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 "self-adaptive system" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    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
    Tytuł:
    A synthesis of adaptive, low-power real-time embedded systems for ARM big.LITTLE technology
    Autorzy:
    Ciopiński, L.
    Deniziak, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/114109.pdf
    Data publikacji:
    2015
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    self-adaptive system
    real-time embedded system
    adaptive scheduler
    developmental genetic programming
    ARM big.LITTLE
    Opis:
    In this paper, we present a method of a synthesis of adaptive schedulers for real-time embedded systems. We assume that the system is implemented using a multi-core embedded processor with low-power processing capabilities. First, the developmental genetic programming is used to generate the scheduler and the initial schedule. Then during the system execution, the scheduler modifies the schedule whenever the execution time of the recently finished task has been shorter or longer than expected. The goal of rescheduling is to minimize the power consumption while all time constraints will be satisfied. We present a real-life example as well as some experimental results showing the advantages of the method.
    Źródło:
    Measurement Automation Monitoring; 2015, 61, 7; 340-342
    2450-2855
    Pojawia się w:
    Measurement Automation Monitoring
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Self-adaptation of parameters in a learning classifier system ensemble machine
    Autorzy:
    Troć, M.
    Unold, O.
    Powiązania:
    https://bibliotekanauki.pl/articles/907767.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    komputerowe uczenie się
    system klasyfikujący
    sterowanie adaptacyjne
    sterowanie parametryczne
    machine learning
    extended classifier system
    self-adaptation
    adaptive parameter control
    Opis:
    Self-adaptation is a key feature of evolutionary algorithms (EAs). Although EAs have been used successfully to solve a wide variety of problems, the performance of this technique depends heavily on the selection of the EA parameters. Moreover, the process of setting such parameters is considered a time-consuming task. Several research works have tried to deal with this problem; however, the construction of algorithms letting the parameters adapt themselves to the problem is a critical and open problem of EAs. This work proposes a novel ensemble machine learning method that is able to learn rules, solve problems in a parallel way and adapt parameters used by its components. A self-adaptive ensemble machine consists of simultaneously working extended classifier systems (XCSs). The proposed ensemble machine may be treated as a meta classifier system. A new self-adaptive XCS-based ensemble machine was compared with two other XCS-based ensembles in relation to one-step binary problems: Multiplexer, One Counts, Hidden Parity, and randomly generated Boolean functions, in a noisy version as well. Results of the experiments have shown the ability of the model to adapt the mutation rate and the tournament size. The results are analyzed in detail.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 157-174
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using intelligent programming paradigm in CAD systems
    Wykorzystanie paradygmatu programowania inteligentnego w systemach projektowania wspomaganego komputerowo
    Autorzy:
    Rogoza, V.
    Powiązania:
    https://bibliotekanauki.pl/articles/972190.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    symulacja adaptacyjna
    samoorganizacja
    systemy projektowania wspomaganego komputerowo
    projektowanie układów scalonych o dużym stopniu scalenia
    adaptive simulation
    self-organization
    CAD system
    VLSI design
    Opis:
    The intelligent programming paradigm is considered as a concept that combines two basic properties of a sophisticated software, namely: adaptive tuning and evolutionary self-organization. Such properties can be realized at the algorithmic level using object-oriented programming languages.
    Paradygmat programowania inteligentnego jest rozpatrywany jako koncepcja, która łączy w sobie dwie zasadnicze własności skomplikowanego oprogramowania, mianowicie: adaptacyjne dostrajanie modeli i ich samoorganizacja ewolucyjna. W artykule pokazano, że omówione właściwości mogą być realizowane z wykorzystaniem specjalnych algorytmów syntezy modeli składników obiektów ulegających symulacji oraz paradygmatu programowania obiektowego.
    Źródło:
    Pomiary Automatyka Kontrola; 2009, R. 55, nr 10, 10; 847-850
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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