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 "multidimensional data" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 29
Tytuł:
Reservoir computing and data visualisation
Autorzy:
Ashour, W.
Wang, T. D.
Fyfe, C.
Powiązania:
https://bibliotekanauki.pl/articles/91852.pdf
Data publikacji:
2012
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
reservoir computing
data visualisation
time series
Echo State Networks
ESNs
multidimensional scaling criterion
fixed latent space
Opis:
We consider the problem of visualisation of high dimensional multivariate time series. A data analyst in creating a two dimensional projection of such a time series might hope to gain some intuition into the structure of the original high dimensional data set. We review a method for visualising time series data using an extension of Echo State Networks (ESNs).The method uses the multidimensional scaling criterion in order to create a visualisation of the time series after its representation in the reservoir of the ESN. We illustrate the method with two dimensional maps of a financial time series. The method is then compared with a mapping which uses a fixed latent space and a novel objective function.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2012, 2, 3; 215-222
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multidimensional Scaling in Economic Research
Wielowymiarowe skalowanie w badaniach ekonomicznych
Autorzy:
Biela, Adam
Powiązania:
https://bibliotekanauki.pl/articles/904915.pdf
Data publikacji:
2004
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
multidimensional scaling
theory of data decision analysis
Opis:
A relationship between the theoretical terms and the observational ones, called also a perceptual or observational, is essential for scientific research of empirical type, including social sciences and economic sciences. This relationship cannot be clarified in terms of a complete definition but only by a partial definition. This methodological truth is well known since R. Carnap's works. Later on it was developed in methodology of sciences by the Polish logicians: Przełęcki, Poznański and Kamiński. Multivariable techniques are necessary when one wants to define the relationships between variables in economic and social sciences. However, the results obtained in such analysis are often unsatisfactory because the residual variance is too large. Multidimensional scaling proposes quite a different methodological approach for seeking the relationship between the theoretical terms and the observational ones. This paper aims: (1) to show what kind of methodological proposition is multidimensional scaling; (2) to show what are the possible directions of applying multidimensional scaling to social and economic analysis; (3) to define the multidimensional character of decision analysis.
W badaniach naukowych typu empirycznego (do których należą również nauki społeczne i ekonomiczne) istotne znaczenie ma określenie związku pomiędzy terminami teoretycznymi a terminami empirycznymi. Związku tego nie da się ustalić w postaci definicji zupełnych, lecz tylko i wyłącznie przez definicje cząstkowe. Ta prawda znana jest już od czasu prac R. Carnapa, a została utrwalona i rozwinięta w metodologii nauk przez polskich logików: Przełęckiego, Poznańskiego, Kamińskiego. W określaniu związków pomiędzy analizowanymi zmiennymi w naukach społecznych i ekonomicznych konieczne jest stosowanie technik wielozmiennowych. Wyniki uzyskanych analiz nie są jednak zadowalające z uwagi na ich zbyt wielką wariancję resztową. Nieco inne podejście metodologiczne w poszukiwaniu związku między terminami teoretycznymi i empirycznymi proponuje skalowanie wielowymiarowe. Artykuł omawia założenia metodologiczne skalowania wielowymiarowego, teorię danych С. H. Coombsa (1964) jako podstawę logiczną tego skalowania oraz przydatność tej metody w analizie decyzyjnej. Wskazano, iż skalowanie wielowymiarowe może okazać się przydatne w pierwszych etapach pracy badawczej, eksperckiej, analitycznej czy aplikacyjnej, gdy należy usystematyzować zebrane dane i na tej podstawie przystąpić dopiero do formułowania hipotez, sądów, diagnoz, ocen. Istnieje jeszcze jedna możliwość wykorzystania skalowania wielowymiarowego, a jest nią mianowicie integrowanie różnych opinii oraz ekspertyz w przedmiotowej kwestii.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2004, 175
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multidimensional GIS for satellite imagery analysis
Autorzy:
Drypczewski, K.
Markiewicz, Ł.
Stepnowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/332659.pdf
Data publikacji:
2017
Wydawca:
Polskie Towarzystwo Akustyczne
Tematy:
Multidimensional GIS
Raster Data Manager
RASDAMAN
SENTINEL-1
SAR
Coastal Monitoring
coast change detection
Opis:
Multidimensional Geographical Information System allows storing, querying and processing of multidimensional query data. It is able to process satellite imagery and provide tools for its analysis. In the article authors present the developed system that analyzes a time series of SENTINEL - 1 mission satellite imagery acquired over the coast of Poland. The algorithm used finds and detects changes in the shape of the coastline over a long period of time. The system uses a Raster Data Manager array database management system to simplify the process of data querying, trimming, storing and analysing. Authors present how the recent trends in GIS development, like RASDAMAN, can be applied to satellite imagery processing.
Źródło:
Hydroacoustics; 2017, 20; 41-50
1642-1817
Pojawia się w:
Hydroacoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
SOLAP GIS in maritime research
Autorzy:
Drypczewski, K.
Stepnowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/332276.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Akustyczne
Tematy:
spatio-temporal GIS
multidimensional data
fish biomass estimation
AIS
tracking vessel movement
Opis:
Multidimensional Geographical Information System is a system especially designed to acquire, distribute, analyze and visualize complicated spatio-temporal data. Modern Geographical Information System technology can provide easy-to-use, near real-time solutions to many problems from different areas of research. In the article, authors summarize recent works on Spatial Online Analytical Processing (SOLAP) and multidimensional Geographical Information System (GIS), discuss its capabilities and data structures used in spatio-temporal datasets, and propose its possible applications in maritime research.
Źródło:
Hydroacoustics; 2016, 19; 93-100
1642-1817
Pojawia się w:
Hydroacoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multidimensional Scaling for Symbolic Interval Data
Skalowanie wielowymiarowe dla danych symbolicznych przedziałowych
Autorzy:
Dudek, Andrzej
Powiązania:
https://bibliotekanauki.pl/articles/906289.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
Multidimensional scaling
visualization
symbolic data
Opis:
Podstawowym celem skalowania wielowymiarowego jest przedstawienie relacji między obiektami w przestrzeni wielowymiarowej jako odległości w przestrzeni 2- lub 3- wymiarowej. Dane wejściowe do procedur skalowania wielowymiarowego to zazwyczaj symetryczna macierz kwadratowa wskazująca na relacje (podobieństwa lub niepodobieństwa) pomiędzy obiektami pewnego zbioru. Istnieje wiele technik klasycznego skalowania wielowymiarowego, jednak wszystkie z nich wymagają aby w poszczególnych komórkach tej macierzy znajdowały się pojedyncze wartości liczbowe. Denoeux and Masson (2002) zaproponowali rozszerzenie klasycznego skalowania wielowymiarowego na dane symboliczne w postaci przedziałów liczbowych. Danymi wejściowymi do opracowanego przez nich algorytmu 1NTERSCAL jest tabela zawierająca minimalne i maksymalne odległości pomiędzy hiperprostopadłościanami reprezentującymi obiekty. Takie same podejście występuje w algorytmach SYMSCAL i I-SCAL zaproponowanych przez Groenena i in. (2005). W artykule przedstawiony zostały najważniejsze algorytmy skalowania wielowymiarowego dla danych symbolicznych w postaci przedziałów liczbowych oraz przykłady ich zastosowania dla danych symbolicznych pochodzących z repozytorium http://www.ceremade.dauphine.fr/~touati/sodas-pagegarde.htm.
The aim of multidimensional scaling is to represent dissimilarities among objects in high dimensional space as distances in low (usually 2- or 3-) dimensional space. Usually the input to multidimensional scaling procedure is a square, symmetric matrix indicating relationships (similarities or dissimilarities) among a set of items. There are many techniques of classical multidimensional scaling but all under assumption that each entry in relationship matrix is single numeric value. Denoeux and Masson (2002) have proposed to extend multidimensional scaling onto symbolic interval data. The input to theirs INTERSCAL algorithm is interval dissimilarity table containing minimum and maximum distance between hyper-rectangles representing objects. The same approach is used in SYMSCAL and I-SCAL algorithms proposed by Groenen et al. (2005). Article presents main algorithms of multi-dimensional scaling for symbolic data in form of intervals along with some examples on datasets taken from symbolic data repository (http://www.ceremade.dauphine.fr/~touati/sodas-pagegarde.htm).
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 228
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie funkcji przynależności w analizie subiektywnego postrzegania jakości życia
Application of membership function in the analysis of subjective perception of quality of life
Autorzy:
Dudek, Hanna
Szczesny, Wiesław
Powiązania:
https://bibliotekanauki.pl/articles/425020.pdf
Data publikacji:
2015
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
membership function
quality of life
multidimensional data analysis
Opis:
In this paper a multivariate analysis of the subjective perception of quality of life is undertaken. In the analysis methods of a fuzzy set theory are applied. The study is conducted on data from the Social Diagnosis 2013. It includes 16 items relating to the evaluation of satisfaction with particular aspects of life. Each of these items is measured on a 7-grade scale. The item’s categories are converted into a [0, 1] interval by using a membership function. In order to aggregate items into synthetic indicators various systems of weights are used. It is found that the choice of weights does not significantly affect the distribution of synthetic indicators. In the next stage, the subjective perception of the quality of life in different socio- -demographic groups is analyzed. It is found that such characteristics as gender, place of residence, size of household, education level and age are important determinants of subjective perception of quality of life.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2015, 4 (50); 62-78
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Exploiting Ordinal Data for Subjective Well-Being Evaluation
Autorzy:
Fattore, Marco
Maggino, Filomena
Arcagni, Alberto
Powiązania:
https://bibliotekanauki.pl/articles/465885.pdf
Data publikacji:
2015
Wydawca:
Główny Urząd Statystyczny
Tematy:
subjective well-being multidimensional ordinal data
partial order
Opis:
The evaluation of subjective well-being, and of similar issues related to quality of life, is usually addressed through composite indicators or counting procedures. This leads to inconsistencies and inefficiency in the treatment of ordinal data that, in turn, affect the quality of information provided to scholars and to policy-makers. In this paper we take a different path and prove that the evaluation of multidimensional ordinal well-being can be addressed in an effective and consistent way, using the theory of partially ordered sets. We first show that the proper evaluation space of well-being is the partially ordered set of achievement profiles and that its structure depends upon the importance assigned to well-being attributes. We then describe how evaluation can be performed extracting information out of the evaluation space, respecting the ordinal nature of data and producing synthetic indicators without attribute aggregation. An application to subjective well-being in Italy illustrates the procedure.
Źródło:
Statistics in Transition new series; 2015, 16, 3; 409-428
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diversification maps as a tool for multidimensional data presentation
Autorzy:
Jałowiecki, P.
Jałowiecka, E.
Powiązania:
https://bibliotekanauki.pl/articles/94983.pdf
Data publikacji:
2012
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
data presentation
multidimensional data
spatial graphs
diversification maps
prezentacja danych
dane wielowymiarowe
wykresy przestrzenne
mapy dywersyfikacji
Opis:
In addition to data analysis, equally important issue, is the appropriate presentation of the analysis results during the economic, social and demographic studies. Depending on the legibility of the used form, it may make it easier or more difficult to interpret and draw conclusions. Especially difficult is the presentation of multidimensional data, according to the limitations of traditional types of graphs. The paper presents a graphical presentation of the three-dimensional data in the form of the so-called "map of differentiation" that is suitably modified spatial graph. There were presented different types of maps, layers determination ways and examples of specific applications for cigarettes consumption and diversification of logistics in the Polish food processing data.
Źródło:
Information Systems in Management; 2012, 1, 3; 197-210
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of multi-parameter data visualization by means of autoassociative neural networks to evaluate classification possibilities of various coal types
Autorzy:
Jamroz, D.
Powiązania:
https://bibliotekanauki.pl/articles/109902.pdf
Data publikacji:
2014
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
autoassociative neural networks
coal types
multidimensional visualization
multi-parameter
identification of data
pattern recognition
neural networks
Opis:
The significance of data visualization in modern research is growing steadily. In mineral processing scientists have to face many problems with understanding data and finding essential variables from a large amount of data registered for material or process. Hence it is necessary to apply visualization of such data, especially when a set of data is multi-parameter and very complex. This paper puts forward a proposal to introduce the autoassociative neural networks for visualization of data concerning three various types of hard coal. Apart from theoretical discussion of the method, the empirical applications of the method are presented. The results revealed that it is a useful tool for a researcher facing a complicated set of data which allows for its proper classification. The optimal neural network parameters to successfully separate the analyzed three types of coal were found out for the analyzed example.
Źródło:
Physicochemical Problems of Mineral Processing; 2014, 50, 2; 719-734
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of multi-parameter data visualization by means of multidimensional scaling to evaluate possibility of coal gasification
Wykorzystanie wizualizacji wielowymiarowych danych przy użyciu skalowania wielowymiarowego do oceny możliwości zgazowania węgla
Autorzy:
Jamróz, D.
Niedoba, T.
Surowiak, A.
Tumidajski, T.
Szostek, R.
Gajer, M.
Powiązania:
https://bibliotekanauki.pl/articles/219920.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
zgazowanie węgla
wizualizacja wielowymiarowa
skalowanie wielowymiarowe
MDS
wielowymiarowe dane
wzbogacanie w osadzarkach
coal gasification
multidimensional visualization
multidimensional scaling
multidimensional data
Opis:
The application of methods drawing upon multi-parameter visualization of data by transformation of multidimensional space into two-dimensional one allow to show multi-parameter data on computer screen. Thanks to that, it is possible to conduct a qualitative analysis of this data in the most natural way for human being, i.e. by the sense of sight. An example of such method of multi-parameter visualization is multidimensional scaling. This method was used in this paper to present and analyze a set of seven-dimensional data obtained from Janina Mining Plant and Wieczorek Coal Mine. It was decided to examine whether the method of multi-parameter data visualization allows to divide the samples space into areas of various applicability to fluidal gasification process. The “Technological applicability card for coals” was used for this purpose [Sobolewski et al., 2012; 2013], in which the key parameters, important and additional ones affecting the gasification process were described.
Metody służące do wizualizacji złożonych, wielowymiarowych danych poprzez transformację przestrzeni wielowymiarowej do dwuwymiarowej umożliwiają prezentację tych danych na ekranie komputera. Tym samym są przystępnym instrumentem analizy zbiorów danych, pozwalającym wykorzystać połączenie naszego wzroku z mocą naszej osobistej sieci neuronowej (mózgu) do wyodrębnienia z danych cech, których zauważenie przy pomocy innych metod może być bardzo trudne. W artykule zastosowano jedną z takich metod – skalowanie wielowymiarowe – w celu sprawdzenia, skuteczności tej metody do analizy próbek węgla ze względu na jego przydatność do procesu zgazowania w kotle fluidalnym. W tym celu pobrano próbki dwóch węgli, z KWK „Wieczorek” (węgiel typu 32) oraz ZG „Janina” (węgiel typu 31.2), które następnie miały być poddane testom pod względem ich przydatności do zgazowania. Każda z próbek została zbadana ze względu na cechy, których określone poziomy są kluczowe oraz wskazane w kontekście procesu zgazowania według „Karty przydatności węgli do zgazowania” (Sobolewski et al., 2012; 2013). Każdy z węgli został rozdzielony na osadzarce pierścieniowej (10 pierścieni, uziarnienie węgla 0-18 mm) w wyniku czego powstało pięć warstw (po 2 pierścienie każda). Następnie każda z warstw została rozsiana na 10 klas ziarnowych. Tak otrzymane produkty zostały poddane technicznej oraz chemicznej analizie (ogółem 50 próbek z ZG „Janina” oraz 49 próbek z KWK „Wieczorek” – klasa ziarnowa 16-18 mm w tej drugiej kopalni nie została uzyskana i pomiar był niemożliwy do zrealizowania. Tym samym otrzymano takie parametry do analizy jak: zawartość siarki, zawartość wodoru, zawartość azotu, zawartość chloru, zawartość węgla organicznego, ciepło spalania oraz zawartość popiołu. W wyniku przeprowadzonych badań oraz porównania ich z wymogami prezentowanymi w „Karcie przydatności węgli do zgazowania” okazało się, że tylko 18 próbek spełnia wszystkie wymogi, z czego aż 17 pochodziło z KWK „Wieczorek”. Postanowiono poddać ocenie wszystkie próbki bardziej złożonej obserwacji – wielowymiarowej analizie danych za pomocą skalowania wielowymiarowego. W rozdziale 3 przedstawiono szczegółowo zastosowaną metodologię analizy wraz z opisem algorytmu. Następnie, w rozdziale 4 przedstawiono wyniki obserwacji przeprowadzonych za pomocą opracowanego w tym celu programu komputerowego, napisanego w języku C++. Rysunki 1-3 przedstawiają sytuację, gdzie dane reprezentujące próbki węgla mniej lub bardziej przydatne do zgazowania zaczynają tworzyć podgrupy. Proces grupowania został przedstawiony etapowo, tzn. rys. 1 prezentuje sytuację wyjściową, Rys. 2 sytuację przy bardzo małej wartości parametru ITER = 5, zaś Rys. 3 najlepszy możliwy widok, otrzymany przy wartości parametru ITER = 340. Widać na tym rysunku, że obrazy punktów reprezentujących próbki węgla bardziej oraz mniej podatnego na zgazowanie zajmują osobne podobszary. Widać, że na całym obszarze rysunku, podobszary te można łatwo od siebie odseparować. Przez to możemy na podstawie tego rysunku stwierdzić, że skalowanie wielowymiarowe pozwala podzielić przestrzeń próbek na obszary o różnej przydatności do procesu zgazowania fluidalnego. Dzięki temu analizując następne, nieznane próbki możemy poprzez ich wizualizację zakwalifikować je do grupy bardziej podatnych na zgazowanie lub mniej podatnych na zgazowanie. Ważne jest to szczególnie dlatego, ponieważ w analizowanej sytuacji próbki węgla bardziej podatnego na zgazowanie zajmują wnętrze siedmiowymiarowego prostopadłościanu – co jest znacznym uproszczeniem. Wynika to bezpośrednio z faktu, iż przyjęte warunki określające przynależność do tej grupy („Karta przydatności Technologicznej węgla”) to proste nierówności przy pomocy których łatwo można sprawdzić taką przynależność. W rzeczywistości, może się jednak okazać, że obszar przynależności może mieć znacznie bardziej skomplikowany kształt. Wtedy na podstawie większej ilości próbek, których przynależność do klasy węgla bardziej podatnego na zgazowanie zostanie stwierdzona empirycznie, można będzie próbować przy pomocy skalowania wielowymiarowego uzyskać podział przestrzeni na obszary reprezentujące próbki węgla bardziej oraz mniej podatnego na zgazowanie. Rys. 4 przedstawia podobny podział, ale bez wzięcia pod uwagę parametru „zawartość chloru”. Również i w tym przypadku próbki węgla mniej lub bardziej podatnego na zgazowanie tworzą wyraźne podgrupy. Przy pominięciu parametru „zawartość chloru” już 78 próbek (37 z ZG „Janina” oraz 41 z KWK „Wieczorek”) z analizowanych 99-ciu spełniałoby wymogi zawarte w „Karcie przydatności węgla do zgazowania”. Rys. 5 przedstawia inne podejście do analizowanych próbek węgla. Tym razem za kryterium podziału przyjęto pochodzenie węgla z KWK „Wieczorek” lub ZG „Janina”, bez rozpatrywania ich w kontekście przydatności do zgazowania. Również i tym razem okazało się, że zastosowana metodologia pozwala stwierdzić możliwość efektywnego rozdzielenia, a tym samym prawidłowego rozpoznania analizowanych próbek węgla. Tym samym dowiedziono, że metoda skalowania wielowymiarowego może być bardzo przydatnym narzędziem podczas wieloparametrycznej analizy próbek różnego typu węgli.
Źródło:
Archives of Mining Sciences; 2017, 62, 3; 445-457
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of multidimensional data visualization by means of self-organizing Kohonen maps to evaluate classification possibilities of various coal types
Zastosowanie wizualizacji wielowymiarowych danych za pomocą sieci Kohonena do oceny możliwości klasyfikacji różnych typów węgla
Autorzy:
Jamróz, D.
Niedoba, T.
Powiązania:
https://bibliotekanauki.pl/articles/220033.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
Kohonen maps
grained material analysis
coal
multidimensional data
multidimensional visualization methods
sieci Kohonena
analiza materiału uziarnionego
dane wielowymiarowe
metody wizualizacji wielowymiarowej
Opis:
Multidimensional data visualization methods are a modern tool allowing to classify some analysed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. To achieve this purpose, the method of Kohonen maps was applied by means of which three types of coal – 31, 34.2 and 35 (according to Polish classification of coal types) were investigated. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials.
Metody wizualizacji wielowymiarowych danych są nowoczesnym narzędziem umożliwiającym klasyfikację analizowanych obiektów, którymi mogą być różnego typu dane opisujące wybrane zjawisko lub materiał. W przypadku materiałów uziarnionych, jakim jest np. węgiel, wiele cech ma wpływ na jakość materiału, tj. np. gęstość, wielkość ziaren, ciepło spalania, zawartość popiołu, zawartość siarki itp. Na potrzeby artykułu przeprowadzono rozdział węgli z trzech wybranych kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Każda z tych kopalni pracuje na innego typu węglu. W tym przypadku były to węgle o typach 31, 34.2 oraz 35 (według polskiej klasyfikacji typów węgla). Najpierw, materiał został podzielony na klasy ziarnowe a następnie za pomocą rozdziale w cieczy ciężkiej (roztwór chlorku cynku) na frakcje gęstościowe. Dla tak przygotowanego materiału przeprowadzono następnie analizy chemiczne mające na celu określenie takich parametrów, jak zawartość siarki, zawartość popiołu, zawartość części lotnych, ciepło spalania oraz wilgotność analityczną. W ten sposób, dla każdej klaso-frakcji uzyskano bogate charakterystyki badanego materiału. Nasuwa się więc pytanie, czy możliwa jest identyfikacja typu węgla za pomocą dostępnych danych. W tym celu zastosowano wielowymiarową technikę wizualizacji statystycznej. Istnieje wiele metod takiej wizualizacji, z których kilka było już przedmiotem wcześniejszych publikacji autorów. W tym wypadku autorzy zdecydowali się zastosować metodę sieci Kohonena. Metoda ta została opisana w rozdziale 2 pracy, gdzie oprócz opisu teoretycznego podano również główne wzory stosowane podczas modelowania tą metodą (wzory (1)-(5)). Do zbadania postawionego problemu wykorzystano optymalną liczbę iteracji i optymalny czas uczenia sieci. Pewnym problemem pojawiającym się przy takiej wizualizacji jest konieczność doboru parametrów, w celu uzyskania widoku, który w sposób czytelny prezentuje poszukiwane przez nas informacje. Należy wspomnieć, że w trakcie prowadzonych eksperymentów uzyskiwano widoki przy użyciu sieci neuronowej o wielkości od 10 × 10 do 100 × 100 neuronów. Widoki były uzyskiwane przy wartości parametru MAX_DISTANCE od 1 do wielkości sieci oraz parametru ITER od 1 do 5000. Eksperymenty były prowadzone dla różnych wzorów określających modyfikację wag. Przedstawione w pracy wyniki stanowią najbardziej czytelne z uzyskanych. Wizualizacja wielowymiarowa przy użyciu sieci Kohonena pozwala stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35, przy czym nawet zobrazowanie 3 typów węgla na jednym rysunku pozwala stwierdzić, że neurony reprezentujące próbki węgla danego typu gromadzą się w skupiskach, które można od siebie odseparować. Z tego wynika, że dane zawierają informacje wystarczające do prawidłowej klasyfikacji węgla. Zauważyć jednak warto, że przedstawienie przy pomocy sieci Kohonena, danych reprezentujących różne typy węgla parami, pozwala uzyskać jeszcze bardziej czytelne wyniki. Najlepsze efekty osiągnięto dla sieci o 40 wierszach oraz 40 kolumnach neuronów, co łącznie dało liczbę 1600 neuronów, zaś czytelność wyników rośnie wraz z postępem uczenia sieci neuronowej (wzrostem parametru ITER). Przeprowadzone doświadczenia w pełni potwierdzają, że zastosowana metoda może być z powodzeniem wykorzystana w badaniach jakościowych związanych z różnego typu materiałami uziarnionymi, w tym również węglem. Badania w tym zakresie są kontynuowane.
Źródło:
Archives of Mining Sciences; 2015, 60, 1; 39-50
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of multidimensional scaling to classification of various types of coal
Zastosowanie skalowania wielowymiarowego do klasyfikacji różnych typów węgli
Autorzy:
Jamróz, D.
Powiązania:
https://bibliotekanauki.pl/articles/219176.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
skalowanie wielowymiarowe
MDS
wizualizacja danych wielowymiarowych
węgiel
identyfikacja danych
statystyczne metody graficzne
rozpoznawanie obrazów
multidimensional scaling
multidimensional data visualization
coal
identification of data
statistical graphics methods
pattern recognition
Opis:
Visualization of multidimensional data is a new way of statistical analysis of so-called statistical graphical methods. These methods allow to classify some analyzed objects, including their various features. Facing grained materials problems, like coal or ores many characteristics have an influence on the quality of product. In case of coal, many features must be taken into consideration to determine quality of the material. Apart from most obvious characteristics like particle size, particle density or ash contents there are many others which cause significant differences between considered types of material. In the paper the application of Multidimensional Scaling Method is presented which is one of the multidimensional data visualization techniques. To this purpose, sampling of three types of coal was performed, which were 31, 34.2 and 35 (according to Polish classification of coal types). First, the material was screened on sieves and then divided into density fractions. Next step was to analyze chemically the obtained particle and size fractions of researched coal. Then, the Multidimensional Scaling Method was applied to visualize the investigated set of data. It was proved that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials. However, it was impossible to achieve such identification comparing all three types of coal together. The Multidimensional Scaling Method is new technique of data analysis concerning widely understood mineral processing.
Surowce mineralne, które podlegają wzbogacaniu w celu ich lepszego wykorzystania mogą być charakteryzowane wieloma wskaźnikami opisującymi ich, interesujące przeróbkarza, cechy. Podstawowymi cechami są wielkość ziaren oraz ich gęstość, które decydują o przebiegu rozdziału zbiorów ziaren (nadaw) i efektach takiego rozdziału. Rozdział prowadzi się z reguły, w celu uzyskania produktów o zróżnicowanych wartościach średnich wybranej cechy, która zwykle charakteryzowana jest zawartością określonego składnika surowca wyznaczoną na drodze analiz chemicznych. Takie podejście do surowca mineralnego prowadzi do potraktowania go jako wielowymiarowego wektora X = [X1, …, Xn]. Zasadniczym problemem jest także wybór jednostki populacji generalnej (ziarno, jednostka objętości lub masy), co może decydować o określeniu charakteru wielowymiarowych powiązań cech wektora X. Takimi kierunkami charakteryzowania mogą być wielowymiarowe rozkłady wektora losowego X wraz ze wszystkimi konsekwencjami metody (Lyman, 1993; Niedoba, 2009; 2011; Olejnik et al., 2010; Niedoba i Surowiak, 2012), wielowymiarowe równania regresji wraz z analizą macierzy współczynników korelacji liniowej oraz korelacji cząstkowej (Niedoba, 2013c), analiza czynnikowa (Tumidajski i Saramak, 2009), czy metody wielowymiarowej wizualizacji danych, będące tematem niniejszego artykułu. Biorąc pod uwagę analizę korelacji pomiędzy badanymi cechami materiałów uziarnionych (węgli) można zidentyfikować jakie jego cechy są ze sobą istotnie powiązane. Jest to swoiste preludium do wytypowania, które cechy węgla powodują istotne różnice pomiędzy jego typami. W artykule poddano badaniu trzy typy węgla, według polskiej klasyfikacji - węgle 31, 34.2 oraz 35, pochodzące z trzech różnych kopalni Górnośląskiego Okręgu Przemysłowego. Można powiedzieć, że z punktu widzenia ich jakości były to węgle energetyczne, semi-koksujące oraz koksujące. Każdy z tych węgli został poddany podziałowi na klasy ziarnowe, przy zastosowaniu odpowiedniego zestawu sit. Następnie każdą z otrzymanych klas ziarnowych rozdzielono w cieczach ciężkich na frakcje densymetryczne. Tak otrzymane klaso-frakcje zostały dodatkowo poddane analizie chemicznej ze względu na szereg cech, tj. ciepło spalania, zawartość siarki, zawartość substancji lotnych, zawartość popiołu, miąższość. Wyniki analiz dla wybranej klasy ziarnowej przedstawiono w tabeli 1. Tym samym otrzymano siedmiowymiarowy zestaw danych, który postanowiono poddać wielowymiarowej wizualizacji za pomocą metody skalowania wielowymiarowego. Metoda skalowania wielowymiarowego (multidimensional scaling, MDS) jest jedną z nowoczesnych metod wizualizacji danych. Tego typu metody są wskazane zwłaszcza w sytuacji gdy ma się do czynienia z zestawem skomplikowanych i złożonych danych. Skalowanie wielowymiarowe jest odwzorowaniem przestrzeni n-wymiarowej w przestrzeń m-wymiarową. Oparte jest na obliczaniu odległości pomiędzy każdą parą n-wymiarowych punktów. Na podstawie tych odległości rozważana metoda ustala wzajemne położenie obrazów tych punktów w docelowej przestrzeni m-wymiarowej. Niech dij oznacza odległość pomiędzy n-wymiarowymi punktami nr i oraz j. Skalowanie wielowymiarowe polega na takim rozmieszczeniu punktów w przestrzeni m-wymiarowej, by odległość Dij liczona w tej przestrzeni pomiędzy odwzorowanymi punktami nr i oraz j była jak najbardziej zbliżona do dij. Rozdział 4 zawiera wyniki eksperymentów. Na rysunkach 1-4 widać, w jaki sposób wzrasta grupowanie punktów reprezentujących trzy różne klasy węgla (31, 34.2 oraz 35) wraz ze wzrostem parametru ITER. Widać, że punkty będące obrazami danych reprezentujących te same klasy węgla zaczynają zajmować osobne podobszary oraz zaczynają się grupować. Czytelność podziału przestrzeni rośnie wraz ze zwiększeniem parametru ITER, więc wraz z dokładniejszym dopasowaniem odległości obrazów punktów Dij w przestrzeni 2-wymiarowej do oryginalnych odległości dij pomiędzy punktami w przestrzeni n-wymiarowej. Na rysunku 4 pokazano najbardziej czytelny wynik, jaki udało się uzyskać dla danych zawierających trzy typy węgla 31, 34.2 oraz 35. Nastąpiło to przy parametrze ITER = 793. Widać wyraźnie, że obrazy punktów danych reprezentujących próbki węgla danego typu gromadzą się w skupiskach. Można zaobserwować, że na prawie całym obszarze rysunku, skupiska te można od siebie odseparować. Jednak w niektórych częściach przestrzeni obrazy punktów reprezentujących różne klasy węgla zachodzą na siebie. Przez to nie możemy na podstawie tego rysunku stwierdzić, że analizowane dane pozwalają na prawidłową klasyfikację typów węgla. Postanowiono więc przeanalizować dane reprezentujące różne typy węgla parami. Na rysunkach 5-7 przedstawiono parami węgle typu, odpowiednio, 34.2 i 35 (Rys. 5), 31 i 34.2 (Rys. 6) oraz 31 i 35 (Rys. 7). Na każdym z tych rysunków widać czytelnie, że obrazy punktów reprezentujących próbki różnych typów węgla gromadzą się w skupiskach, które łatwo można od siebie odseparować. Przeprowadzona wizualizacja wielowymiarowa przy użyciu skalowania wielowymiarowego pozwala więc stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35.
Źródło:
Archives of Mining Sciences; 2014, 59, 2; 413-425
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization of the maximum likelihood estimator for determining the intrinsic dimensionality of high-dimensional data
Autorzy:
Karbauskaitė, R.
Dzemyda, G.
Powiązania:
https://bibliotekanauki.pl/articles/331342.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
multidimensional data
intrinsic dimensionality
maximum likelihood estimator
manifold learning method
image understanding
dane wielowymiarowe
wymiarowość wewnętrzna
prawdopodobieństwo maksymalne
rozpoznawanie obrazu
Opis:
One of the problems in the analysis of the set of images of a moving object is to evaluate the degree of freedom of motion and the angle of rotation. Here the intrinsic dimensionality of multidimensional data, characterizing the set of images, can be used. Usually, the image may be represented by a high-dimensional point whose dimensionality depends on the number of pixels in the image. The knowledge of the intrinsic dimensionality of a data set is very useful information in exploratory data analysis, because it is possible to reduce the dimensionality of the data without losing much information. In this paper, the maximum likelihood estimator (MLE) of the intrinsic dimensionality is explored experimentally. In contrast to the previous works, the radius of a hypersphere, which covers neighbours of the analysed points, is fixed instead of the number of the nearest neighbours in the MLE. A way of choosing the radius in this method is proposed. We explore which metric—Euclidean or geodesic—must be evaluated in the MLE algorithm in order to get the true estimate of the intrinsic dimensionality. The MLE method is examined using a number of artificial and real (images) data sets.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2015, 25, 4; 895-913
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ kryzysów w XXI wieku na sektor transportu kolejowego w Polsce w aspekcie zachowania bezpieczeństwa ekonomicznego
The impact of crises in the 21st century on the railway transport sector in Poland in terms of economic security
Autorzy:
Latosiewicz, Dariusz
Kozicki, Bartosz
Magniszewski, Marek
Tołwiński, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/22446486.pdf
Data publikacji:
2023
Wydawca:
Uniwersytet Rzeszowski. Wydawnictwo Uniwersytetu Rzeszowskiego
Tematy:
transport
rail transport
COVID-19
financial crisis
multidimensional data analysis
transport kolejowy
kryzys finansowy
wielowymiarowa analiza danych
Opis:
W artykule przeprowadzono badania dotyczące wpływu kryzysu finansowego w latach 2007-2009 oraz pandemii COVID-19 w 2020 roku na sektor transportu kolejowego towarowego i pasażerskiego. W opracowaniu zastosowano wielowymiarowe analizy porównawcze. Pozyskane do badań dane poddano grupowaniu. Następnie zestawiano je na skategoryzowanych wykresach liniowych i słupkowych. Z przeprowadzonych badań wynika, że w czasie kryzysu finansowego pomiędzy 2007 a 2009 rokiem zaobserwowano spadek liczby przewiezionych towarów o 48 488 tys. ton. W okresie pandemii COVID-19 pomiędzy 2019 i 2020 rokiem również widoczny był spadek liczby towarów ‒ o 15 363 tys. ton. Natomiast rozpatrując liczbę przewiezionych pasażerów, w czasie kryzysu finansowego pomiędzy 2007 a 2009 rokiem w Polsce nastąpił wzrost o 1928 osób, a w okresie oddziaływania COVID-19 w 2020 w porównaniu do 2019 roku spadek o 130 270 pasażerów. Badając sektor pasażerskiego transportu kolejowego w Polsce, zaobserwowano w latach 2003-2021 spadek liczby zatrudnionych o 385 pracowników. W czasie kryzysu finansowego pomiędzy 2007 a 2009 rokiem odnotowano wzrost liczby zatrudnionych o 5745 osób, natomiast w czasie pandemii COVID-19 w 2020 roku w porównaniu do 2019 roku spadek o 109. W przypadku sektora pasażerskiego transportu kolejowego w Polsce liczba zatrudnionych oscylowała wokół średniej arytmetycznej 23 914 pracowników. W latach 2003-2007 zaobserwować można trend malejący, a następnie w 2008 roku silny wzrost i w kolejnych latach tendencję malejącą.
The article presents research on the impact of the financial crisis between 2007-2009 and the COVID-19 pandemic in 2020 on the freight and passenger rail transport sector. Multidimensional comparative analyses were used in the study. The data obtained for the research were grouped. They were, then, compiled on categorized line and bar charts. The research shows that during the financial crisis between 2007-2009, a decrease in the number of transported goods by 48 488 thousand tons was observed. During the COVID-19 pandemic between 2019 and 2020, a decrease in the number of goods was also visible - by 15,363 tones. However, when considering the number of passengers transported, during the financial crisis between 2007-2009 in Poland there was an increase by 1,928 people and in the period of impact of COVID-19 in 2020 compared to 2019 a decrease by 130,270 passengers. When examining the rail passenger transport sector in Poland, a decrease in the number of employees by 385 was observed in the years 2003-2021. During the financial crisis between 2007-2009, the number of employees increased by 5,745 people, while during the COVID-19 pandemic in 2020, compared to 2019, it decreased by 109. In the case of the rail passenger transport sector in Poland, the number of employees oscillated around the arithmetic mean of 23,914 employees. Between 2003-2007, a downward trend can be observed, followed by a visible increase in 2008 and a downward trend in subsequent years.
Źródło:
Polityka i Społeczeństwo; 2023, 21, 1; 177-190
1732-9639
Pojawia się w:
Polityka i Społeczeństwo
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wielokryterialne zadanie optymalizacji schematu agregatów w hurtowniach danych
Multi-objective optimization of multidimensional aggregates schema
Autorzy:
Mazurek, M.
Powiązania:
https://bibliotekanauki.pl/articles/305832.pdf
Data publikacji:
2009
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
hurtownia danych
OLAP
wielowymiarowe agregaty
optymalizacja
data warehouse
multidimensional aggregates
optimization
Opis:
Dominującą technologią wykorzystywaną do zwiększenia wydajności dużych hurtowni danych są, wyliczane w oparciu o dane szczegółowe, agregaty, w tym mające postać wielowymiarowych kostek. Mechanizmy przepisywania zapytań pozwalają na znacznie szybsze wyznaczenie odpowiedzi na zapytanie w oparciu o mniejsze agregaty niż w przypadku odwołań do źródłowych tabel hurtowni. Do kluczowych parametrów opisujących schemat wielowymiarowych agregatów należą czas odpowiedzi na zapytania użytkownika, czas aktualizacji danych w schemacie w oparciu o nowe dane w hurtowni oraz przestrzeń dyskowa wymagana do przechowywania agregatów. Przedstawione zostało dwukryterialne sformułowanie zadania optymalizacji, w którym jako ograniczenie przyjęty został czas aktualizacji danych. Pozostałe dwie zmienne tworzą wektor kryteriów. Wyznaczony został zbiór rozwiązań optymalnych w sensie Pareto oraz zaproponowano metodę znalezienia jednoznacznego rozwiązania w oparciu o punkt idealny.
The most popular technology used to increase performance of large data warehouses is multidimensional aggregates computed from high-resolution data. Query-rewriting techniques allows significantly shorter user query response time, when comparing query evaluation on base tables in data warehouse and smaller in size aggregates. There are three key parameters of multidimensional schema - query response time, time needed to refresh data in the schema and disk space required for storage of multidimensional structures. In paper multicriteria optimization problem was formulated, in which data refresh time is a constraint, and the remaining two measures are objectives. As a result of multi-run single-objective task computations, Pareto-optimal set of points is shown. The satisfactory solution might be found based on a distance to ideal point.
Źródło:
Biuletyn Instytutu Systemów Informatycznych; 2009, 4; 35-40
1508-4183
Pojawia się w:
Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 29

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