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 "machine learning methods" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-10 z 10
    Tytuł:
    Comparison of Lithuanian and Polish Consonant Phonemes Based on Acoustic Analysis – Preliminary Results
    Autorzy:
    Korvel, Gražina
    Kurasova, Olga
    Kostek, Bożena
    Powiązania:
    https://bibliotekanauki.pl/articles/177441.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    acoustic analysis
    consonant phonemes
    acoustic parameters
    machine learning methods
    Opis:
    The goal of this research is to find a set of acoustic parameters that are related to differences between Polish and Lithuanian language consonants. In order to identify these differences, an acoustic analysis is performed, and the phoneme sounds are described as the vectors of acoustic parameters. Parameters known from the speech domain as well as those from the music information retrieval area are employed. These parameters are time- and frequency-domain descriptors. English language as an auxiliary language is used in the experiments. In the first part of the experiments, an analysis of Lithuanian and Polish language samples is carried out, features are extracted, and the most discriminating ones are determined. In the second part of the experiments, automatic classification of Lithuanian/English, Polish/English, and Lithuanian/Polish phonemes is performed.
    Źródło:
    Archives of Acoustics; 2019, 44, 4; 693-707
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine learning methods for optimal compatibility of materials in ecodesign
    Autorzy:
    Rojek, I.
    Dostatni, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/202203.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    machine learning methods
    classification models
    ecodesign
    selection of materials
    compatibility
    Opis:
    Machine learning (ML) methods facilitate automated data mining. The authors compare the effectiveness of selected ML methods (RBF networks, Kohonen networks, and random forest) as modelling tools supporting the selection of materials in ecodesign. Applied in the design process, ML methods help benefit from the knowledge, experience and creativity of designers stored in historical data in databases. Implemented into a decision support system, the knowledge can be utilized – in the case under analysis – in the process of design of environmentally friendly products. The study was initiated with an analysis of input data for the selection of materials. The input data, specified in cooperation with designers, include both technological and environmental parameters which guarantee the desired compatibility of materials. Next, models were developed using selected ML methods. The models were assessed and implemented into an expert system. The authors show which models best fit their purpose and why. Models supporting the selection of materials, connections and disassembly methods help boost the recycling properties of designed products.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2020, 68, 2; 199-206
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine Learning Methods in E-mail Spam Classification
    Autorzy:
    Świtalski, Piotr
    Kopówka, Mateusz
    Powiązania:
    https://bibliotekanauki.pl/articles/1819261.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
    Tematy:
    spam detecting
    machine learning
    classification methods
    spam filters
    malicious messages
    Opis:
    Increasing number of unwanted e-mails has influence on users’ security in the Internet. Today spam e-mails can store potential malicious messages which e.g. can redirect user to fake sites. These messages recently appeared in social media. Filtering of this content is important due to minimize financial and branding costs. Traditional methods of spam filtering cannot be sufficient for present threats. We required new methods for constructing more dependable and robust antispam filters. Machine learning recently becomes very popular technique in classification methods. It has been successfully used in spam classification. In this paper we present some methods of machine learning for spam detecting. We would also like to introduce ways to solve the spam classification problem. We show that these methods can be useful in classification of malicious messages. We also compared developed methods and presented results in the experimental section.
    Źródło:
    Studia Informatica : systems and information technology; 2019, 1-2(23); 57--76
    1731-2264
    Pojawia się w:
    Studia Informatica : systems and information technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Ensembles of instance selection methods: A comparative study
    Autorzy:
    Blachnik, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/330413.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    machine learning
    instance selection
    ensemble methods
    uczenie maszynowe
    selekcja przypadków
    metoda zespołowa
    Opis:
    Instance selection is often performed as one of the preprocessing methods which, along with feature selection, allows a significant reduction in computational complexity and an increase in prediction accuracy. So far, only few authors have considered ensembles of instance selection methods, while the ensembles of final predictive models attract many researchers. To bridge that gap, in this paper we compare four ensembles adapted to instance selection: Bagging, Feature Bagging, AdaBoost and Additive Noise. The last one is introduced for the first time in this paper. The study is based on empirical comparison performed on 43 datasets and 9 base instance selection methods. The experiments are divided into three scenarios. In the first one, evaluated on a single dataset, we demonstrate the influence of the ensembles on the compression–accuracy relation, in the second scenario the goal is to achieve the highest prediction accuracy, and in the third one both accuracy and the level of dataset compression constitute a multi-objective criterion. The obtained results indicate that ensembles of instance selection improve the base instance selection algorithms except for unstable methods such as CNN and IB3, which is achieved at the expense of compression. In the comparison, Bagging and AdaBoost lead in most of the scenarios. In the experiments we evaluate three classifiers: 1NN, kNN and SVM. We also note a deterioration in prediction accuracy for robust classifiers (kNN and SVM) trained on data filtered by any instance selection methods (including the ensembles) when compared with the results obtained when the entire training set was used to train these classifiers.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 1; 151-168
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Badanie autentyczności cyfrowych nagrań fonicznych utrwalonych w plikach MP3
    Autenticity investigation of digital audio recorded as MP3 files
    Autorzy:
    Korycki, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/1374046.pdf
    Data publikacji:
    2014
    Wydawca:
    Centralne Laboratorium Kryminalistyczne Policji
    Tematy:
    badanie autentyczności nagrań cyfrowych
    wykrywanie montażu
    badanie dowodów cyfrowych
    podwójna i wielokrotna kompresja MP3
    MDCT
    metody uczenia maszynowego z nadzorem
    maszyna wektorów nośnych (SVM)liniowa analiza dyskryminacyjna (LDA)
    authenticity examination of the digital recordings
    detection of montage
    testing digital evidence
    double and multiple MP3 compression
    supervised machine learning methods
    support vector machine (SVM)
    linear discriminant analysis (LDA)
    Opis:
    W pracy nakreślono problem wykrywania nieciągłości w nagraniach dźwiękowych poddanych stratnej kompresji i zaprezentowano nowe metody, które mogą być wykorzystane do badania autentyczności cyfrowych zapisów fonicznych. Prezentowane rozwiązania bazują na statystycznych analizie danych obliczonych na podstawie wartości współczynników MDCT. Wyznaczone wektory składające się z 228 cech zostały użyte jako sekwencje treningowe dwóch algorytmów uczenia maszynowego z nadzorem: liniowej analizy dyskryminacyjnej (LDA) oraz maszyny wektorów nośnych (SVM). Detekcja wielokrotnej kompresji została wykorzystana zarówno do wykrywania modyfikacji zapisu, jak również do ujawniania śladów montażu w cyfrowych nagraniach fonicznych. Skuteczność algorytmów służących do wykrywania nieciągłości została przetestowana na specjalnie przygotowanej w tym celu bazie nagrań muzycznych składającej się z blisko miliona plików MP3. Wyniki badań zostały omówione w kontekście wpływu parametrów kompresji na możliwość detekcji ingerencji w zapis cyfrowych nagrań fonicznych.
    In the work, the problem of detecting discontinuities in lossily compressed audio recordings was outlined and new methods that can be used to examine the authenticity of digital audio records were presented. The presented solutions are based on statistical analysis of the data, calculated on the basis of the value of MDCT coefficients. Designated vectors, consisting of 228 features, were used as the training sequences of two machine learning algorithms under the supervision of the linear discriminant analysis (LDA) and the support vector machine (SVM). Detection of multiple compression was both used to detect modification of the recording as well as to reveal traces of montage in digital audio recordings. The effectiveness of the algorithms for the detection of discontinuities was tested on the database of recorded music consisting of nearly one million MP3 files, specially prepared for this purpose. The results of the research were discussed in the context of the influence of parameters of the compression on the ability to detect interference in digital audio recordings.
    Źródło:
    Problemy Kryminalistyki; 2014, 283; 2-17
    0552-2153
    Pojawia się w:
    Problemy Kryminalistyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Choice of a knowledge representation method for learning classifiers in medical domains
    Autorzy:
    Śnieżyński, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/333765.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    metoda reprezentacji wiedzy
    uczenie maszynowe
    diagnostyka medyczna
    knowledge representation methods
    machine learning
    medical diagnosis
    Opis:
    Knowledge based systems in medical domains are common nowadays. Machine learning techniques are broadly used to generate knowledge for such systems. Developers have to choose not only the learning method, but also, what is even more important, the knowledge representation method. The most common criterion for such a choice is prediction accuracy. In the paper we argue that in certain cases knowledge representation, and its simplicity and intelligibility, are more important. In this paper results of experiments performed using several medical data sets and chosen machine learning algorithms are presented. Next, some examples of learned classifiers are shown. Analysis of results conclude the work.
    Źródło:
    Journal of Medical Informatics & Technologies; 2005, 9; 195-200
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-label classification using error correcting output codes
    Autorzy:
    Kajdanowicz, T.
    Kazienko, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/331286.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    maszyna ucząca się
    uczenie nadzorowane
    metoda agregacji
    struktura ramowa
    machine learning
    supervised learning
    multilabel classification
    error correcting output codes
    ECOC
    ensemble methods
    binary relevance
    framework
    Opis:
    A framework for multi-label classification extended by Error Correcting Output Codes (ECOCs) is introduced and empirically examined in the article. The solution assumes the base multi-label classifiers to be a noisy channel and applies ECOCs in order to recover the classification errors made by individual classifiers. The framework was examined through exhaustive studies over combinations of three distinct classification algorithms and four ECOC methods employed in the multi-label classification problem. The experimental results revealed that (i) the Bode-Chaudhuri-Hocquenghem (BCH) code matched with any multi-label classifier results in better classification quality; (ii) the accuracy of the binary relevance classification method strongly depends on the coding scheme; (iii) the label power-set and the RAkEL classifier consume the same time for computation irrespective of the coding utilized; (iv) in general, they are not suitable for ECOCs because they are not capable to benefit from ECOC correcting abilities; (v) the all-pairs code combined with binary relevance is not suitable for datasets with larger label sets.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 829-840
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identyfikacja systemów nieliniowych przy pomocy kernelowego algorytmu LMS z ograniczeniem zasobów
    Identification of nonlinear systems using fixed budget kernel LMS algorithm
    Autorzy:
    Rzepka, D.
    Otfinowski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/408102.pdf
    Data publikacji:
    2012
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    metody kernelowe
    uczenie maszynowe
    regresja nieliniowa
    algorytm LMS
    dobór wektorów nośnych
    kernel methods
    machine learning
    nonlinear regression
    least mean squares
    pruning criterion
    Opis:
    W artykule zaprezentowano zastosowanie nowej, nieliniowej wersji algorytmu LMS wykorzystującej funkcje kernelowe do identyfikacji systemów nieliniowych. Aby ograniczyć ilość wektorów nośnych, będących niezbędnym elementem algorytmów opartych o metody kernelowe zastosowano kryterium selekcji. Nowy wektor wejściowy jest przyjmowany do słownika, a następnie w słowniku wyszukiwany i usuwany jest wektor, który ma najmniejszy wpływ na tworzony model nieliniowy. Przedstawiony przykład identyfikacji systemu nieliniowego potwierdza skuteczność porównywalną do algorytmów wykorzystujących większą liczbę wektorów nośnych.
    In this paper a new version of kernel normalized least mean squares algorithm is applied to identification of nonlinear system. To maintain a fixed amount of support vectors, requisite for practical kernel-based algorithm, a pruning criterion is used. After admitting a new input vector to the dictionary, a least important entry is selected and discarder. A case of nonlinear system identification is presented, proving that algorithm performs well and it can maintain a performance comparable to state-of-the-art algorithms, using smaller number of support vectors.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2012, 4b; 10-13
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hypertension diagnosis using compound pattern recognition methods
    Autorzy:
    Krawczyk, B.
    Woźniak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/333544.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie wzorców
    metody złożone
    zespoły klasyfikatora
    uczenie maszynowe
    niesymetryczna klasyfikacja
    uznanie dwustopniowe
    pattern recognition
    compound methods
    classifier ensembles
    machine learning
    unbalanced classification
    two-stage recognition
    Opis:
    The paper presents a hypertension type classification task where the decisions should be made only on the basis of blood pressure, general information and basis biochemical data. This problem has a great importance to the medical decision support systems, yet results achieved so far are not satisfactory. When the canonical approaches tend to fail we should look for the compound pattern recognition systems, such as multiple classifiers systems. This article presents the results of an experimental investigation of the pool of compound classifiers which have their origin in classifiers ensembles, random forest, and random subspace. Presented methods returned good, satisfactory results, outperforming canonical approaches for this problem.
    Źródło:
    Journal of Medical Informatics & Technologies; 2011, 18; 41-50
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Aircraft fault forecasting at maintenance service on the basis of historic data and aircraft parameters
    Prognozowanie uszkodzeń statków powietrznych dla celów obsługi konserwacyjnej na podstawie ich parametrów oraz danych z eksploatacji
    Autorzy:
    Pogačnik, B.
    Duhovnik, J.
    Tavčar, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/301740.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    konserwacja statków powietrznych
    prognozowanie uszkodzeń
    metody szczupłego utrzymania ruchu
    systemy uczące się
    logistyka części zamiennych
    aircraft maintenance
    fault forecasting
    lean methods
    machine learning
    spare-parts logistics
    Opis:
    Aircraft maintenance and repair organizations (MROs) have to be competitive and attractive for both existing and new customers. The aircraft ground time at MROs should be as short as possible and cost effective without reducing the quality of the work. Process optimization in MROs requires the continuous improvement of processes and the elimination of non-value-added activities during maintenance checks. There is, on the one hand, an obligation to follow the prescribed procedures and, on the other hand, pressure for time and cost reduction. The aircraft servicing process has been analysed according to a lean methodology. The optimization of logistics processes is recognized as the most promising method for reducing the maintenance service time and costs of spare parts. The probability of aircraft faults is calculated on the basis of historic data from previously completed service projects. Aircraft parameters, such as aircraft type, operator, aircraft age, flight hours, flight cycles, engine type and operation location, are taken into consideration in the fault forecasting. The fault probability is used as an indicator for defining a priority list for the accomplishment of jobs included in the aircraft maintenance service. The proposed methodology was validated and confirmed on four different projects.
    Organizacje zajmujące się konserwacją i naprawami statków powietrznych (MRO) muszą dbać o swoją konkurencyjność i atrakcyjność zarówno dla istniejących jak i nowych klientów. Czas trwania obsługi naziemnej w MRO powinien być jak najkrótszy a konserwacja powinna pociągać za sobą jak najmniejsze koszty, bez konieczności obniżania jakości pracy. Optymalizacja procesów przeprowadzanych w MRO wymaga ciągłego doskonalenia oraz eliminacji nieuzasadnionych czynności przeglądowych. Z jednej strony pracownicy MRO muszą przestrzegać określonych procedur, z drugiej zaś strony, ciąży na nich presja redukcji czasu i kosztów obsługi. Proces obsługi statku powietrznego analizowano zgodnie z metodologią szczupłego utrzymania ruchu. Optymalizację procesów logistycznych uznaje się za najbardziej obiecujący sposób redukcji czasu obsługi serwisowej oraz kosztów części zamiennych. Prawdopodobieństwo wystąpienia uszkodzeń statku powietrznego obliczano na podstawie danych historycznych z uprzednio przeprowadzonych prac obsługowych. W prognozowaniu uszkodzeń, uwzględniano takie parametry statku powietrznego, jak typ statku, jego operator, wiek, liczba godzin w powietrzu, liczba cykli lotów, typ silnika oraz miejsce stacjonowania. Prawdopodobieństwo wystąpienia uszkodzeń wykorzystano jako wskaźnik do hierarchizacji zadań obsługi technicznej statku powietrznego. Przydatność proponowanej metodologii zweryfikowano i potwierdzono na przykładzie czterech różnych projektów.
    Źródło:
    Eksploatacja i Niezawodność; 2017, 19, 4; 624-633
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-10 z 10

      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