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 technique" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Neuronowe techniki klasyfikacyjne w problemach identyfikacyjnych inżynierii rolniczej
    The neuronal classifying techniques in problems of identification of agricultural engineering
    Autorzy:
    Boniecki, P.
    Mueller, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/337135.pdf
    Data publikacji:
    2005
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    inżynieria rolnicza
    technika neuronowa
    klasyfikacja
    sztuczna sieć neuronowa
    agricultural engineering
    neural technique
    artificial neural network
    classification
    Opis:
    Celem pracy było omówienie podstawowych technik klasyfikacyjnych w kontekście wykorzystania ich w problemach badawczych inżynierii rolniczej. Wskazano wybrane topologie sztucznych sieci neuronowych jako efektywne narzędzia klasyfikacyjne. Dodatkowym efektem przeprowadzonej analizy bylo wytworzenie systemu informatycznego "Sieci neuronowe - Perceptron " wspomagającego proces edukacji. Wytworzony program komputerowy ma za zadanie klasyfikować dane zaczerpnięte z obszaru inżynierii rolniczej. Program działa w oparciu o sieć wielowarstwową typu perceptron - MLP (MultiLayer Perceptron).
    The aim of the work was discussion of basic classifying techniques in context of their utilisation in investigative problems of agricultural engineering. The chosen topology of artificial neural networks were showed as effective classifying tools. Creation of the computer system "The neuronal nets - Perceptron " was the additional effect of the conducted analysis, helping the process of education. The aim of the created computer program is to classify the data obtained from the area of agricultural engineering. The program acts on the basis of many-layered network of perceptron type - MLP (MultiLayer Perceptron).
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2005, 50, 3; 15-19
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie technik neuronowych w praktyce rolniczej
    Using of neuronal techniques in agricultural practice
    Autorzy:
    Boniecki, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/335801.pdf
    Data publikacji:
    2005
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
    Tematy:
    technika neuronowa
    praktyka rolnicza
    system klasyfikacji
    sieć neuronowa
    neural technique
    agricultural practice
    classification system
    neural network
    Opis:
    Rozwój technologii informatycznych spowodował pojawienie się zupełnie nowych możliwości analitycznych, bazujących na obserwacjach procesów naturalnych, a w szczególności na wnioskach płynących z badań naukowych dotyczących pracy mózgu, jakie opisują dynamicznie rozwijające się techniki przetwarzania neuronowego (Osowski S., 2000). Należy podkreślić, że sztuczne sieci neuronowe potrafią operować zarówno na zbiorach danych numerycznych, pochodzących np. z badań doświadczalnych, jak również na zbiorach rozmytych, tak charakterystycznych dla postrzegania ludzkiego umyslu. Ostatnio znajdują zastosowanie w systemach klasyfikacyjnych wykorzystywanych w rolnictwie.
    The development of computer technologies caused the appearance of the completely new analytic possibilities, basing on observations of natural processes, and in peculiarity on conclusions following with scientific researches relating the brain work investigations, what is described by the dynamically developing techniques of neuronal processing. One should underline, that artificial neuronal networks are able to operate both on gatherings of numeric data coming from experimental investigations, as well as on fuzzy sets, so characteristic for perception of human mind. Recently they are used in agriculture in classification systems.
    Źródło:
    Journal of Research and Applications in Agricultural Engineering; 2005, 50, 2; 10-14
    1642-686X
    2719-423X
    Pojawia się w:
    Journal of Research and Applications in Agricultural Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A genetic algorithm based optimized convolutional neural network for face recognition
    Autorzy:
    Karlupia, Namrata
    Mahajan, Palak
    Abrol, Pawanesh
    Lehana, Parveen K.
    Powiązania:
    https://bibliotekanauki.pl/articles/2201023.pdf
    Data publikacji:
    2023
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    convolutional neural network
    genetic algorithm
    deep learning
    evolutionary technique
    sieć neuronowa konwolucyjna
    algorytm genetyczny
    uczenie głębokie
    technika ewolucyjna
    Opis:
    Face recognition (FR) is one of the most active research areas in the field of computer vision. Convolutional neural networks (CNNs) have been extensively used in this field due to their good efficiency. Thus, it is important to find the best CNN parameters for its best performance. Hyperparameter optimization is one of the various techniques for increasing the performance of CNN models. Since manual tuning of hyperparameters is a tedious and time-consuming task, population based metaheuristic techniques can be used for the automatic hyperparameter optimization of CNNs. Automatic tuning of parameters reduces manual efforts and improves the efficiency of the CNN model. In the proposed work, genetic algorithm (GA) based hyperparameter optimization of CNNs is applied for face recognition. GAs are used for the optimization of various hyperparameters like filter size as well as the number of filters and of hidden layers. For analysis, a benchmark dataset for FR with ninety subjects is used. The experimental results indicate that the proposed GA-CNN model generates an improved model accuracy in comparison with existing CNN models. In each iteration, the GA minimizes the objective function by selecting the best combination set of CNN hyperparameters. An improved accuracy of 94.5% is obtained for FR.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2023, 33, 1; 21--31
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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