystycznych na podstawie, których zostanie przeprowadzony proces rozpoznawania. Ponieważ stosowanie sieci neuronowych do bezpośredniego mapowania zbiorów graficznych jest nieefektywne, wskazane jest użycie bloku przetwarzania wstępnego, tzw. preprocesora. Zaprojektowanie i wytworzenie właściwego systemu informatycznego dla tak sformułowanego celu pozwoliło na dokonanie transformacji danych pierwotnych (zdjęcia fotograficzne) do reprezentacji danych, która będzie odpowiednia dla wykorzystania w procesie uczenia sieci neuronowej.
Use of artificial neural networks for identification of the mechanical damages to grains based on photographs requires a selection of appropriate characteristic features in order to conduct a recognition process. Since the application of neural networks for direct mapping of graphic sets is not really effective, it is recommended to use the initial processing block, so called preprocessor. Design and creation of a proper information system for this particular purpose allowed to transform raw data (photographic images) for data representation, appropriate to be used in the learning process of neural network.
Źródło:
Inżynieria Rolnicza; 2007, R. 11, nr 6 (94), 6 (94); 183-188
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ opisu danych na efektywność uczenia oraz pracy sztucznej sieci neuronowej na przykładzie identyfikacji białek
Influence of data description on efficiency of learning and job artificial neural network on example of identification of proteins
Autorzy:
BARTMAN, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/457310.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Rzeszowski
Tematy:
sztuczna sieć neuronowa
uczenie
artificial neural network
learning
Opis:
Uczenie jednokierunkowych wielowarstwowych sztucznych sieci neuronowych jest zagadnieniem szeroko omawianym w literaturze. Autorzy większości opracowań skupiają się na metodach uczenia, zdecydowanie mniej prac poświęconych jest wpływowi preprocesingu danych na uczenie i efektywność pracy sieci. Skoro uczenie sztucznych sieci neuronowych jest szukaniem funkcji odwzorowującej zbiór danych wejściowych w zbiór oczekiwanych odpowiedzi, to czego możemy oczekiwać, jeżeli zmienimy opis danych uczących? Zmienia się funkcja odwzorowująca, a więc szukamy innej funkcji, zatem jest możliwe, iż sposób kodowania danych wpływa na efektywność uczenia i pracy sieci. Niniejsza praca dotyka przedstawione zagadnienie badając wpływ sposobu zakodowania opisu białek na efektywność uczenia oraz pracy sieci neuronowej identyfikującej rodzaj białka
Learning feedforward multilayer neural networks is an issue widely discussed in the literature. The authors of the most works focus on methods of learning, much less work is devoted to the influence of data preprocessing on learning and the efficiency of the network. If learning of artificial neural networks is finding the mapping function set of input data into a set of expected responses, what you can expect if you change the description of the data learners? Changes of mapping functions, and so we are looking for another function, so it is possible that the encoding of data affects the efficiency of learning and job of the network. This paper touches the issue presented by examining the impact of coding method information about the proteins on the effectiveness of learning and the work of the neural network identifies the type of protein.
Źródło:
Edukacja-Technika-Informatyka; 2013, 4, 2; 358-365
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wireless Sensor Node Localization based on LNSM and Hybrid TLBO : Unilateral technique for Outdoor Location
Autorzy:
Kaundal, V.
Sharma, P.
Prateek, M.
Powiązania:
https://bibliotekanauki.pl/articles/226010.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
log normal shadowing model (LNSM)
teacher learning based optimization (TLBO)
trilateration
unilateral
RSSI
ZigBee
wireless sensor network
Opis:
The paper aims at localization of the anchor node (fixed node) by pursuit nodes (movable node) in outdoor location. Two methods are studied for node localization. The first method is based on LNSM (Log Normal Shadowing Model) technique to localize the anchor node and the second method is based on Hybrid TLBO (Teacher Learning Based Optimization Algorithm) - Unilateral technique. In the first approach the ZigBee protocol has been used to localize the node, which uses RSSI (Received Signal Strength Indicator) values in dBm. LNSM technique is implemented in the self-designed hardware node and localization is studied for Outdoor location. The statistical analysis using RMSE (root mean square error) for outdoor location is done and distance error found to be 35 mtrs. The same outdoor location has been used and statistical analysis is done for localization of nodes using Hybrid TLBO-Unilateral technique. The Hybrid-TLBO Unilateral technique significantly localizes anchor node with distance error of 0.7 mtrs. The RSSI values obtained are normally distributed and standard deviation in RSSI value is observed as 1.01 for outdoor location. The node becomes 100% discoverable after using hybrid TLBO- Unilateral technique.
Źródło:
International Journal of Electronics and Telecommunications; 2017, 63, 4; 389-397
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Vibration-based identification of engine valve clearance using a convolutional neural network
Autorzy:
Tabaszewski, Maciej
Szymański, Grzegorz M.
Nowakowski, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/2124718.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
combustion engine
diagnostics
vibration
machine learning
convolutional network
silnik spalinowy
diagnostyka
drgania
uczenie maszyny
splotowa sieć neuronowa
Opis:
Contemporary operation-related requirements for combustion engines force the necessity of ongoing assessment of their in operation technical condition (e.g. marine engines). The engine efficiency and durability depend on a variety of parameters. One of them is valve clearance. As has been proven in the paper, the assessment of the valve clearance can be based on vibration signals, which is not a problem in terms of signal measurement and processing and is not invasive into the engine structure. The authors described the experimental research aiming at providing information necessary to develop and validate the proposed method. Active experiments were used with the task of valve clearance and registration of vibrations using a three-axis transducer placed on the engine cylinder head. The tests were carried out during various operating conditions of the engine set by 5 rotational speeds and 5 load conditions. In order to extract the training examples, fragments of the signal related to the closing of individual valves were divided into 11 shorter portions. From each of them, an effective value of the signal was determined. Obtained total 32054 training vectors for each valve related to 4 classes of valve clearance including very sensitive clearance above 0.8 mm associated with high dynamic interactions in cylinder head. In the paper, the authors propose to use a convolutional network CNN to assess the correct engine valve clearance. The obtained results were compared with other methods of machine learning (pattern recognition network, random forest). Finally, using CNN the valve clearance class identification error was less than 1% for the intake valve and less than 3.5% for the exhaust valve. Developed method replaces the existing standard methods based on FFT and STFT combined with regression calculation where approximation error is up to 10%. Such results are more useful for further studies related not only to classification, but also to the prediction of the valve clearance condition in real engine operations.
Źródło:
Archives of Transport; 2022, 61, 1; 117--131
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Vehicles Classification Using the HRBF Neural Network
Klasyfikacja pojazdów z wykorzystaniem sieci neuronowej HRBF
Autorzy:
Wantoch-Rekowski, R.
Powiązania:
https://bibliotekanauki.pl/articles/305921.pdf
Data publikacji:
2011
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
sieci neuronowe
klasyfikacja sieci
zbiór uczący
Hyper Radial Basis Function network HRBF
neural networks
networks classification
learning set
HRBF
Opis:
The paper presents the problem of using a neural network for military vehicle classification on the basis of ground vibration. One of the main elements of the system is a unit called the geophone. This unit allows to measure the amplitude of ground vibration in each direction for a certain period of time. The value of the amplitude is used to fix the characteristic frequencies of each vehicle. If we want to fix the main frequency it is necessary to use the Fourier transform. In this case the fast Fourier transform FFT was used. Since the neural network (Hyper Radial Basis Function network) was used, a learning set has to be prepared. Please find the attached results of using the HRBF neural network, which include: examples of learning, validation and test sets, the structure of the networks and the learning algorithm, learning and testing results.
W opracowaniu przedstawiono zagadnienie wykorzystania sieci neuronowej do klasyfikacji określonych typów pojazdów na podstawie analizy amplitudy drgań gruntu. Jednym z elementów systemu do pomiaru amplitudy drgań gruntu jest geofon. Umożliwia on pomiar amplitudy drgań gruntu w wybranym kierunku dla określonego przedziału czasu. Wartość wyznaczonej amplitudy wykorzystywana jest do wyznaczenia charakterystycznych częstotliwości drgań dla poszczególnych pojazdów. Do wyznaczenia charakterystycznych częstotliwości wykorzystywana jest transformata Fouriera FFT. Do klasyfikacji wykorzystana została sieć neuronowa z radialną funkcją aktywacji, dlatego też wymagane jest przygotowanie odpowiedniego zbioru uczącego. W opracowaniu przedstawiono wyniki użycia sieci HRBF. Przedstawiono strukturę oraz zawartość zbioru uczącego.
Źródło:
Biuletyn Instytutu Systemów Informatycznych; 2011, 7; 47-52
1508-4183
Pojawia się w:
Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Vehicle classification using the convolution neural network approach
Autorzy:
Trivedi, Janak
Devi, Mandalapu Sarada
Dhara, Dave
Powiązania:
https://bibliotekanauki.pl/articles/2091225.pdf
Data publikacji:
2021
Wydawca:
Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:
convolution neural network
vehicle classification
deep learning
intelligent transportation system
konwolucyjna sieć neuronowa
klasyfikacja pojazdów
uczenie głębokie
inteligentny system transportowy
Opis:
We present vehicle detection classification using the Convolution Neural Network (CNN) of the deep learning approach. The automatic vehicle classification for traffic surveillance video systems is challenging for the Intelligent Transportation System (ITS) to build a smart city. In this article, three different vehicles: bike, car and truck classification are considered for around 3,000 bikes, 6,000 cars, and 2,000 images of trucks. CNN can automatically absorb and extract different vehicle dataset’s different features without a manual selection of features. The accuracy of CNN is measured in terms of the confidence values of the detected object. The highest confidence value is about 0.99 in the case of the bike category vehicle classification. The automatic vehicle classification supports building an electronic toll collection system and identifying emergency vehicles in the traffic.
Źródło:
Zeszyty Naukowe. Transport / Politechnika Śląska; 2021, 112; Bibliogr. 13 poz.
0209-3324
2450-1549
Pojawia się w:
Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Treść i formy stosowania technologii informacyjno-komunikacyjnych w edukacji dorosłych
Contents and forms of ict in adult education
Autorzy:
BERDNYK, Mаrta
Powiązania:
https://bibliotekanauki.pl/articles/455267.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Rzeszowski
Tematy:
technologie informacjne i komunikacyjne
e-learning
andragogika
edukacja dorosłych
Internet
nauczanie na odległość
nauczanie z wykorzystaniem komputerów
nauczanie sieciowe
nauczanie wirtualne
information and communication technologies
andrahohika
adult education
\distance learning
learning using computers
network education
virtual learning
Opis:
W artykule rozpatrywany jest problem wprowadzenia technologii informacjnych i komunikacyjnych (TIK) lub jak często są one nazywane e-learningu (nauczania elektronicznego) do nauczania dorosłych, została podjęta próba zanalizowania doświadczenia państw europejskich, przedstawiono przykłady zastosowania TIK w odniesieniu do edukacji dorosłych.
The article discusses the problem of implementing information and communication technology (ICT) or, as often called, e-learning (electronic learning), in adult education, an attempt to analyze the content and form of its use, contains an analysis of experience of European countries provided examples of ICT on adult education.
Źródło:
Edukacja-Technika-Informatyka; 2012, 3, 1; 173-180
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Towards a new deep learning algorithm based on GRU and CNN: NGRU
Autorzy:
Atassi, Abdelhamid
el Azami, Ikram
Powiązania:
https://bibliotekanauki.pl/articles/2141895.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
Convolutional Neural Network
CNN
Gated Recurrent Unit
GRU
SemEval
Twitter
word2vec
Keras
TensorFlow
Adadelta
Adam
soft-max
deep learning
Opis:
This paper describes our new deep learning system based on a comparison between GRU and CNN. Initially we start with the first system which uses Convolutional Neural Network (CNN) which we will compare with the second system which uses Gated Recurrent Unit (GRU). And through this comparison we propose a new system based on the positive points of the two previous systems. Therefore, this new system will take the right choice of hyper-parameters recommended by the authors of both systems. At the final stage we propose a method to apply this new system to the dataset of different languages (used especially in socials networks).
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2020, 14, 4; 45-47
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Tomato disease detection model based on densenet and transfer learning
Autorzy:
Bakr, Mahmoud
Abdel-Gaber, Sayed
Nasr, Mona
Hazman, Maryam
Powiązania:
https://bibliotekanauki.pl/articles/2097440.pdf
Data publikacji:
2022
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
leaf disease detection
convolutional neural network
deep learning
transfer learning
Opis:
Plant diseases are a foremost risk to the safety of food. They have the potential to significantly reduce agricultural products quality and quantity. In agriculture sectors, it is the most prominent challenge to recognize plant diseases. In computer vision, the Convolutional Neural Network (CNN) produces good results when solving image classification tasks. For plant disease diagnosis, many deep learning architectures have been applied. This paper introduces a transfer learning based model for detecting tomato leaf diseases. This study proposes a model of DenseNet201 as a transfer learning-based model and CNN classifier. A comparison study between four deep learning models (VGG16, Inception V3, ResNet152V2 and DenseNet201) done in order to determine the best accuracy in using transfer learning in plant disease detection. The used images dataset contains 22930 photos of tomato leaves in 10 different classes, 9 disorders and one healthy class. In our experimental, the results shows that the proposed model achieves the highest training accuracy of 99.84% and validation accuracy of 99.30%.
Źródło:
Applied Computer Science; 2022, 18, 2; 56--70
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Theory I: Deep networks and the curse of dimensionality
Autorzy:
Poggio, T.
Liao, Q.
Powiązania:
https://bibliotekanauki.pl/articles/200623.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
deep network
shallow network
convolutional neural network
function approximation
deep learning
sieci neuronowe
aproksymacja funkcji
uczenie głębokie
Opis:
We review recent work characterizing the classes of functions for which deep learning can be exponentially better than shallow learning. Deep convolutional networks are a special case of these conditions, though weight sharing is not the main reason for their exponential advantage.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 761-773
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 160

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