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 "neural network classifier" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Unplanned dilution prediction in open stope mining: developing new design charts using Artificial Neural Network classifier
    Autorzy:
    Korigov, Sultan
    Adoko, Amoussou Coffi
    Sengani, Fhatuwani
    Powiązania:
    https://bibliotekanauki.pl/articles/2201390.pdf
    Data publikacji:
    2022
    Wydawca:
    Główny Instytut Górnictwa
    Tematy:
    open stope
    dilution graph
    stope overbreak
    neural network classifier
    system otwartych komór
    klasyfikator sieci neuronowej
    Opis:
    Minimizing dilution is essential in open stope mine design as excessive unplanned dilution can compromise the operation's profitability. One of the main challenges associated with the empirical dilution graph method used to design open stopes is how to determine the boundary of the dilution zones objectively. Hence, this paper explores the implementation of machine learning classifiers to bridge this gap in the conventional dilution graph method. Stope performance data consisting of the stope dilution (unplanned dilution), the modified stability number, and the hydraulic radius were compiled from a mine located in Kazakhstan. First, the conventional dilution graph methods were used to assess the dilution. Next, a Feed-Forward Neural Network (FFNN) classifier was implemented to predict each level of dilution. Overall, the FFNN results indicated that 97% of the stope surfaces were correctly classified, indicating an excellent classification performance, while the conventional dilution graph method did not show a good performance. In addition, the outputs of the FFNN were used to plot new dilution graphs with a probabilistic interpretation illustrating its practicability. It was concluded that the FFNN-based classifier could be a useful tool for open stope design in underground mines.
    Źródło:
    Journal of Sustainable Mining; 2022, 21, 2; 157--168
    2300-1364
    2300-3960
    Pojawia się w:
    Journal of Sustainable Mining
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring of the crack propagation in welded joint of the tank using multi-class recognition
    Autorzy:
    Bouraou, N.
    Rupich, S.
    Lukianchenko, O.
    Kostina, O.
    Powiązania:
    https://bibliotekanauki.pl/articles/127784.pdf
    Data publikacji:
    2018
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    welded tank
    stress
    crack propagation
    multi-class recognition
    neural network classifier
    zbiorniki spawane
    naprężenie
    propagacja pęknięć
    sieci neuronowe jako klasyfikatory
    Opis:
    The numerical analysis of the vertical weld-fabricated steel tank is carried out taking into account the defects of the welds in the form of through-the-thickness cracks of different lengths and numbers, which are located in different zones of the object's ring. The influence of defects on the stress of the tank is estimated in the places of sensors installation under the action of vertical load. The usage of multi-class recognition is proposed by classifier based on Probabilistic Neural Network for monitoring of the crack propagation. Multidimensional vectors of diagnostic features are used for multi-class recognition. The training set of vectors is formed for defect-free and defect conditions, the classifier is trained and tested, the analysis of recognition efficiency is carried out by using the probability of correct multi-class recognition.
    Źródło:
    Vibrations in Physical Systems; 2018, 29; 1-8
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Computerised Recommendations On E-Transaction Finalisation By Means Of Machine Learning
    Autorzy:
    Budnikas, Germanas
    Powiązania:
    https://bibliotekanauki.pl/articles/466046.pdf
    Data publikacji:
    2015
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    online behaviour
    Google Analytics
    Naïve Bayes classifier
    artificial neural network
    Opis:
    Nowadays a vast majority of businesses are supported or executed online. Website-to-user interaction is extremely important and user browsing activity on a website is becoming important to analyse. This paper is devoted to the research on user online behaviour and making computerised advices. Several problems and their solutions are discussed: to know user behaviour online pattern with respect to business objectives and estimate a possible highest impact on user online activity. The approach suggested in the paper uses the following techniques: Business Process Modelling for formalisation of user online activity; Google Analytics tracking code function for gathering statistical data about user online activities; Naïve Bayes classifier and a feedforward neural network for a classification of online patterns of user behaviour as well as for an estimation of a website component that has the highest impact on a fulfilment of business objective by a user and which will be advised to be looked at. The technique is illustrated by an example.
    Źródło:
    Statistics in Transition new series; 2015, 16, 2; 309-322
    1234-7655
    Pojawia się w:
    Statistics in Transition new series
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Rozpoznawanie obrazów z wykorzystaniem neuronowego klasyfikatora NBV
    Pattern recognition using NBV neural classifier
    Autorzy:
    Dybała, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/327664.pdf
    Data publikacji:
    2009
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    rozpoznawanie obrazów
    sztuczna sieć neuronowa
    klasyfikator neuronowy
    pattern recognition
    artificial neural network
    neural classifier
    Opis:
    W artykule przedstawiono neuronowy klasyfikator NBV o konstrukcji inspirowanej strukturą sieci neuronowej CP (ang. Counter Propagation), który wykorzystuje koncepcję stosowaną w klasyfikacji minimalnoodległościowej, a w swym działaniu nawiązuje do idei funkcjonowania klasyfikatorów SVM (ang. Support Vector Machine).
    The article presents the NBV neural classifier whose structure has been inspired by the structure of CP (Counter Propagation) neural network, which uses the methods applied in the minimum-distance classification, while in its operation it draws on the idea of functioning of SVM (Support Vector Machines) classifiers.
    Źródło:
    Diagnostyka; 2009, 3(51); 105-112
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fault detection in electrical drive by means of artificial neural networks
    Detekcja uszkodzeń w silniku elektrycznym przy pomocy sztucznych sieci neuronowych
    Autorzy:
    Głowacki, G.
    Patan, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/327210.pdf
    Data publikacji:
    2006
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    detekcja uszkodzeń
    sieć neuronowa
    klasyfikator neuronowy
    modelowanie
    silnik elektryczny
    fault detection
    neural network
    neural classifier
    modeling
    electrical drive
    Opis:
    The paper deals with problem model-based of fault detection electrical drive by using neural networks. The multilayer perceptron with tapped delay lines has been applied to model the diagnosed process at the nominal operation conditions. In turn, decision about faults has been performed using simple MultiLayer Feedforward Network (MFN). The electrical drive under consideration (AMIRA DR300) works in the closed loop and is controlled by PID controller. This laboratory electrical drive renders it positive to simulate a several faulty scenarios. In this way the proposed fault detection scheme can be tested on a number of faulty conditions.
    Artykuł przedstawia problem detekcji uszkodzeń w silniku elektrycznym przy pomocy sieci neuronowych. Do zamodelowania diagnozowanego obiektu pracującego w warunkach normalnych użyto sieci jednokierunkowych z liniami opóźniającymi. Następnie, jako blok decyzyjny o wystąpieniu uszkodzeń zastosowano zwykłe jednokierunkowe sieci wielowarstwowe. Do przeprowadzenia badań wykorzystano silnik prądu stałego firmy AMIRA (DR300). Silnik pracuje w układzie zamkniętym z regulatorem PID i umożliwia symulację pewnych scenariuszy uszkodzeń. Dzięki temu możliwe jest przetestowanie zaproponowanego schematu detekcji uszkodzeń na przykładzie wadliwych warunków pracy obiektu.
    Źródło:
    Diagnostyka; 2006, 2(38); 7-10
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Śledzenie obiektów dynamicznych z wykorzystaniem metod inteligencji obliczeniowej - implementacja sprzętowa
    Tracking of the moving objects with the use of the computational intelligence techniques - hardware implementation
    Autorzy:
    Błaszkowski, P.
    Grochowski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/276242.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    przetwarzanie obrazu
    rozpoznawanie twarzy
    klasyfikator Haara
    detekcja
    sztuczne sieci neuronowe
    image processing
    face recognition
    Haar classifier
    artificial neural network
    Opis:
    W artykule przedstawiono platformę sprzętową umożliwiającą detekcję, rozpoznawanie i śledzenie poruszających się obiektów przy wykorzystaniu technik inteligencji obliczeniowej. Projekt obejmuje budowę platformy sprzętowej wyposażonej w kamerę internetową oraz silniki umożliwiające jej ruch. Analiza obrazu odbywa się w komputerze klasy PC, komunikującym się z platformą za pomocą portu szeregowego USB. Jako przykład wykrywanych i śledzonych obiektów dynamicznych wykorzystano ludzkie twarze. Algorytmy obliczeniowe napisano w języku C++. Platforma doskonale integruje środowiska obliczeniowe typu open source, umożliwiając testowanie w praktyce opracowanych algorytmów.
    The paper presents the hardware platform for detection, recognition and tracking moving objects with the use of computational intelligence methods. Project includes construction of hardware platform equipped with webcam and motors allowing camera to move. Image analysis is carried out within PC computer that is communicated with the platform by USB serial port. Human faces have served as the examples of objects that were detected, recognized and then tracked. All the computational algorithms were written with C++. The platform skillfully integrates open source computational environments, allowing the testing of designed algorithms in practice.
    Źródło:
    Pomiary Automatyka Robotyka; 2013, 17, 4; 83-88
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyczny klasyfikator rodzaju uszkodzenia amortyzatora samochodowego
    Automatic classifier of the kind of car shock absorber damage
    Autorzy:
    Cempiel, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/133451.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Towarzystwo Naukowe Silników Spalinowych
    Tematy:
    diagnozowanie amortyzatorów
    metoda EUSAMA
    sieć neuronowa
    analiza obrazu
    automatyczny diagnosta
    klasyfikator
    shock absorber diagnosis
    EUSAMA method
    neural network
    image analysis
    automatic classifier
    Opis:
    W artykule przedstawiono analizę wpływu czynników zewnętrznych (dodatkowe obciążenie, zmiany ciśnienia w oponach) na wartość wskaźnika EUSAMA. Jednocześnie zaproponowano automatyczną metodę diagnozowania stanu amortyzatorów przy pomocy analizy obrazów z wykorzystaniem sieci neuronowej oceniającej przebieg wartości wskaźnika EUSAMA w czasie. Na potrzeby pracy przygotowano model matematyczny części zawieszenia wraz ze stanowiskiem badawczym opartym o metodę EUSAMA plus. Zamodelowano układ odzwierciedlający dynamikę jednej czwartej zawieszenia pojazdu. Metoda automatycznego diagnozowania stanu amortyzatorów zakłada poprawność przeprowadzonego badania metodą EUSAMA. Uzyskane wyniki spełniły oczekiwania.
    The article presents an analysis of the impact of external factors (extra load, tire pressure changes) on the value of the EUSAMA ratio. A method of automatic diagnosis of shock absorbers is proposed. This method is based on image analysis using a neural network appraising the “EUSAMA plus” ratio in the time domain. For the purpose of this paper a mathematical model of quarter of the car suspension with the test stand based on the method EUSAMA was prepared. The method of automatic diagnosis of shock absorbers assumes the correctness of the EUSAMA test. The results met expectations.
    Źródło:
    Combustion Engines; 2013, 52, 3; 1069-1075
    2300-9896
    2658-1442
    Pojawia się w:
    Combustion Engines
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A class of neuro-computational methods for assamese fricative classification
    Autorzy:
    Patgiri, C.
    Sarma, M.
    Sarma, K. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/91763.pdf
    Data publikacji:
    2015
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    neuro-computational classifier
    fricative phonemes
    Assamese language
    Recurrent Neural Network
    RNN
    neuro fuzzy classifier
    linear prediction cepstral coefficients
    LPCC
    self-organizing map
    SOM
    adaptive neuro-fuzzy inference system
    ANFIS
    klasyfikator neuronowy
    klasyfikator neuronowo rozmyty
    sieć Kohonena
    Opis:
    In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 1; 59-70
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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