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 "modele neuronowe" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 21
Tytuł:
Metoda prognozowania wartości parametrów technicznych nowoczesnych maszyn rolniczych. Cz. II. Modele neuronowe do wyznaczania parametrów ciągników rolniczych
Method of forecasting technical parameter values of state-of-the-art farm machines. Part II. Neural models for setting out farm tractor parameters
Autorzy:
Francik, S.
Powiązania:
https://bibliotekanauki.pl/articles/289630.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
modele neuronowe
parametry techniczne
ciągnik rolniczy
neural models
farm tractor
technical parameters
Opis:
W pracy przedstawiono charakterystykę sztucznych sieci neuronowych opracowanych do prognozowania parametrów nowoczesnych ciągników rolniczych. Przedstawiono dokładność działania modeli, oraz architekturę sztucznych sieci neuronowych. Wśród opracowanych 21 modeli neuronowych znalazło się 16 trzy- i cztero-warstwowych perceptronów, 4 sieci o radialnych funkcjach bazowych i 1 sieć liniowa.
The paper presents a characteristic of artificial neural networks developed specifically for forecasting parameters of state-of-the-art farm tractors. Accuracy of model performance, and architecture of artificial neural networks were presented. Among 21 developed neural models there were 16 three- and four-layer perceptrons, 4 networks with radial base functions and 1 linear network.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 11(86), 11(86); 109-116
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modele neuronowe zużywania elementów roboczych w glebie
Neural models for wearing of working elements in soil
Autorzy:
Napiórkowski, J.
Mikołajczak, P.
Powiązania:
https://bibliotekanauki.pl/articles/287462.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
zużycie
lemiesz płużny
gleba
skład granulometryczny
wilgotność
modele neuronowe
wear
ploughshare
soil
grain composition
moisture
neural models
Opis:
Przedstawiono próbę wykorzystania modeli neuronowych do prognozowania zużycia elementów roboczych narzędzi rolniczych użytkowanych w glebie. Podstawą opracowania modeli neuronowych były wyniki uzyskane z badań eksploatacyjnych zużycia lemieszy płużnych w dziesięciu gatunkach gleb. Wygenerowano 12 modeli neuronowych, oddzielnie dla przyjętych miar zużycia, gatunków gleb oraz postaci konstrukcyjnych elementu roboczego. Nie udało się wygenerować, z odpowiednią dokładnością dopasowania, jednego modelu neuronowego uwzględniającego warunki glebowe oraz postacie konstrukcyjne lemieszy płużnych.
The paper presents an attempt to use neural models to forecast wear of agricultural tool elements working in soil. Development of neural models was based on the results obtained after operation tests of ploughshare wear in ten soil types. 12 neural models were generated, separately for accepted wear measures, soil types and working element constructional forms. It turned out to be impossible to generate, with suitable matching accuracy, a single neural model taking into account soil conditions and ploughshare constructional forms.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 12(87), 12(87); 381-389
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sieci neuronowych w modelowaniu zależności między wybranymi cechami fizykochemicznymi i elektrycznymi miodu
The use of artificial neural networks for modeling of the relationships between physicochemical and electrical properties of honey
Autorzy:
Luczycka, D.
Pentos, K.
Powiązania:
https://bibliotekanauki.pl/articles/796772.pdf
Data publikacji:
2014
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
miod
cechy fizykochemiczne
cechy elektryczne
zaleznosci
sieci neuronowe sztuczne
analiza wrazliwosci
modele neuronowe
honey
physicochemical trait
electrical property
trait relationship
artificial neural network
sensitivity analysis
neural model
Opis:
Na cechy chemiczne i elektryczne miodu mają wpływ jego skład pyłkowy oraz zawartość wody. O ile zawartość wody można powiązać z analizowanymi parametrami zależnością funkcyjną, o tyle wpływ zawartości pyłków na badane cechy chemiczne i elektryczne miodu jest bardziej skomplikowanym zagadnieniem. W jednej próbce miodu można stwierdzić kilka do kilkunastu rodzajów pyłków różnych roślin, dlatego analiza jedynie wpływu pyłku przewodniego nie jest wystarczająca. Przedmiotem pracy jest wykorzystanie dwóch rodzajów sztucznych sieci neuronowych do tworzenia możliwie dokładnych modeli matematycznych uwzględniających zależność takich cech miodu, jak zawartość cukrów, aminokwasów, wolnych kwasów oraz przewodność elektryczna patoki od zawartości pyłków roślin i zawartości wody w próbce. Wykorzystując perceptron wielowarstwowy jako model matematyczny opisanych wyżej zależności, dokonano analizy wrażliwości. Na podstawie tej analizy możliwa była ocena wpływu parametrów wejściowych modelu na poszczególne wielkości wyjściowe. Sztuczne sieci neuronowe są wygodnym narzędziem do modelowania zależności pomiędzy cechami chemicznymi i elektrycznymi miodu a jego składem pyłkowym oraz zawartością wody. Większą dokładność modelu uzyskano wykorzystując perceptron wielowarstwowy o stosunkowo prostej strukturze. Sieci RBF generują model o znacznie niższej dokładności.
Pollen content and water content may influence the chemical and electrical parameters of honey. Water content can be related to analysed parameters by functional relationship but the influence of pollen content on honey chemical and electric parameters is more complicated. In one honey sample may be a few or several pollen of various plant types. The analysis only primary pollen influence is not adequate. The subject of this work is the use of two types of artificial neural networks to obtain accurate mathematical models describing the relationship between honey parameters like the content of sugars, amino acids, free acids, strained honey conductivity and both pollen content and water content. A total of 50 honey samples were used for this study. The honey samples with different production origin and varieties have been collected. Regarding the type of honey, in the samples group there were nectar, nectar-honeydew and honeydew honeys. Artificial neural networks are an useful tool for modeling relationships between chemical and electrical honey features as the output model parameters and both pollen content and water content as the input model parameters. Two neural network types were used for modeling task – multilayer perceptron and RBF network. Several dozen network structures were investigated and model quality assessment was based on the value of average relative error and standard deviation of the relative error calculated for both, training and test data sets. The values of average relative error as well as standard deviation of the relative error calculated for best network structures obtained in simulation tests prove the practical utility of neural models. The results obtained for RBF network show that the practical utility of this model is lower than multilayer perceptron (the values of average relative error exceed 20% for all structures tested). Using the multilayer perceptron as a mathematical model of these relationships, sensitivity analysis were executed. On the basis of this analysis, the assessment of the influence of model input parameters on some selected output parameters was possible. The results of the sensitivity analysis show that all input model parameters are statistically significant for all output model parameters (error quotient ≥ 1). In case of the model describing relationship between strained honey conductivity and both, water content and pollen content, one can not identify dominant explanatory variables. The most significant influence on glucose/ fructose content ratio, free acids content and proline content was observed for content of two pollen: Brassica napus and Brassicaceae.
Źródło:
Zeszyty Problemowe Postępów Nauk Rolniczych; 2014, 576
0084-5477
Pojawia się w:
Zeszyty Problemowe Postępów Nauk Rolniczych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Aproksymacja stężeń zanieczyszczeń powietrza za pomocą neuronowych modeli szeregów czasowych
Aproximation of air monitoring data gaps by means of time-series neural models
Autorzy:
Hoffman, S.
Powiązania:
https://bibliotekanauki.pl/articles/297640.pdf
Data publikacji:
2009
Wydawca:
Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
Tematy:
szereg czasowy
modele neuronowe
stężenia chwilowe
dane monitoringu
brakujące dane
luki pomiarowe
aproksymacja
time series
neural models
air pollution
air monitoring
hourly concentrations
monitoring data
missing data
measure gaps
approximation
Opis:
W pracy oceniono możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Do predykcji stężeń wykorzystano neuronowe modele szeregów czasowych. Jakość modelowania testowano na rzeczywistych danych pochodzących ze stacji monitoringu powietrza Łódź-Widzew, zarejestrowanych w latach 2004-2008. Analizie poddano względnie kompletny zbiór danych, obejmujący stężenia 6 podstawowych zanieczyszczeń powietrza: O3, NO2, NO, PM10, SO2, CO. Celem badawczym było określenie i porównanie dokładności predykcji stężeń różnych zanieczyszczeń powietrza. Modelowanie przeprowadzono, stosując sztuczne sieci neuronowe. Trening sieci odbywał się przy użyciu liniowego algorytmu pseudoinwersji. Wyjściem modelu było stężenie wybranego zanieczyszczenia w określonym czasie. Wejściami były wartości stężeń zarejestrowane w godzinach wcześniejszych. Każdy model charakteryzowały dwie wielkości: horyzont prognozy i liczba wartości opóźnionych. W analizie określono dokładność predykcji stężeń wybranych zanieczyszczeń dla stałej liczby wartości opóźnionych równej 24 przy zmieniającym się horyzoncie prognozy od 1 do 240 godz. Jako kryterium jakości modelowania przyjęto wartość błędu aproksymacji.
An assessment of quality of air pollutants concentration modeling was the main research purpose. The examination was made by means of artificial neural networks, which were employed to create time-series models. The quality of approximation was tested on the actual set of air monitoring data, gathered over a 5-year period at the measure site in Lodz-Widzew (Central Poland). The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The research aim was the estimation and the comparison of prediction accuracy for different air pollutants. Time-series models were characterized by two parameters which might influence the prediction quality: lookahead and steps. For all models the constant number of steps equal 24 hours was assumed. The effect of changes of lookahead in the range 1÷ 240 hours was analyzed. It was stated that the decreasing of precision of time-series models with the increase of lookahead is observed. The drop of accuracy depends on pollutant. The furthest reasonable prognosis may be done for ozone concentration. Approximation accuracy shortens in the order: O3, CO, SO2, PM10, NO2, NO.
Źródło:
Inżynieria i Ochrona Środowiska; 2009, 12, 3; 231-239
1505-3695
2391-7253
Pojawia się w:
Inżynieria i Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza porównawcza wybranych neuroregulatorów prędkości dla napędu z połączeniem sprężystym – wyniki badań
Comparative analyzis of chosen neurocontrollers for the drive system with elastic joint – tests results
Autorzy:
Kamiński, M.
Orłowska-Kowalska, T.
Powiązania:
https://bibliotekanauki.pl/articles/1813796.pdf
Data publikacji:
2013
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
sieci neuronowe
modele perceptronowe
modele radialne
regulacja prędkości
układ dwumasowy
Opis:
In the paper the comparative study of the MLP and RBF neurocontrollers, applied in the drive system with elastic joint are presented. The influence of the adaptation coefficients of both tested neurocontrollers to the dynamic performance and torsional vibration damping of the control structure, with only one feedback from the driven motor speed, is analyzed. This influence was tested for nominal as well as for changed parameters of the drive system.
Źródło:
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały; 2013, 69, 33; 14--29
1733-0718
Pojawia się w:
Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie modeli regresyjnych w problemach z zakresu ekonomiki rolnictwa
Regression models in agricultural economics
Autorzy:
Kisielinska, J.
Powiązania:
https://bibliotekanauki.pl/articles/868383.pdf
Data publikacji:
2009
Wydawca:
The Polish Association of Agricultural and Agribusiness Economists
Tematy:
analiza regresji
ekonomika rolnictwa
modele regresyjne
sieci neuronowe
Opis:
Dokonano przeglądu modeli regresyjnych opracowanych dla problemów z zakresu ekonomiki rolnictwa. Okazało się, że autorzy stosują jedynie modele liniowe i linearyzowalne. Zwrócono uwagę na możliwość zastosowania nowoczesnych narzędzi jakimi są sieci neuronowe.
This paper reviews the regression models developed for issues of the economics of agriculture. It turned out that the authors use only the linear models and linearysing. Attention was drawn to the possibility of using modern tools to which neural networks are.
Źródło:
Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu; 2009, 11, 2
1508-3535
2450-7296
Pojawia się w:
Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa prognoz złożonych dla sezonowych modeli przyczynowo-opisowych
Building of combined forecasts for seasonal causal-descriptive models
Autorzy:
Perzynska, J.
Powiązania:
https://bibliotekanauki.pl/articles/78511.pdf
Data publikacji:
2009
Wydawca:
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
Tematy:
prognozy zlozone
modele sezonowe
modele przyczynowo-opisowe
sieci neuronowe sztuczne
analiza wariancji
analiza kowariancji
ekonometria
prognozowanie
Opis:
In the article author considers the situation in which several forecasts of the same variable are available. The forecasts was marked on basis of the causal-descriptive models for economic variable having the form of time series with seasonal fluctuations. Author creates new forecast of the same variable – the combined forecast which should be burdened with the smallest error. The author analyses four methods of creating combined forecasts as a weighted average and examines the efficiency of combined forecasts in comparison with individual forecasts. In the majority of the examination cases combined forecasts marked two methods: artificial neural networks and variance-covariance have smaller prediction errors than their component forecasts. It appears that the results of empirical research confirmed the higher efficiency of combined forecast in comparison with individual forecasts.
Źródło:
Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica; 2009, 57
2081-0644
Pojawia się w:
Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przykłady wykorzystania modelowania neuronowego w praktyce rolniczej
Examples of the use of neural modeling in agricultural practice
Autorzy:
Przybylak, A.
Boniecki, P.
Zaborowicz, M.
Mo, Zhou
Przybyl, K.
Powiązania:
https://bibliotekanauki.pl/articles/883761.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
sieci neuronowe sztuczne
wykorzystanie
modelowanie neuronowe
modele klasyfikacyjne
system ObrazKoh
system Szkodniki
modele prognostyczne
system Neuronet
system Plon 1.0
system PrognozaPlony
system ProgAzot 1.1
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2013, 1
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa neuronowych modeli prognostycznych na przykladzie wybranych zagadnien inzynierii rolniczej
Construction of neural forecasting models for example of selected issues in agricultural engineering
Autorzy:
Dejewska, T
Boniecki, P.
Jakubek, A.
Powiązania:
https://bibliotekanauki.pl/articles/883707.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
zbiory danych
modelowanie
modele prognostyczne
inzynieria rolnicza
sieci neuronowe sztuczne
uczenie sie
Opis:
Celem pracy było omówienie metodyki budowy modeli prognostycznych w oparciu o sztuczne sieci neuronowe. Podczas konstruowania modelu neuronowego realizującego predykcję występują często złożone problemy. Z uwagi na to przybliżono metody pozwalające na poprawny przebieg poszczególnych etapów budowy. Przedstawiono również wartość poznawczą i skuteczność działania tych modeli dla inżynierii rolniczej.
The aim of the following thesis was the description of methods of building of prognostic models with the use of the artificial neural networks. During constructing of neuronal model of prediction, a variety of complex problems may often appear. In consideration of those problems, some methods enabling appropriate course of each of the stages of building the model were presented. Moreover, a cognitive value and effectiveness of working of those models in the agricultural engineering were introduced.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2009, 05; 7-10
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie cząstkowych modeli parametrycznych w zadaniu detekcji uszkodzeń sieci gazowej
Comparison of particular parametric models for faults detection in gas pipeline
Autorzy:
Syfert, M.
Jankowska, A.
Łabęda-Grudziak, Z.
Tabor, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/155924.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
detekcja uszkodzeń
modele cząstkowe
modele parametryczne
addytywne modele regresyjne
sztuczne sieci neuronowe
systemy rozmyte
faults detection
particular models
parametric models
additive regression models
artificial neural networks
fuzzy systems
Opis:
Zreferowano badania detekcji uszkodzeń gazociągu z użyciem cząstkowych modeli parametrycznych. Stosując trzy metody modelowania: addytywne modele regresyjne (najnowszą z badanych technik), sztuczne sieci neuronowe oraz układy rozmyte typu TSK opracowano aproksymacje ciśnień w węzłach sieci. Modele testowano w zadaniu detekcji wycieku oraz uszkodzenia czujnika pomiarowego. Wszystkie modele zapewniały dużą dokładność aproksymacji ciśnienia w poprawnych stanach pracy, wykazując także bardzo skuteczną detekcję uszkodzeń czujników pomiarowych ciśnień, natomiast w sytuacji symulowanych wycieków ich przydatność w detekcji była znacznie mniejsza.
The results of faults detection [1, 2, 3, 4, 5] in a gas system network (Fig. 1) with use of parametric partial models [6, 7, 8] are presented in the paper. This is a new approach to the task with use of exploratory data analysis [10, 11, 17] and partial models. Three techniques were used to build models of pressure in network nodes: additive regression (ADD - new method of modelling [10, 11, 12, 13, 14, 15]), artificial neural networks (ANN) [16, 17, 18] and TSK fuzzy logic modelling [8, 16, 17]. The measured pressures in adjacent nodes as well cumulative flows in the main line (from global analytical model [9]) of gasoline were the inputs of the models. For the analysed stations (in parts A and B marked in Fig. 1) a set of test failures in the form of leaks and damage of pressure sensors is given in Tab. 1.Using trial and error method, by evaluating the effectiveness of fault detection, there were obtained structures of models of different complexity for individual modelling techniques: ADD - presented by equations (1) and (2), ANN- (3) and (4), TSK- (5) and (6). The model order is not greater than 2. The exemplary results of leak detection with use of particular models are shown in Figs. 3, 5, 7 and of sensor fault detection in Figs. 4, 6, 8. In the conclusions there is summarised the relative accuracy of models (in Table 2), the relative normalized values of the studied residues of leaks - Tab.3 and the pressure sensor failures - Tab. 4. All models provided highly precise pressure approximation in non-fault states, but TSK and ADD models turned out to be the more accurate. Additionally, all of them were effective in case of pressure sensor fault detection, however, in case of simulated leakages their usefulness was much lower.
Źródło:
Pomiary Automatyka Kontrola; 2012, R. 58, nr 1, 1; 3-8
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie przemysłowego procesu mielenia rudy z wykorzystaniem energetycznych wskaźników oceny
Modeling of industrial ore grinding process using energetic factors of evaluation
Autorzy:
Trybalski, K.
Krawczykowski, D.
Powiązania:
https://bibliotekanauki.pl/articles/349569.pdf
Data publikacji:
2006
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
modelowanie statystyczne procesów mielenia
sieci neuronowe
modele regresyjne
statistical modeling of grinding processes
neural network
regressive models
Opis:
W artykule przeprowadzono analizę kosztów węzła mielenia i klasyfikacji w jednym z zakładów wzbogacania rudy KGHM "Polska Miedź" S.A., wskazując najwyższą energochłonność procesu mielenia. Zaproponowano i obliczono wskaźniki technologiczno-energetyczne oceniające proces mielenia i klasyfikacji. Na ich podstawie zbudowano przykładowe modele: regresyjne oraz w postaci sieci neuronowych, ujmujące zależności pomiędzy wskaźnikami oceny procesu a danymi energetyczno-technologicznymi badanego procesu. Przeprowadzono porównanie uzyskanych modeli.
The costs analysis of grinding and classification center in one of KGHM "Polska Miedź" SA ore enrichment plants was conducted in the paper, what identified the highest energy consumption of grinding process. The energetic-technological factors evaluating grinding and classification processes were then proposed and calculated. On their basis the examples of models were constructed, which were regressive ones and neural networks forms, taking into consideration dependencies between process evaluation factors and energetic-technological data of investigated process. The comparison of given models was carried out.
Źródło:
Górnictwo i Geoinżynieria; 2006, 30, 3/1; 327-346
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid of neural networks and hidden Markov models as a modern approach to speech recognition systems
Hybryda sieci neuronowych i ukrytych modeli Markowa jako nowoczesne podejście do rozpoznawania mowy
Autorzy:
Sokólski, P.
Rutkowski, T.
Powiązania:
https://bibliotekanauki.pl/articles/276753.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
sztuczne sieci neuronowe
ukryte modele Markowa
MFCC
sterowanie
artificial neural networks
hidden Markov models
speech recognition
control
Opis:
The aim of this paper is to present a hybrid algorithm that combines the advantages of artificial neural networks and hidden Markov models in speech recognition for control purposes. The scope of the paper includes review of currently used solutions, description and analysis of implementation of selected artificial neural network (NN) structures and hidden Markov models (HMM). The main part of the paper consists of a description of development and implementation of a hybrid algorithm of speech recognition using NN and HMM and presentation of verification of correctness results.
Celem artykułu jest przedstawienie algorytmów hybrydowych łączących zalety sztucznych sieci neuronowych i ukrytych modeli Markowa w zastosowaniach rozpoznawania mowy dla potrzeb sterowania. W zakres opracowania wchodzi przegląd stosowanych obecnie rozwiązań, opis i analiza implementacji wybranych struktur sieci neuronowych (NN) oraz ukrytych modeli Markowa (HMM). Główną część artykułu stanowi opis opracowywania hybrydowego algorytmu rozpoznawania mowy wykorzystującego NN i HMM oraz prezentacja wyników weryfikacji poprawności działania.
Źródło:
Pomiary Automatyka Robotyka; 2013, 17, 2; 449-455
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sieci Kohonena jako narzędzie wspomagające budowę prognoz kombinowanych
Self-Organizing maps as a tool supporting the construction of combined forecasts
Autorzy:
Perzyńska, Joanna
Powiązania:
https://bibliotekanauki.pl/articles/449693.pdf
Data publikacji:
2017
Wydawca:
Zachodniopomorska Szkoła Biznesu w Szczecinie
Tematy:
modele ekonometryczne
prognozy kombinowane
sztuczne sieci neuronowe
sieci Kohonena
artificial neural network
combined forecasts
econometric models
Self-Organizing Maps
Opis:
W artykule przedstawiono propozycję wykorzystania sieci Kohonena we wstępnym etapie budowy prognoz kombinowanych. Przy pomocy sieci Kohonena można podzielić zbiór dostępnych modeli na rozłączne klasy, a następnie dokonać redukcji ich liczby. Prognozy składowe prognoz kombinowanych wyznacza się wówczas na podstawie modeli należących do różnych klas, co ma zapewnić niepowielanie informacji oraz zwiększyć dokładność prognoz kombinowanych. Ilustracją rozważań o charakterze teoretycznym jest przykład empiryczny, w którym prognozy (indywidualne i kombinowane) wyznaczono dla zmiennej mikroekonomicznej wykazującej wahania sezonowe. Przeprowadzone badania potwierdziły użyteczność zaproponowanej metody.
In the paper, the author presents suggestion of application of Self-Organizing Maps in the preliminary stage of construction of combined forecasts. Using the SOM, the set of available models can be divided into disjoint classes and then reduced. The component forecasts are then determined on the basis of models belonging to different classes, to ensure that information is not duplicated and to increase the accuracy of the combined forecasts. The illustration of theoretical considerations is the empirical example, in which individual and combined forecasts are calculated for economic variable with seasonal fluctations. The research confirms the usefulness of the suggested method.
Źródło:
Zeszyty Naukowe ZPSB Firma i Rynek; 2017, 2(52); 77-85
2657-3245
Pojawia się w:
Zeszyty Naukowe ZPSB Firma i Rynek
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
„Śmieci na wejściu, śmieci na wyjściu”. Wpływ jakości koderów na działanie sieci neuronowej klasyfikującej wypowiedzi w mediach społecznościowych
„Garbage in, Garbage out”. The Impact of Coders’ Quality on the Neural Network Classifying Text on Social Media
Autorzy:
Matuszewski, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/2131910.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
sieci neuronowe
klasyfikacja danych tekstowych
modele nadzorowane
opinion mining
jakość koderów
text classification
neural networks
supervised models
quality of coders
Opis:
Jedna z głównych decyzji przy ręcznym kodowaniu danych tekstowych dotyczy tego, czy kodowanie ma być weryfikowane. W przypadku modeli nadzorowanych prowadzi to do istotnego dylematu: czy lepszym rozwiązaniem jest dostarczenie modelowi dużej liczby przypadków, na których będzie się uczyć kosztem weryfikacji poprawności danych, czy też zakodowanie każdego przypadku n-razy, co pozwoli porównać kody i sprawdzić ich poprawność, ale jednocześnie n-krotnie zmniejszy zbiór danych treningowych. Taka decyzja może zaważyć nie tylko na ostatecznych wynikach klasyfikatora. Z punktu widzenia badaczy jest istotna również dlatego, że – realistycznie zakładając, że badania mają ograniczone źródło finansowania – nie można jej cofnąć. Wykorzystując 100 tys. unikatowych i ręcznie zakodowanych tweetów przeprowadzono symulacje wyników klasyfikatora w zależności od kontrolowanego odsetka błędnie zakodowanych dokumentów. Na podstawie danych przedstawiono rekomendacje.
One of the critical decisions when manually coding text data is whether to verify the coders’ work. In the case of supervised models, this leads to a significant dilemma: is it better to provide the model with a large number of cases on which it will learn at the expense of verifying the correctness of the data, or whether it is better to code each case n-times, which will allow to compare the codes and check their correctness but at the same time will reduce the training dataset by n-fold. Such a decision not only affect the final results of the classifier. From the researchers’ point of view, it is also crucial because, realistically assuming that research has limited funding, it cannot be undone. The study uses a simulation approach and provides conclusions and recommendations based on 100,000 unique and hand-coded tweets.
Źródło:
Studia Socjologiczne; 2022, 2; 137-164
0039-3371
Pojawia się w:
Studia Socjologiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zarządzanie nieruchomościami z wykorzystaniem kognitywnej maszyny wnioskującej
Real estate management using a cognitive reasoning machine
Autorzy:
Nowak-Nova, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/23050824.pdf
Data publikacji:
2023-03-20
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
Automatyczne Modele Wyceny
zarządzanie nieruchomościami
uczenie maszynowe
sieci neuronowe
systemy kognitywne
Automated Valuation Models
real estate
Machine Learning
Neural Networks
Cognitive Systems
Opis:
W artykule przedstawiono możliwość zastosowania Automatycznych Modeli Wyceny (AVMs), rozszerzonych o technologie algorytmów uczenia maszynowego i sztuczne sieci neuronowe, do przetwarzania kognitywnego w obszarze Facility Management. Opisano eksperymenty symulujące w procesach operacyjnego zarządzania nieruchomością, zachowania AVMs w kognitywnej maszynie wnioskującej. Badano poprawność działania algorytmów usług decyzyjnych wywoływanych przez zautomatyzowane silniki wnioskujące dla generalizacji informacji o nieruchomości oraz procesu planowania wykorzystującego algorytmy. Kluczowe wnioski z badania potwierdzają, że przyjęcie dla AVMs perspektywy kognitywnej i zastosowanie technologii algorytmów i sztucznych sieci neuronowych w operacyjnym zarządzaniu nieruchomością zwiększa produktywność procesów, tym samym przynosi korzyść zarządzającemu.
The article presents the possibility of using Automatic Valuation Models (AVMs), extended with technologies of Machine Learning algorithms and Neural Networks, for cognitive processing in the area of Facility Management. Experiments simulating, in the processes of operational management of real estate, of AVMs’s behavior in a cognitive reasoning machine, have been described. The correctness of operation of decision service algorithms, triggered by automated inference engines, has been examined for generalization of information on the property and the planning process using the algorithms. The key findings of the study confirm that the adoption of a cognitive perspective for AVMs and the application of algorithm technology and artificial neural networks in the operational management of real estate, increases the productivity of the processes, and, thus brings benefits the managing entity.
Źródło:
Nowoczesne Systemy Zarządzania; 2023, 18, 1; 29-48
1896-9380
2719-860X
Pojawia się w:
Nowoczesne Systemy Zarządzania
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 21

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