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 1-15 z 26
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:
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:
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:
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:
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:
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:
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:
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:
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:
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:
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:
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:
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:
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
Wyświetlanie 1-15 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