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 "multilayer perceptron" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-26 z 26
    Tytuł:
    Evidence Based Diagnosis of Mesothelioma
    Autorzy:
    Malhotra, Isha
    Tayal, Akash
    Powiązania:
    https://bibliotekanauki.pl/articles/1159560.pdf
    Data publikacji:
    2018
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    Artificial neural Network
    Asbestos
    Mesothelioma
    Multilayer Perceptron
    epochs
    Opis:
    The aim of this study is to extract the hidden patterns by using data mining and artificial intelligence techniques. The concept of artificial neural network depends on the idea that we can imitate the working of human brain by making the right links. Artificial Intelligence has always helped in many research areas including medical diagnosis. One of the basic methodologies for training and testing a network by utilizing medical information is discussed here. We have used SAS for analyzing our data and applying feed forward and back propagation mechanism for our diagnosis. The feed forward neural network with back propagation algorithm can be used to identify the diseased ones among different set of admitted individuals. In this paper, we have used multi-layer neural network to achieve the best performance with the minimum epoch (training iterations) and training time.
    Źródło:
    World Scientific News; 2018, 113; 117-129
    2392-2192
    Pojawia się w:
    World Scientific News
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Sygnały diagnostyczne w diagnozowaniu wyposażenia elektrycznego samochodów
    Diagnostic signals in diagnosing of motor-cars electrical equipment
    Autorzy:
    Jastriebow, A.
    Gad, S.
    Słoń, G.
    Zawadzki, A.
    Pawlak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/328642.pdf
    Data publikacji:
    2004
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    diagnostyka
    pomiarowe sygnały symptomowe
    perceptron wielowarstwowy
    diagnostics
    measured symptom signals
    multilayer perceptron
    Opis:
    Przedstawiono ogólny schemat wyposażenia elektrycznego samochodu. Opisano diagnostyczne sygnały symptomowe i powiązane z nimi uszkodzenia. Zaprezentowano przykłady pomiarów sygnałów diagnostycznych dla obwodu zasilania energią elektryczną. Przedstawiono wyniki zastosowania wielowarstwowych perceptronów do komputerowego diagnozowania z wykorzystaniem pomiarowych sygnałów diagnostycznych.
    General diagram of motor-car's electrical equipment has been presented. Diagnostic symptom signals and faults related to that signals has been described. Examples of measurements of diagnostic signals for power supply circuit have been shown. Results of applying of multilayer perceptrons for computer diagnosing with using of measured diagnostic signals have been presented.
    Źródło:
    Diagnostyka; 2004, 32; 139-142
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Solar air heater performance prediction using artificial neural network technique with relevant input variables
    Autorzy:
    Ghritlahre, Harish Kumar
    Chandrakar, Purvi
    Ahmad, Ashfaque
    Powiązania:
    https://bibliotekanauki.pl/articles/240435.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    artificial neural network
    solar air heater
    thermal performance
    multilayer perceptron
    Opis:
    Solar air heater (SAH) is an important device for solar energy utilization which is used for space heating, crop drying, timber seasoning etc. Its performance mainly depends on system parameters, operating parameters and meteorological parameters. Many researchers have been used these parameters to predict the performance of SAH by analytical or conventional approach and artificial neural network (ANN) technique, but performance prediction of SAH by using relevant input parameters has not been done so far. Therefore, relevant input parameters have been considered in this study. Total ten parameters were used such as mass flow rate, ambient temperature, wind speed, relative humidity, fluid inlet temperature, fluid mean temperature, plate temperature, wind direction, solar elevation and solar intensity to find out the relevant parameters for ANN prediction. Seven different neural models have been constructed using these parameters. In each model 10 to 20 neurons have been selected to find out the optimal model. The optimal neural models for ANN-I, ANN-II, ANN-III, ANN-IV, ANN-V, ANN-VI and ANN-VII were obtained as 10-17-1, 8-14-1, 6-16-1, 5- 14-1, 4-17-1, 3-16-1 and 2-14-1, respectively. It has been found that ANN-II model with 8-14-1 is the optimal model as compared to other neural models. Values of the sum of squared errors, mean relative error, and coefficient of determination were found to be 0.02138, 1.82% and 0.99387, respectively, which shows that the ANN-II developed with mass flow rate, ambient temperature, inlet and mean temperature of air, plate temperature, wind speed and direction, relative humidity, and relevant input parameters performed better. The above results show that these eight parameters are relevant for prediction.
    Źródło:
    Archives of Thermodynamics; 2020, 41, 3; 255-282
    1231-0956
    2083-6023
    Pojawia się w:
    Archives of Thermodynamics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forecasting the Energy Consumption of an Industrial Enterprise Based on the Neural Network Model
    Autorzy:
    Kalinchyk, Vasyl
    Meita, Olexandr
    Pobigaylo, Vitalii
    Kalinchyk, Vitalii
    Filyanin, Danylo
    Powiązania:
    https://bibliotekanauki.pl/articles/2069887.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    electrical load
    daily schedule
    modelling
    neural network
    multilayer perceptron
    MLP
    Opis:
    This research paper investigates the application of neural network models for forecasting in energy. The results of forecasting the weekly energy consumption of the enterprise according to the model of a multilayer perceptron at different values of neurons and training algorithms are given. The estimation and comparative analysis of models depending on model parameters is made.
    Źródło:
    Rocznik Ochrona Środowiska; 2021, 23; 484--492
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of neural networks to detect eccentricity of induction motors
    Autorzy:
    Ewert, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/1193467.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    neural network
    general regression neural network
    multilayer perceptron
    eccentricity
    induction motor
    Opis:
    The possibility of using neural networks to detect eccentricity of induction motors has been presented. A field-circuit model, which was used to generate a diagnostic pattern has been discussed. The formulas describing characteristic fault frequencies for static, dynamic and mixed eccentricity, occurring in the stator current spectrum, have been presented. Teaching and testing data for neural networks based on a preliminary analysis of diagnostic signals (phase currents) have been prepared. Two types of neural networks were discussed: general regression neural network (GRNN) and multilayer perceptron (MLP) neural network. This paper presents the results obtained for each type of the neural network. Developed neural detectors are characterized by high detection effectiveness of induction motor eccentricity.
    Źródło:
    Power Electronics and Drives; 2017, 2, 37/2; 151-165
    2451-0262
    2543-4292
    Pojawia się w:
    Power Electronics and Drives
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Analytical and Artificial Intelligence Methods to Investigate the Effects of Aperture Dimension Ratio on Electrical Shielding Effectiveness
    Autorzy:
    Basyigit, Ibrahim Bahadir
    Dogan, Habib
    Powiązania:
    https://bibliotekanauki.pl/articles/226583.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    electromagnetic shielding
    electromagnetic
    compatibility
    apertures
    multilayer perceptron
    radial basis
    function networks
    Opis:
    This paper presents that the effect of single aperture size of metallic enclosure on electrical shielding effectiveness (ESE) at 0 – 1 GHz frequency range has been investigated by using both Robinson’s analytical formulation and artificial neural networks (ANN) methods that are multilayer perceptron (MLP) networks and a radial basis function neural network (RBFNN). All results including measurement have been compared each other in terms of aperture geometry of metallic enclosure. The geometry of single aperture varies from square to rectangular shape while the open area of aperture is fixed. It has been observed that network structure of MLP 3-40-1 in modeling with ANN modeled with fewer neurons in the sense of overlapping of faults and data and modeled accordingly. In contrast, the RBFNN 3-150-1 is the other detection that the network structure is modeled with more neurons and more. It can be seen from the same network-structured MLP and RBFNN that the MLP modeled better. In this paper, the impact of dimension of rectangular aperture on shielding performance by using RBFNN and MLP network model with ANN has been studied, as a novelty.
    Źródło:
    International Journal of Electronics and Telecommunications; 2019, 65, 3; 359-365
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Investigation of the Applicability of Data-Driven Techniques in Hydrological Modeling: The Case of Seyhan Basin
    Autorzy:
    Turhan, Evren
    Keleş, Mümine Kaya
    Tantekin, Atakan
    Keleş, Abdullah Emre
    Powiązania:
    https://bibliotekanauki.pl/articles/1811777.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    artificial neural networks
    drought analysis
    data mining
    Multilayer Perceptron
    Seyhan Basin
    Opis:
    Proper water resources planning and management is based on reliable hydrological data. Missing rainfall and runoff observation data, in particular, can cause serious risks in the planning of hydraulics structures. Hydrological modeling process is quitely complex. Therefore, using alternative estimation techniques to forecast missing data is reasonable. In this study, two data-driven techniques such as Artificial Neural Networks (ANN) and Data Mining were investigated in terms of availability in hydrology works. Feed Forward Back Propagation (FFBPNN) and Generalized Regression Neural Networks (GRNN) methods were performed on rainfall-runoff modeling for ANN. Besides, Hydrological drought analysis were examined using data mining technique. The Seyhan Basin was preferred to carry out these techniques. It is thought that the application of different techniques in the same basin could make a great contribute to the present work. Consequently, it is seen that FFBPNN is the best model for ANN in terms of giving the highest R2 and lowest MSE values. Multilayer Perceptron (MLP) algorithm was used to predict the drought type according to limit values. This system has been applied to show the relationship between hydrological data and measure the prediction accuracy of the drought analysis. According to the obtained data mining results, MLP algorithm gives the best accuracy results as flow observation stations using SRI-3 month data.
    Źródło:
    Rocznik Ochrona Środowiska; 2019, Tom 21, cz. 1; 29-51
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Artificial Intelligence Based Flood Forecasting for River Hunza at Danyor Station in Pakistan
    Autorzy:
    Yaseen, Muhammad Waseem
    Awais, Muhammad
    Riaz, Khuram
    Rasheed, Muhammad Babar
    Waqar, Muhammad
    Rasheed, Sajid
    Powiązania:
    https://bibliotekanauki.pl/articles/31340346.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Instytut Budownictwa Wodnego PAN
    Tematy:
    hydrometeorology
    random forest
    support vector
    multilayer perceptron
    machine learning
    flood forecasting
    Opis:
    Floods can cause significant problems for humans and can damage the economy. Implementing a reliable flood monitoring warning system in risk areas can help to reduce the negative impacts of these natural disasters. Artificial intelligence algorithms and statistical approaches are employed by researchers to enhance flood forecasting. In this study, a dataset was created using unique features measured by sensors along the Hunza River in Pakistan over the past 31 years. The dataset was used for classification and regression problems. Two types of machine learning algorithms were tested for classification: classical algorithms (Random Forest, RF and Support Vector Classifier, SVC) and deep learning algorithms (Multi-Layer Perceptron, MLP). For the regression problem, the result of MLP and Support Vector Regression (SVR) algorithms were compared based on their mean square, root mean square and mean absolute errors. The results obtained show that the accuracy of the RF classifier is 0.99, while the accuracies of the SVC and MLP methods are 0.98; moreover, in the case of flood prediction, the SVR algorithm outperforms the MLP approach.
    Źródło:
    Archives of Hydro-Engineering and Environmental Mechanics; 2022, 69, 1; 59-77
    1231-3726
    Pojawia się w:
    Archives of Hydro-Engineering and Environmental Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Neural Network Model for Control of Operating Modes of Crushing and Grinding Complex
    Autorzy:
    Kalinchyk, Vasyl
    Meita, Olexandr
    Pobigaylo, Vitalii
    Borychenko, Olena
    Kalinchyk, Vitalii
    Powiązania:
    https://bibliotekanauki.pl/articles/2174915.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    classification
    modelling
    neural network
    radial basis function network
    RBF
    multilayer perceptron
    MLP
    Opis:
    This article investigates the application of neural network models to create automated control systems for industrial processes. We reviewed and analysed works on dispatch control and evaluation of equipment operating modes and the use of artificial neural networks to solve problems of this type. It is shown that the main requirements for identification models are the accuracy of estimation and ease of algorithm implementation. It is shown that artificial neural networks meet the requirements for accuracy of classification problems, ease of execution and speed. We considered the structures of neural networks that can be used to recognise the modes of operation of technological equipment. Application of the model and structure of networks with radial basis functions and multilayer perceptrons for identifying the mode of operation of equipment under given conditions is substantiated. The input conditions for constructing neural network models of two types with a given three-layer structure are offered. The results of training neural models on the model of a multilayer perceptron and a network with radial basis functions are presented. The estimation and comparative analysis of models depending on model parameters are made. It is shown that networks with radial basis functions offer greater accuracy in solving identification problems. The structural scheme of the automated process control system with mode identification based on artificial neural networks is offered.
    Źródło:
    Rocznik Ochrona Środowiska; 2022, 24; 26--40
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do oceny stanu technicznego sieci wodociągowej
    Application of artificial neural networks to the assessment of technical condition of water supply systems
    Autorzy:
    Kamiński, K.
    Kamiński, W.
    Mizerski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/126540.pdf
    Data publikacji:
    2016
    Wydawca:
    Towarzystwo Chemii i Inżynierii Ekologicznej
    Tematy:
    sieci wodociągowe
    prognoza remontów wodociągów
    perceptron wielowarstwowy
    water supply systems
    predicting pipeline renovation
    multilayer perceptron
    Opis:
    Zaprezentowano metodę typowania wodociągów wymagających przeprowadzenia remontu wykorzystującą sztuczne sieci neuronowe (SSN). W badaniach zastosowano dane zawierające informacje z ostatnich 21 lat o parametrach technicznych i wskaźnikach awaryjności ponad 200 odcinków wodociągów, zarówno tych, które poddane zostały remontom w tym okresie, jak i o wodociągach nieremontowanych. Odpowiednio przygotowany zbiór danych wejściowych został wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Przedstawiono analizę działania wytrenowanej sieci neuronowej, porównując jej odpowiedzi z podjętymi w przeszłości decyzjami ekspertów o remontach wodociągów. Pomimo dobrej zgodności przewidywań SSN i opinii ekspertów, w większości przypadków stwierdzono około 15% sprzecznych decyzji. Zaproponowana metoda umożliwia stworzenie systemu eksperckiego, którego wdrożenie może poprawić wykorzystanie zasobów finansowych przedsiębiorstwa, przeznaczanych na utrzymanie niezawodnej infrastruktury wodnej.
    The paper explains a method for discerning the parts of a water supply system in need of renovation, based on Artificial Neural Networks (ANNs). The study uses data, collected over the last twenty-one years, containing information on condition assessment and failure indicators concerning more than two hundred sections of both renovated and nonrenovated pipelines. During the study, an appropriately prepared data set was used for training a neural network in the form of a multilayer perceptron. Further comparison of the predictions obtained using the trained ANN with the decisions made by human experts showed satisfactory consistency; however, it should be noted that for 15% of all cases from the database discrepancies were recorded. The proposed method enables creating an expert system, which implemented by a water supply company can improve its cost management and ensure failure-free operation of its water distribution system.
    Źródło:
    Proceedings of ECOpole; 2016, 10, 2; 661-666
    1898-617X
    2084-4557
    Pojawia się w:
    Proceedings of ECOpole
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using artificial neural networks to determine the location of wind farms. Miedzna district case study
    Wykorzystanie sztucznych sieci neuronowych do wyznaczania lokalizacji elektrowni wiatrowych na przykładzie gminy Miedzna
    Autorzy:
    Pokonieczny, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/292489.pdf
    Data publikacji:
    2016
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    artificial neural networks
    multilayer perceptron
    wind farms localization
    elektrownie wiatrowe
    perceptron wielowarstwowy
    sztuczne sieci neuronowe
    Opis:
    The article concerns issues pertaining to of selecting suitable areas for wind farms. The basic assumption of the study was to take into account both criteria related to the profitability of this type of power plant, as well as public interest, which means the harmonious and not burdensome functioning of these installations for local communities. The problem of wind farm localization may be solved by the application of artificial neural networks (ANN), which are a computational intelligence element. In the conducted analysis, the possibility of wind farm localization was considered for the primary grid field with dimensions of 100 by 100 m. To prepare the training set, topographic vector data from the VMap L2 and SRTM (Shuttle Radar Topography Mission) digital terrain model were used. For each 100-meter x 100-meter grid, the input data was prepared, consisting of the factors which are important from the point of view of wind farm localization (forests, rivers, built-up areas etc.). Studies show that a properly trained neural network (using a representative number of samples and for the appropriate architecture), allows to process automation area classification in terms of placement on the wind turbines.
    Zgodnie z obowiązującymi w Polsce regulacjami prawnymi użytkowanie elektrowni wiatrowych podlega odpowiednim uwarunkowaniom. Obostrzenia te dotyczą zarówno parametrów technicznych tych urządzeń, które związane są z bezpieczeństwem ich eksploatacji, jak i uwarunkowaniami przestrzennymi, związanymi z lokalizacją tych elektrowni oraz ich odległości od takich elementów pokrycia terenu, jak zabudowa czy lasy. Problematyka ta jest szczególnie istotna w kontekście częstych protestów mieszkańców, w sąsiedztwie których takie elektrownie mają być budowane. W celu wyznaczenia obszarów optymalnych dla lokalizacji elektrowni wiatrowych wykorzystano jedną z metod uczenia maszynowego, którą są sztuczne sieci neuronowe. Ich istotą, a jednocześnie przewagą nad metodami bazującymi na zadanym algorytmie, jest zdolność do uogólnienia otrzymywanych wyników, gdy algorytm rozwiązania danego problemu nie jest prosty (jak w przypadku wyznaczania obszarów szczególnie predestynowanych do lokalizacji elektrowni wiatrowych). W artykule przedstawiono metodykę zastosowania jednego rodzaju sieci neuronowych, którym jest perceptron wielowarstwowy. W zastosowanej sieci wykorzystano metodę nauczania nadzorowanego z nauczycielem, polegającą na wskazywaniu sieci neuronowej wzorcowego rozwiązania z określonymi danymi wejściowymi, którymi są parametry związane z pokryciem terenu i sąsiedztwem przestrzennym pola podstawowego, tj. kwadratu o wymiarach 100 × 100 m. Jako studium przypadku wybrana została gmina Miedzna, która znajduje się we wschodniej części województwa mazowieckiego i jest gminą wiejską o charakterze rolniczym. Obszar gminy leży na falistej wysoczyźnie morenowej, urozmaiconej morfologicznie. Otwarte pola uprawne oraz lekko pofałdowany teren to dwa główne czynniki sprzyjające możliwości rozmieszczenia farm wiatrowych na danym terenie. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 oraz dane wysokościowe Shuttle Radar Topography Mission (SRTM). W wyniku przeprowadzonych eksperymentów dowiedziono, że poprawnie nauczona sieć neuronowa (z wykorzystaniem reprezentatywnej liczby próbek i odpowiednią architekturą), umożliwia poprawne wyznaczenie obszarów predestynowanych do lokalizacji elektrowni wiatrowych nie tylko na terenie gminy Miedzna, ale również innych gmin, automatyzując proces wykonywania analiz tego typu.
    Źródło:
    Journal of Water and Land Development; 2016, 30; 101-111
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Estimation of Suspended Sediment Load Using Artificial Neural Network in Khour Al Zubair Port, Iraq
    Autorzy:
    Hassan, Ayman A.
    Ibrahim, Husham T.
    Al-Aboodi, Ali H.
    Powiązania:
    https://bibliotekanauki.pl/articles/24201740.pdf
    Data publikacji:
    2023
    Wydawca:
    Polskie Towarzystwo Inżynierii Ekologicznej
    Tematy:
    suspended sediment concentration
    multilayer perceptron
    neural network
    Khour Al-Zubair port
    Basrah city
    Opis:
    The port of Khour Al-Zubair is located 60.0 km south of the city centre of Basrah; it is also located 105.0 kilometres from the northern tip of the Arabian Gulf. The main goal of this paper is to estimate the concentration of suspended deposit (SSC) in “Khour Al-Zubair” port using a Multilayer Perceptron Neural Network (MLP) based on hydraulic and local boundary parameters while also studying the effect of these parameters on estimating the SSC. Five input parameters (channel width, water depth, discharge, cross-section area, and flow velocity) are used for estimating SSC. Different input hydraulic and local boundary parameter combinations in the three sections (port center, port south, and port north) were used for creating nine models. The use of both hydraulic and local boundary parameters for SSC estimation is very important in the port area for estimating sediment loads without the need for field measurements, which require effort and time.
    Źródło:
    Journal of Ecological Engineering; 2023, 24, 6; 54--64
    2299-8993
    Pojawia się w:
    Journal of Ecological Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Web–based framework for breast cancer classification
    Autorzy:
    Bruździński, T.
    Krzyżak, A.
    Fevens, T.
    Jeleń, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/91866.pdf
    Data publikacji:
    2014
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    breast cancer
    classification
    cytological image
    aspiration biopsy
    feature vector
    classifier
    multilayer perceptron
    segmentation algorithm
    Opis:
    The aim of this work is to create a web-based system that will assist its users in the cancer diagnosis process by means of automatic classification of cytological images obtained during fine needle aspiration biopsy. This paper contains a description of the study on the quality of the various algorithms used for the segmentation and classification of breast cancer malignancy. The object of the study is to classify the degree of malignancy of breast cancer cases from fine needle aspiration biopsy images into one of the two classes of malignancy, high or intermediate. For that purpose we have compared 3 segmentation methods: k-means, fuzzy c-means and watershed, and based on these segmentations we have constructed a 25–element feature vector. The feature vector was introduced as an input to 8 classifiers and their accuracy was checked. The results show that the highest classification accuracy of 89.02 % was recorded for the multilayer perceptron. Fuzzy c–means proved to be the most accurate segmentation algorithm, but at the same time it is the most computationally intensive among the three studied segmentation methods.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2014, 4, 2; 149-162
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przekształcenie wskazania analogowego przyrządu pomiarowego na postać cyfrową
    Converting the indication of an analog measuring instrument to a digital form
    Autorzy:
    Luśtyk, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/1426279.pdf
    Data publikacji:
    2020
    Wydawca:
    Główny Urząd Miar
    Tematy:
    analogowy przyrząd pomiarowy
    wskazanie cyfrowe
    perceptron wielowarstwowy
    operator Sobela
    analog measuring instrument
    digital indication
    multilayer perceptron
    Sobel operator
    Opis:
    W artykule przedstawiono sposób wyodrębnienia obrazu podzielni analogowego przyrządu pomiarowego uzyskanego z kamery oraz metodę przetwarzania jego wskazania na postać cyfrową z zastosowaniem perceptronu wielowarstwowego. W pracy przedstawiono wyniki skuteczności odczytu wskazań analogowych z wykorzystaniem programu implementującego proponowaną metodę.
    The article presents a method of extracting the image of an analog measuring instrument scale obtained from a camera, and the method of its processing into a digital form of an indication using a multilayer perceptron. The paper presents the results of the effectiveness of reading analog indication with the use of a program implementing the proposed method.
    Źródło:
    Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar; 2020, 2 (25); 47-54
    2300-8806
    Pojawia się w:
    Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using neural networks and deep learning algorithms in electrical impedance tomography
    Zastosowanie sieci neuronowych i algorytmów głębokiego uczenia w elektrycznej tomografii impedancyjnej
    Autorzy:
    Kłosowski, G.
    Rymarczyk, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/408307.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    imaging tomography
    multilayer perceptron
    deep learning
    convolutional neural networks
    tomografia obrazowa
    perceptron wielowarstwowy
    uczenie głębokie
    sieć neuronowa konwolucyjna
    Opis:
    This paper refers to the cases of the use of Artificial Neural Networks and Convolutional Neural Networks in impedance tomography. Machine Learning methods can be used to teach computers different technical problems. The efficient use of conventional artificial neural networks in tomography is possible able to effectively visualize objects. The first step of implementation Deep Learning methods in Electrical Impedance Tomography was performed in this work.
    W artykule zaprezentowano dwa przypadki dotyczące zastosowania sztucznych sieci neuronowych i konwolucyjnych sieci neuronowych w tomografii impedancyjnej. Uczenie maszynowe może znaleźć zastosowanie przy rozwiązywaniu różnorodnych problemów technicznych. W tomograficznej rekonstrukcji obrazów można stosować konwencjonalne sieci neuronowe. W niniejszej pracy przedstawiono przykład zastosowania metod głębokiego uczenia w obszarze elektrycznej tomografii impedancyjnej.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 3; 99-102
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine learning methods applied to sea level predictions in the upper part of a tidal estuary
    Autorzy:
    Guillou, N.
    Chapalain, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/2078822.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Instytut Oceanologii PAN
    Tematy:
    multiple regression model
    artificial neural network
    multilayer perceptron
    regression function
    machine learning algorithm
    sea level
    Opis:
    Sea levels variations in the upper part of estuary are traditionally approached by relying on refined numerical simulations with high computational cost. As an alternative efficient and rapid solution, we assessed here the performances of two types of machine learning algorithms: (i) multiple regression methods based on linear and polynomial regression functions, and (ii) an artificial neural network, the multilayer perceptron. These algorithms were applied to three-year observations of sea levels maxima during high tides in the city of Landerneau, in the upper part of the Elorn estuary (western Brittany, France). Four input variables were considered in relation to tidal and coastal surge effects on sea level: the French tidal coefficient, the atmospheric pressure, the wind velocity and the river discharge. Whereas a part of these input variables derived from large-scale models with coarse spatial resolutions, the different algorithms showed good performances in this local environment, thus being able to capture sea level temporal variations at semi-diurnal and spring-neap time scales. Predictions improved furthermore the assessment of inundation events based so far on the exploitation of observations or numerical simulations in the downstream part of the estuary. Results obtained exhibited finally the weak influences of wind and river discharges on inundation events.
    Źródło:
    Oceanologia; 2021, 63, 4; 531-544
    0078-3234
    Pojawia się w:
    Oceanologia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Time - frequency method and artificial neural network classifier for induction motor drive system defects classification
    Autorzy:
    Behim, Meriem
    Merabet, Leila
    Saad, Salah
    Powiązania:
    https://bibliotekanauki.pl/articles/31341644.pdf
    Data publikacji:
    2024
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    energy
    L-kurtosis
    wavelet packet decomposition
    multilayer perceptron neural network
    induction motor defects
    vibratory signals
    Opis:
    In this paper, by introducing two statistical parameters, energy and L-kurtosis, a new fault diagnostic system combining Wavelet Packet Decomposition and Multilayer Perceptron Neural Network is designed to improve efficiency and precision of induction motor defects diagnosis. This method is applied to vibratory signals of asynchronous motor running at two different rotational speeds (1500 rpm and 2000 rpm) at a sampling frequency of 8 KHz to detect three main types of defects: bearing faults, load imbalance and misalignment. These speeds are considered as the usual medium running speeds of induction motor. According to the results, the high performance and accuracy of this new faults diagnostic system is proved and confirmed, thus it can be used in the detection of other machines defects.
    Źródło:
    Diagnostyka; 2024, 25, 1; art. no. 2024110
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Note onset detection in musical signals via neural-network-based multi-ODF fusion
    Autorzy:
    Stasiak, B.
    Mońko, J.
    Niewiadomski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/330895.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    note onset detection
    onset detection function
    multilayer perceptron
    multi ODF fusion
    NN-based fusion
    początek detekcji
    perceptron wielowarstwowy
    sygnał muzyczny
    Opis:
    The problem of note onset detection in musical signals is considered. The proposed solution is based on known approaches in which an onset detection function is defined on the basis of spectral characteristics of audio data. In our approach, several onset detection functions are used simultaneously to form an input vector for a multi-layer non-linear perceptron, which learns to detect onsets in the training data. This is in contrast to standard methods based on thresholding the onset detection functions with a moving average or a moving median. Our approach is also different from most of the current machine-learning-based solutions in that we explicitly use the onset detection functions as an intermediate representation, which may therefore be easily replaced with a different one, e.g., to match the characteristics of a particular audio data source. The results obtained for a database containing annotated onsets for 17 different instruments and ensembles are compared with state-of-the-art solutions.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2016, 26, 1; 203-213
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Próba zastosowania ilościowej analizy obrazów TK w różnicowaniu guzów i udarów – badanie wstępne
    Examination of the application of quantitative analysis of CT brain images in ischaemic stroke and brain tumour detection – preliminary test
    Autorzy:
    Chrześcijanek, Beata
    Młynarczyk-Kochanowska, Antonina
    Strzelecki, Michał
    Klimek, Andrzej
    Rachalewski, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/1053300.pdf
    Data publikacji:
    2014
    Wydawca:
    Medical Communications
    Tematy:
    udar niedokrwienny
    guz
    neuroobrazowanie
    sztuczna sieć neuronowa
    perceptron wielowarstwowy
    tomografia komputerowa
    ischaemic stroke
    tumour
    neuroimaging
    artificial neural network
    multilayer perceptron
    computed
    tomography
    Opis:
    Introduction: Neuroimaging is a standard examination implemented for diagnosis of various pathologies of the central nervous system. The fundamental diagnostic procedures in medical imaging of the central nervous system are computed tomography and magnetic resonance imaging. In case of a sudden focal or generalized onset of brain dysfunctions at first we should think about stroke. A very important test if stroke is suspected is computed tomography. In this paper we would like to check if it is possible to distinguish two pathologies of the cerebrum: ischaemic stroke and tumour, using quantitative analysis of selected abnormalities. Material and methods: Analysis is based on comparison of two pathologies (ischaemic stroke and tumour). Two sets of images were prepared. Analysis is performed to distinguish abnormalities observed on computed tomography brain images from healthy tissue. The image analysis includes data conversion, normalization of region of interest, estimation of the number of texture features, features selection based on four different methods of selection and finally classification based on artificial neural network classifier. Results: In the examination, different effectiveness of used methods was observed. Quantitative analysis of selected texture features allows to differentiate two classes of pathologies. Also an important observation is that the artificial neural network can be a useful tool in data classification and analysis. Conclusions: The performed analysis is effective but only for small number of data. That is why it still needs to be conducted on a larger set of data. It will be also necessary to repeat classification a number of times and to perform data validation in order to confirm effectiveness of the presented method. After that we can hope to get really satisfying results.
    Wstęp: Neuroobrazowanie jest standardowym badaniem stosowanym w diagnostyce ośrodkowego układu nerwowego (OUN). Podstawowymi narzędziami diagnostycznymi w obrazowaniu OUN są tomografia komputerowa (TK) oraz rezonans magnetyczny. W przypadku wystąpienia nagłych ogniskowych lub uogólnionych objawów neurologicznych należy w pierwszej kolejności podejrzewać udar mózgu. Obecnie badaniem pierwszego rzutu w diagnostyce neuroradiologicznej jest badanie TK. W przedstawionej pracy podjęto próbę sprawdzenia, czy jest możliwa ilościowa analiza obrazów TK, pozwalająca odróżnić zmiany rozrostowe OUN od udarów niedokrwiennych. Materiały i metody: Analizę oparto na porównaniu dwóch patologii OUN: udaru niedokrwiennego oraz zmiany rozrostowej. Ocenie poddano obrazy TK mózgowia, na których wyodrębniono zmianę patologiczną. Podczas kolejnych etapów pracy przeprowadzono: konwersję danych, definiowanie obszarów zainteresowania (ROI), estymację cech tekstury, selekcję cech z zastosowaniem czterech różnych metod oraz klasyfikację opartą na sztucznej sieci neuronowej. Wyniki: Odnotowano różną skuteczność zastosowanych metod, co dało podstawę do stwierdzenia, że ilościowa analiza wybranych cech tekstury obrazu pozwala odgraniczyć klasy przypisane do omawianych patologii, natomiast użycie sztucznych sieci neuronowych do klasyfikacji danych wskazuje na ich skuteczność i przydatność jako narzędzi stosowanych w analizie wybranych danych. Podsumowanie: W sytuacji gdy badanie neuroradiologiczne nie wypada jednoznacznie, a leczenie udaru i guza mózgu różnią się diametralnie, istnieje możliwość zastosowania przedstawionej analizy w celu skrócenia czasu potrzebnego do postawienia właściwej diagnozy. Przedstawione wyniki mają jednak charakter wstępny i wymagają dalszej analizy na większej grupie pacjentów.
    Źródło:
    Aktualności Neurologiczne; 2014, 14, 2; 89-95
    1641-9227
    2451-0696
    Pojawia się w:
    Aktualności Neurologiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparison of MLP and RBF Neural Networks in the Task of Classifying the Diameters of Water Pipes
    Autorzy:
    Gvishiani, Zurab
    Dawidowicz, Jacek
    Powiązania:
    https://bibliotekanauki.pl/articles/2174907.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    water distribution system
    hydraulic calculation
    selection of diameter
    water pipe
    artificial neural network
    radial basis function
    multilayer perceptron
    Opis:
    Hydraulic calculations of water distribution systems are currently performed using computer programs. In addition to the basic calculation procedure, modules responsible for evaluating the obtained calculation results are introduced more and more often into the programs. This article presents the results of research on artificial neural networks with a radial base function (RBF) and a multilayer perceptron (MLP), aimed at determining whether they can be used to model the relationship between the variables describing the computational section of the water distribution system and the diameter of the water pipe. The classification capabilities of the RBF and MLP networks were analyzed according to the number of neurons in the hidden layer of the network. A comparative analysis of RBF networks with multilayer perceptron (MLP) networks was performed. The results showed that the MLP networks have much better classification properties and are better suited for the task of assessing the selected diameters of the water pipes.
    Źródło:
    Rocznik Ochrona Środowiska; 2022, 24; 505--519
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Hybrid predictions of the homogenous properties’ market value with the use of ann
    Prognozowanie wartości rynkowej jednorodnych nieruchomości hybrydowym modelem z wykorzystaniem sztucznych sieci neuronowych
    Autorzy:
    Anysz, Hubert
    Podwórna, Monika
    Ibadov, Nabi
    Lennerts, Kunibert
    Dikarev, Kostiantyn
    Powiązania:
    https://bibliotekanauki.pl/articles/1852660.pdf
    Data publikacji:
    2021
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    wycena nieruchomości
    sieć neuronowa sztuczna
    perceptron wielowarstwowy
    podejście porównawcze
    uczenie maszynowe
    model hybrydowy
    real estate valuation
    artificial neural network
    multilayer perceptron
    comparative approach
    machine learning
    hybrid model
    Opis:
    The homogenous properties – as flats are – have the set of key features that characterizes them. The area of a flat, the number of rooms and storey number where it is located, the technical state of a building, and the state of the vicinity of the blocks of flats assessed. The database comprises 222 flats with their transaction prices on the secondary estate market. The analysed flats are located in a certain quarter of Wrocław city in Poland. The database is large enough to apply machine learning for successful price predictions. Their close locations significantly lower the influence of clients’ assessments of the attractiveness of the location on the flat’s price. The hybrid approach is applied, where classifying precedes the solution of the regression problem. Dependently on the class of flats, the mean absolute percentage error achieved through the calculations presented in the article varies from 4,4 % to 7,8 %. In the classes of flats where the number of cases doesn’t allow for machine predicting, multivariate linear regression is applied. The reliable use of machine learning tools has proved that the automated valuation of homogenous types of properties can produce price predictions with the error low enough for real applications.
    Wycena nieruchomości jest złożonym procesem. Rzeczoznawca majątkowy musi być biegły zarówno w naukach ekonomicznych, prawnych, jak i technicznych. W praktyce często zdarzają się przypadki, w których konieczne jest poznanie zakresu wartości nieruchomości w krótkim czasie. Zautomatyzowane modele wyceny (AVM) są kwestionowane przez praktyków, ale nie oznacza to, że nie należy szukać nowych metod wyceny, innych niż te określone w Rozporządzeniu Rady Ministrów z dnia 21 września 2004 r. w sprawie wyceny nieruchomości i sporządzania operatu szacunkowego. Do określenia wartości rynkowej nieruchomości zdefiniowanej w Ustawie z dnia 21 sierpnia 1997 r o gospodarce nieruchomościami, jako „szacunkowa kwota, jaką w dniu wyceny można uzyskać za nieruchomość w transakcji sprzedaży zawieranej na warunkach rynkowych pomiędzy kupującym a sprzedającym, którzy mają stanowczy zamiar zawarcia umowy, działają z rozeznaniem i postępują rozważnie oraz nie znajdują się w sytuacji przymusowej”, najczęściej stosowaną metodą wyceny jest podejście porównawcze polegające na szacowaniu wartości na podstawie ostatnich danych sprzedaży innych podobnych nieruchomości na rynku lokalnym. Takie podejście wymaga aktywnego, rozwiniętego oraz w miarę stabilnego rynku. Rzeczoznawca majątkowy analizuje ceny transakcyjne nieruchomości, które w wystarczającym stopniu są podobne do nieruchomości wycenianej. Analiza atrybutów nieruchomości polega na badaniu nieruchomości pod względem trwałych cech, które mają znaczący wpływ na wartość, w szczególności lokalizację obiektu, jego powierzchnię, położenie w budynku, stan techniczny. W pracy przenalizowano próbkę 222 nieruchomości lokalowych, które były przedmiotem obrotu na wrocławskim rynku wtórnym. Lokalny rynek nieruchomości przyjęto jako nieruchomości lokalowe o powierzchni użytkowej z przedziału od 15 do 95 m2, w budynkach o stanie dobry lub średnim, z obrębu Grabiszyn dzielnicy Fabryczna miasta Wrocław. W pracy przyjęto dwuletni okres analizy, ze względu na w miarę stabilny rynek w okresie 2013-2014 nie uwzględniono czynnika czasu - przyjęto zerowy trend czasowy dla transakcji wolnorynkowych.
    Źródło:
    Archives of Civil Engineering; 2021, 67, 1; 285-301
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Urban traffic crash analysis using deep learning techniques
    Analiza kolizji w ruchu miejskim z wykorzystaniem technik głębokiego uczenia
    Autorzy:
    Sobhana, Mummaneni
    Vemulapalli, Nihitha
    Mendu, Gnana Siva Sai Venkatesh
    Ginjupalli, Naga Deepika
    Dodda, Pragathi
    Subramanyam, Rayanoothala Bala Venkata
    Powiązania:
    https://bibliotekanauki.pl/articles/27315440.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    classification
    gated recurrent unit
    long-short term memory
    multilayer perceptron
    recurrent neural network
    road accidents
    klasyfikacja
    pamięć długotrwała
    pamięć krótkotrwała
    perceptron wielowarstwowy
    rekurencyjna sieć neuronowa
    wypadki drogowe
    Opis:
    Road accidents are concerningly increasing in Andhra Pradesh. In 2021, Andhra Pradesh experienced a 20 percent upsurge in road accidents. The state's unfortunate position of being ranked eighth in terms of fatalities, with 8,946 lives lost in 22,311 traffic accidents, underscores the urgent nature of the problem. The significant financial impact on the victims and their families stresses the necessity for effective actions to reduce road accidents.This study proposes a framework that collects accident data from regions, namely Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam,and Gandhinagar in Vijayawada(India)from 2019 to 2021. The dataset comprises over 12,000 records of accident data. Deep learning techniquesare applied to classify the severity of road accidents into Fatal, Grievous, and Severe Injuries. The classification procedure leverages advanced neural network models, including the Multilayer Perceptron, Long-Short Term Memory, Recurrent Neural Network, and Gated Recurrent Unit. These modelsare trained on the collected data to accurately predict the severity of road accidents. The project study to make important contributions for suggesting proactive measures and policies to reduce the severity and frequency of road accidents in Andhra Pradesh.
    Liczba wypadków drogowych w Andhra Pradesh niepokojąco rośnie. W 2021 r. stan Andhra Pradesh odnotował 20% wzrost liczby wypadków drogowych. Niefortunna pozycja stanu, który zajmuje ósme miejsce pod względem liczby ofiar śmiertelnych, z 8946 ofiarami śmiertelnymiw 22311 wypadkach drogowych, podkreśla pilny charakter problemu. Znaczący wymiar finansowy dla ofiari ich rodziny podkreśla konieczność podjęcia skutecznych działań w celu ograniczenia liczby wypadków drogowych. W niniejszym badaniu zaproponowano system gromadzenia danych o wypadkachz regionów Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam i Gandhinagar w Vijayawada (India) w latach 2019–2021. Zbiór danych obejmuje ponad 12 000 rekordów danych o wypadkach. Techniki głębokiego uczenia są stosowane do klasyfikowania wagi wypadków drogowychna śmiertelne, poważne i ciężkie obrażenia. Procedura klasyfikacji wykorzystuje zaawansowane modele sieci neuronowych, w tymwielowarstwowy perceptron, pamięć długoterminową i krótkoterminową, rekurencyjną sieć neuronową i Gated Recurrent Unit. Modele te są trenowane na zebranych danych w celu dokładnego przewidywania wagi wypadków drogowych. Projekt ma wnieść istotny wkład w sugerowanie proaktywnych środków i polityk mających na celu zmniejszenie dotkliwości i częstotliwości wypadków drogowych w Andhra Pradesh.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 3; 56--63
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Attribute selection for stroke prediction
    Autorzy:
    Zdrodowska, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/386466.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    data mining
    classifier
    J48 (C4.5)
    CART
    PART
    naive Bayes classifier
    random forest
    support vector machine
    multilayer perceptron
    haemorrhagic stroke
    ischemic stroke
    Opis:
    Stroke is the third most common cause of death and the most common cause of long-term disability among adults around theworld. Therefore, stroke prediction and diagnosis is a very important issue. Data mining techniques come in handy to help determine the correlations between individual patient characterisation data, that is, extract from the medical information system the knowledge necessary to predict and treat various diseases. The study analysed the data of patients with stroke using eight known classification algorithms (J48 (C4.5), CART, PART, naive Bayes classifier, Random Forest, Supporting Vector Machine and neural networks Multilayer Perceptron), which allowed to build an exploration model given with an accuracy of over 88%. The potential features of patients, which may be factors that increase the risk of stroke, were also indicated.
    Źródło:
    Acta Mechanica et Automatica; 2019, 13, 3; 200-204
    1898-4088
    2300-5319
    Pojawia się w:
    Acta Mechanica et Automatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Intelligent sensing and monitoring : respiratory motion prediction for tumor following radiotherapy
    Autorzy:
    Ichiji, K.
    Homma, N.
    Sakai, M.
    Bukovsky, I.
    Zhang, X.
    Osanai, M.
    Abe, M.
    Sugita, N.
    Yoshizawa, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/91582.pdf
    Data publikacji:
    2012
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    intelligent sensing
    monitoring
    respiratory motion
    tumor
    radiotherapy
    time-varying seasonal autoregressive model
    TVSAR model
    multiple regression
    MR
    multilayer perceptron
    MLP
    support vector regression
    SVR
    Opis:
    This paper presents a medical application of the intelligent sensing and monitoring, a new lung tumor motion prediction method for tumor following radiation therapy. An essential core of the method is accurate estimation of complex fluctuation of time-varying periodical nature of lung tumor motion. Such estimation is achieved by using a novel multiple time-varying seasonal autoregressive (TVSAR) model in which several windows of different time-lengths are used to calculate correlation based fluctuation of periodic nature in the motion. The proposed method provides the prediction as a combination of those based on different window lengths. Multiple regression (MR), multilayer perceptron (MLP) and support vector regression (SVR) are used to combine and the prediction performances are evaluated by using clinical lung tumor motion. The proposed methods with the combined predictions showed high accurate prediction and are superior to the single different predictions. The average errors of MR, MLP, and SVR were 0.8455,0.8507, and 0.7530 mm at 0.5 s ahead, respectively. The results are clinically sufficient and thus clearly demonstrate that the proposed TVSAR with an appropriate combination method is useful for improving the prediction performance.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2012, 2, 4; 331-342
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modeling and Forecasting of Monthly Global Price of Bananas Using Seasonal Arima And Multilayer Perceptron Neural Network
    Modelowanie i prognozowanie miesięcznej globalnej ceny bananów z wykorzystaniem sezonowej ARIMA i wielowarstwowej sieci neuronowej perceptronowej
    Autorzy:
    Chi, Yeong Nain
    Chi, Orson
    Powiązania:
    https://bibliotekanauki.pl/articles/1748958.pdf
    Data publikacji:
    2021
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    bananas
    global price
    time series
    modeling
    forecasting
    seasonal ARIMA
    multilayer perceptron neural network
    banany
    cena globalna
    szeregi czasowe
    modelowanie
    prognozowanie
    sezonowy model ARIMA
    wielowarstwowa sieć neuronowa perceptronowa
    Opis:
    The primary purpose of this study was to pursue the analysis of the time series data and to demonstrate the role of time series model in the predicting process using long-term records of the monthly global price of bananas from January 1990 to November 2020. Following the Box-Jenkins methodology, ARIMA(4,1,2)(1,0,1)[12] with the drift model was selected to be the best fit model for the time series, according to the lowest AIC value in this study. Empirically, the results revealed that the MLP neural network model performed better compared to ARIMA(4,1,2)(1,0,1)[12] with the drift model at its smaller MSE value. Hence, the MLP neural network model can provide useful information important in the decision-making process related to the impact of the change of the future global price of bananas. Understanding the past global price of bananas is important for the analyses of current and future changes of global price of bananas. In order to sustain these observations, research programs utilizing the resulting data should be able to improve significantly our understanding and narrow projections of the future global price of bananas.
    Podstawowym celem tego badania była analiza danych szeregów czasowych oraz wskazanie ważności modelu szeregów czasowych w procesie predykcji z wykorzystaniem długoterminowych zapisów miesięcznej ceny bananów na świecie od stycznia 1990 r. do listopada 2020 r. Zgodnie z metodologią Boxa-Jenkinsa wybrano jako najlepiej dopasowany dla szeregu czasowego model ARIMA(4,1,2)(1,0,1)[12] z dryfem, zgodnie z najniższą wartością AIC. Na podstawie wyników empirycznych stwierdzono, że model sieci neuronowej MLP działał lepiej w porównaniu z modelem ARIMA(4,1,2)(1,0,1)[12] z dryfem z mniejszą wartością MSE. Wynika z tego, że model sieci neuronowej MLP może dostarczyć użytecznych informacji, które są ważne w procesie decyzyjnym dotyczącym wpływu zmian przyszłej globalnej ceny bananów. Postrzeganie przeszłych światowych cen bananów jest ważne dla analiz zarówno bieżących, jak i przyszłych zmian światowych cen. Aby podtrzymać te obserwacje, programy badawcze wykorzystujące uzyskane dane powinny umożliwiać znaczne poprawianie wnioskowania i zawężać prognozy przyszłych światowych cen bananów.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2021, 25, 3; 21-41
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An intelligent approach to short-term wind power prediction using deep neural networks
    Autorzy:
    Niksa-Rynkiewicz, Tacjana
    Stomma, Piotr
    Witkowska, Anna
    Rutkowska, Danuta
    Słowik, Adam
    Cpałka, Krzysztof
    Jaworek-Korjakowska, Joanna
    Kolendo, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/23944826.pdf
    Data publikacji:
    2023
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    renewable energy
    wind energy
    wind power
    wind turbine
    short-term wind power prediction
    deep learning
    convolutional neural networks
    gated recurrent unit
    hierarchical multilayer perceptron
    deep neural networks
    Opis:
    In this paper, an intelligent approach to the Short-Term Wind Power Prediction (STWPP) problem is considered, with the use of various types of Deep Neural Networks (DNNs). The impact of the prediction time horizon length on accuracy, and the influence of temperature on prediction effectiveness have been analyzed. Three types of DNNs have been implemented and tested, including: CNN (Convolutional Neural Networks), GRU (Gated Recurrent Unit), and H-MLP (Hierarchical Multilayer Perceptron). The DNN architectures are part of the Deep Learning Prediction (DLP) framework that is applied in the Deep Learning Power Prediction System (DLPPS). The system is trained based on data that comes from a real wind farm. This is significant because the prediction results strongly depend on weather conditions in specific locations. The results obtained from the proposed system, for the real data, are presented and compared. The best result has been achieved for the GRU network. The key advantage of the system is a high effectiveness prediction using a minimal subset of parameters. The prediction of wind power in wind farms is very important as wind power capacity has shown a rapid increase, and has become a promising source of renewable energies.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 3; 197--210
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-26 z 26

      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