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-organizing networks" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
Wyświetlanie 1-15 z 17
Tytuł:
Ranking of LTE cells based on key performance indicators using MCDM methods
Autorzy:
Lopes Neto, Pedro Nunes
Freire Junior, José Celso
Tuna, Celso Eduardo
Powiązania:
https://bibliotekanauki.pl/articles/2211970.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
long-term evolution
multiple criteria methods
radio access network performance management
self-organizing networks
Opis:
The growth in worldwide data traffic and user subscriptions in mobile telecommunication networks makes it increasingly difficult to manage network performance in an environment already containing multiple radio access technologies. Despite the rise of 5G, LTE remains the dominant technology, and new cells are installed daily to support traffic growth and new services such as voice over LTE. Detecting faulty cells in the network is one of the main concerns of operators. Self organizing networks have been introduced to deal with this problem, and their self healing functionality has improved cell fault management. Nonetheless, faulty cell detection remains challenging, and most of the tasks involved are still done manually. This paper introduces a new method of faulty cell detection in an LTE radio access network, applying multiple criteria methods to this problem. The cells are ranked based on selected key performance indicators, using the multi attribute utility theory to construct a utility function. The analytic hierarchy process is used to define weights for the criteria.
Źródło:
Multiple Criteria Decision Making; 2022, 17; 46-68
2084-1531
Pojawia się w:
Multiple Criteria Decision Making
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Performance Analysis of Dynamic PUCCH Allocation Algorithm in LTE Network
Autorzy:
Czerniecki, Maciej
Wszołek, Jacek
Sikora, Marek
Ludwin, Wiesław
Powiązania:
https://bibliotekanauki.pl/articles/226869.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
optimization
planning
PUCCH dimensioning
network planning
network optimization
self-organizing networks
SON
dynamic PUCCH allocation
static PUCCH allocation
Opis:
The aim of the presented paper was to verify the impact of Dynamic PUCCH Resource Allocation Algorithm of the LTE cellular system on the maximum uplink cell throughput and call setup success rate - CSSR. Paper includes the laboratory testbed description and presents the results of an experiment confirming the improvement of both key performance indicators KPIs. Apart from the presentation of the Dynamic PUCCH Resource allocation algorithm, the paper also includes a description of legacy LTE uplink (PUCCH and PUSCH) channels dimensioning process thus filling the gap of such a tutorial in the available literature.
Źródło:
International Journal of Electronics and Telecommunications; 2020, 66, 1; 211-216
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie samoorganizujących sieci neuronowych Kohonena w klasyfikacji sejsmofacjalnej (rejon Ujkowice - Batycze)
Application of Kohonens Self Organizing Networks in seismofacies classification (the Ujkowice - Batycze area)
Autorzy:
Dzwinel, K.
Haber, A.
Krawiec, D.
Powiązania:
https://bibliotekanauki.pl/articles/184042.pdf
Data publikacji:
2006
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
atrybuty sesjmiczne
analiza sejsmofacjalna
krosskorelacja
samoorganizująca sieć neuronowa Kohonena
seismic attributes
seismofacies analysis
crosscorrelation Kohonen's Self Organizing Networks
Opis:
Artykuł przedstawia zastosowanie samoorganizujących sieci neuronowych Kohonena w klasyfikacji formy zapisu sejsmicznego. Klasyfikacja ta jest jednym z podstawowych elementów analizy sejsmofacjalnej, prowadzącej do wyciągnięcia znaczących wniosków poszukiwawczych. Istotnymi elementami takiej analizy są: wybór atrybutów sejsmicznych oraz użycie właściwego sposobu klasteryzacji. Do klasteryzacji użyto atrybutów AVA, które niosą ze sobą informacje o własnościach petrofizycznych skał. W celu zbadania rozkładu facji sejsmicznej na wybranym obszarze posłużono się dodatkowo innymi metodami wielowymiarowej analizy atrybutów sejsmicznych: klasyfikacją wybranego obszaru krossplotu "intercept-gradient" oraz klasteryzacją wykonaną metodą minimalizującą iloczyn odległości obiektów w wydzielanych grupach. Weryfikacji optymalnej metody klasyfikacji danych dokonano na podstawie obserwacji kształtów klastrów i ich charakterystyk.
This paper presents the application of Kohonen's Self Organizing Networks in classification of seismic waveform. The classification is one of the basic elements of seismofacies analysis and it often leads to significant exploratory conclusions. Important elements of this kind of analysis are: selection of seismic attributes and usage of appropriate clustering method. There were used AVA attributes, which include information about petrophysical properties of rocks. There used two additional multi-dimensional methods to examine seismic facies distribution on selected area: classification of chosen crossplot intercept-gradient area and classification carried out by method which minimizes the product of objects distances in groups. Verification of optimal method for data classification was made based on observation of clusters shape and their characteristic due to insufficient information from wells.
Źródło:
Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie; 2006, 32, 4; 441-450
0138-0974
Pojawia się w:
Geologia / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forming dynamic, self-organizing neural networks by means of Assembler Encoding
Tworzenie sieci neuronowych z samoorganizacją Hebba za pomocą Kodowania Asemblerowego
Autorzy:
Praczyk, T.
Powiązania:
https://bibliotekanauki.pl/articles/209895.pdf
Data publikacji:
2011
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
sieci neuronowe
neuro-ewolucja
problem drapieżca–ofiara
self-organizing neural networks
neuro-evolution
predator-prey problem
Opis:
Assembler Encoding is a new neuro-evolutionary method. To date, it has been tested in such problems as: an optimization problem, a predator-prey problem, and in an inverted pendulum problem. In all the cases mentioned, Assembler Encoding was used to create neural networks with constant, invariable architecture. To test whether Assembler Encoding is able to form other types of neural networks, next experiments were carried out. In the experiments, the task of Assembler Encoding was to form self-organizing, dynamic neural networks. The networks were tested in the predator-prey problem. To compare Assembler Encoding with other method, in the experiments, a modified version of standard neuro-evolution was also applied. The results of the experiments are presented at the end of the paper.
Kodowanie Asemblerowe jest metodą neuro-ewolucyjną, która do tej pory stosowana była wyłącznie do konstrukcji sieci neuronowych o stałej, nie zmiennej w czasie architekturze. W celu sprawdzenia skuteczności metody w tworzeniu innych typów sieci neuronowych, przeprowadzonoszereg eksperymentów. W ich trakcie zadaniem Kodowania Asemblerowego była konstrukcja rekurencyjnych oraz jednokierunkowych sieci neuronowych z samoorganizacją Hebba. Tworzone sieci wykorzystywane były do sterowania zespołem "drapieżców", których celem było pochwycenie szybko poruszającej się "ofiary" (predator-prey problem) postępującej zgodnie z pewną prostą strategią. Wyniki Kodowania Asemblerowego uzyskane w trakcie badań porównano z osiągami innej metody neuro-ewolucyjnej.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2011, 60, 2; 117-138
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Clustering and filtering of measurement data based on dynamic self-organizing neural networks
Grupowanie i filtracja danych pomiarowych z wykorzystaniem dynamicznych, samoorganizujących się sieci neuronowych
Autorzy:
Gorzałczany, M. B.
Rudziński, F.
Powiązania:
https://bibliotekanauki.pl/articles/153286.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
inteligencja obliczeniowa
samoorganizujące się sieci neuronowe
grupowanie
computational intelligence
self-organizing neural networks
clustering
filtering
measurement data
Opis:
The paper presents an application of dynamic self-organizing neural networks (introduced by the same authors) to clustering of complex, multidimensional measurement-type data using as an example the so-called Synthetic Control Chart Time Series available at WWW server of the Department of Information and Computer Science, the University of California at Irvine. Moreover, after deactivation of some of the mechanisms governing the operation of the proposed networks they become efficient tools for signal and data filtering. The filtering of Equiptemp measurement data set available from Time Series Library by means of the proposed networks is also briefly presented.
Artykuł prezentuje zastosowanie tzw. dynamicznych samoorganizujących się sieci neuronowych (zaproponowanych przez autorów tej pracy) do grupowania złożonych, wielowymiarowych danych pomiarowych na przykładzie zbioru danych Synthetic Control Chart Time Series dostępnego na serwerze WWW Uniwersytetu Kalifornijskiego w Irvine (Department of Information and Computer Science). Proponowane sieci, w trakcie procesu uczenia, są w stanie dzielić swoje łańcuchy neuronów na podłańcuchy, ponownie łączyć wybrane podłańcuchy ze sobą oraz dynamicznie zmieniać całkowitą liczbę neuronów sieci. Cechy te umożliwiają im jak najlepsze dopasowanie się do nieznanych z góry struktur "zakodowanych" w danych. Funkcjonowanie proponowanych sieci zilustrowano najpierw na przykładzie złożonego zbioru danych dwuwymiarowych typu dwóch spiral. Po wyłączeniu pewnych mechanizmów rządzących funkcjonowaniem proponowanych sieci stają się one również efektywnymi narzędziami filtracji sygnałów. Przykłady filtracji danych pomiarowych zawartych w zbiorze Equiptemp pochodzącym z tzw. Time Series Library są również przedstawione w artykule.
Źródło:
Pomiary Automatyka Kontrola; 2010, R. 56, nr 12, 12; 1416-1419
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cluster analysis as a preliminary problem in neural modelling of the Polish Power Exchange
Autorzy:
Tchórzewski, Jerzy
Jezierski, Jakub
Powiązania:
https://bibliotekanauki.pl/articles/94965.pdf
Data publikacji:
2019
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
artificial self-organizing neural networks
business intelligence
cluster analysis
neural modelling
Day Ahead Market
Polish Power Exchange
Opis:
The work focuses on cluster analysis as a preliminary problem in neural model- ling based on the data quoted on the Day Ahead Market of the Polish Power Ex- change as a subsystem of the system of Towarowa Giełda Energii S.A. [Polish Pow- er Exchange]. The paper contains the results of literature research related to cluster analysis methods, description of possible applications of artificial neural networks SOM for mapping information on the volume of electrical power sold and prices ob- tained, description of possible applications of MATLAB and Simulink environment, and especially Neural Network Toolbox for mapping knowledge, and cluster analy- sis performed for selected data.
Źródło:
Information Systems in Management; 2019, 8, 1; 69-81
2084-5537
2544-1728
Pojawia się w:
Information Systems in Management
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Nowe współzarządzanie publiczne : rządzenie bez rządu
The New Governance : Governing without Government
Autorzy:
Rhodes, Roderick Arthur Willam
Powiązania:
https://bibliotekanauki.pl/articles/903921.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Ekonomiczny w Krakowie, Małopolska Szkoła Administracji Publicznej
Tematy:
współzarządzanie publiczne
nowe zarządzanie publiczne
system socjocybernetyczny
sieci samoorganizujące się
zarządzanie międzyrządowe
państwo minimalne
wydrążenie państwa
governance
new public management
socio-cybernetic system
self-organizing networks
intergovernmental management
the minimal state
hollowing out the state
Opis:
Termin "współzarządzanie publiczne"jest dość popularny, lecz nieprecyzyjny. Nadaje mu się co najmniej sześć różnych znaczeń odnoszących się do: państwa minimalnego, zarządzania przedsiębiorstwem, nowego zarządzania publicznego, dobrego rządzenia, systemów socjocybernetycznych oraz sieci samoorganizujących się. Przyjmuję, że współzarządzanie dotyczy samoorganizujących się sieci międzyorganizacyjnych i podstawiam owe sieci uzupełnione o rynek i hierarchię jako struktury rządzenia, w miejsce autorytatywnie alokowanych zasobów oraz wykonywania kontroli i koordynacji. Bronię także swojej definicji, argumentując, że rzuca ona nowe światło na niedawne zmiany w ustroju brytyjskim, czyli przede wszystkim wydrążenie państwa, nowe zarządzanie publiczne i zarządzanie międzyrządowe. Artykuł konkluduję stwierdzeniem, że obecnie sieci wszechobecnie charakteryzują świadczenie usług w Wielkiej Brytanii, cechuje je wzajemne zaufanie i dostosowanie oraz rozmijają się z reformami zarządzania opartymi na konkurencji; stanowią zatem wyzwanie dla tzw. rządności, ponieważ stają się autonomiczne i odporne na przewodnictwo centrum.
The term 'governance' is popular but imprecise. It has at least six uses, referring to: the minimal state; corporate governance; the new public management: 'good governance'; socio-cybernetic systems; and self-organizing networks. I stipulate that governance refers to 'self-organizing, interorganizational networks' and argue that these networks complement markets and hierarchies as governing structures for authoritatively allocating resources and exercising control and co-ordination. I defend this definition, arguing that it throws new light on recent changes in British government, most notably: hollowing out the state, the new public management, and intergovernmental management. I conclude that networks are now a pervasive feature of service delivery in Britain; that such networks are characterized by trust and mutual adjustment, and undermine management reforms rooted in competition; and that they are a challenge to governability because they become autonomous and resist central guidance.
Źródło:
Zarządzanie Publiczne / Public Governance; 2010, 4(14); 104-118
1898-3529
2658-1116
Pojawia się w:
Zarządzanie Publiczne / Public Governance
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The dark side of governance or on the shortcomings of governance networks
Słabe strony współzarządzania albo o ograniczeniach sieci rządzenia
Autorzy:
Żabiński, Michał
Powiązania:
https://bibliotekanauki.pl/articles/904264.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Ekonomiczny w Krakowie, Małopolska Szkoła Administracji Publicznej
Tematy:
governance
networks
self-organizing inter-organizational networks
network governance
trust
actor in the political process
współzarządzanie
sieci
samoorganizujące się międzyorganizacyjne sieci
rządzenie
rządzenie sieciowe
zaufanie
aktor procesu politycznego
Opis:
The article deals with the issue of shortcomings of governance. The author presents and discusses the fundamental limitations of governance networks. To that end, he focuses on the issues of trust and communication between network members, network transparency and accountability as well as the problems of management and coordination within a network. He also reviews the impact of governance networks on increasing social inequality.
Tekst poświęcony jest kwestii słabych stron współzarządzania. Podjęto w nim próbę przedstawienia i omówienia podstawowych ograniczeń sieci rządzenia. W tym celu przedstawione zostały problemy zaufania i komunikacji między podmiotami sieci, transparentności i rozliczalności sieci oraz kwestie kwestię kierowania i koordynacji w sieci, w artykule zaznaczono również kwestię wpływu współzarządzania sieciowego na problem narastających nierówności społecznych.
Źródło:
Zarządzanie Publiczne / Public Governance; 2014, 4(30); 47-55
1898-3529
2658-1116
Pojawia się w:
Zarządzanie Publiczne / Public Governance
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cellular automata model of self-organizing traffic control in urban networks
Autorzy:
Szklarski, J.
Powiązania:
https://bibliotekanauki.pl/articles/200680.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
cellular automata model
self-organizing traffic control
urban networks
Opis:
A model of city traffic based on Nagel-Schreckenberg cellular automaton (CA) model is presented. Traffic control is realized at intersections with two conflicting streams each (at any time at most one stream can have “green light” assigned to it). For simple and regular lattice-like networks which are considered, it is easy to find optimal switching periods giving maximum possible flow rates. These optimal strategies are compared with a self-controlling approach proposed by [1], which has not been implemented in a CA model until now. Previous work proved that generally this method gives superior results when compared to classical methods. In this paper we show that for deterministic scenario such control leads to self-organization, and that the solution always quickly converges to the optimal solution which is known in this case. Moreover, we consider also non-deterministic case, in the sense that possibility of turning with given probability is allowed. It is shown that the self-controlling strategy always gives better results than any solution based on fixed cycles with green waves.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2010, 58, 3; 435-441
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe ANN : sieci Kohonena
Artificial neural networks (ANN) : Kohonen networks
Autorzy:
Iljaszewicz, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/131981.pdf
Data publikacji:
2018
Wydawca:
Wrocławska Wyższa Szkoła Informatyki Stosowanej Horyzont
Tematy:
Sieci Kohonena
sieci neuronowe
mapa samoorganizująca
SOM
WEBSOM
Kohonen networks
artificial neural networks
ANN
Self Organizing Map
Opis:
Artykuł omawia sztuczne sieci neuronowe (ang. ANN- Artificial neural networks). Jedną z odmian są sieci Kohonena zwane Mapą Samoorganizującą (ang. SOM – Self Organizing Map) realizują one proces uczenia się sieci neuronowych samodzielnie tzn. rozpoznają relacje występujące w skupieniach poprzez wykrycie wewnętrznej struktury i kategoryzują je w procesie samouczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej do przestrzeni jednowymiarowej lub dwuwymiarowej. Główną cechą SOM jest to, że tworzy on nieliniową projekcję wielowymiarową kolektora danych na regularnej, niskowymiarowej (zwykle 2D) sieci. Na wyświetlaczu klastrowanie przestrzeni danych, jak również relacje metryczno-topologiczne elementów danych, są wyraźnie widoczne. Jeśli elementy danych są wektorami, składniki, których są zmiennymi z określone znaczenie, takie jak deskryptory danych statystycznych lub pomiary, które opisują proces, siatka SOM może być wykorzystana, jako podstawa, na której może znajdować się każda zmienna wyświetlane osobno przy użyciu kodowania na poziomie szarości lub pseudo koloru. Ten rodzaj projekcji został uznany za bardzo przydatny do zrozumienia wzajemnych zależności między zmiennymi, a także strukturami zbioru danych.
The article discusses artificial neural networks (ANN). One of the varieties is the Kohonen network, called the Self Organizing Map (SOM), that perform the learning process of neural networks independently, i.e. they recognize relationships occurring in clusters by detecting an internal structure and categorizing them in the process of self-learning. SOM is used to form mapping from a multidimensional space to a one-dimensional or two-dimensional space. The main feature of SOM is that it creates a non-linear multi-dimensional projection of a data collector on a regular, low-dimensional (usually 2D) network. On the display, data space clustering as well as metric-topological relations of data elements are clearly visible. If the data elements are vectors, the components of which are variables with defined meanings, such as statistical data descriptors or measurements that describe the process, the SOM grid can be used as a basis on which each variable can be displayed separately using gray or pseudo-color coding. This type of projection has been found to be very useful for understanding the interrelationships between variables as well as data set structures.
Źródło:
Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka; 2018, 8, 1; 34-39
2082-9892
Pojawia się w:
Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural network models for combinatorial optimization : a survey of deterministic, stochastic and chaotic approaches
Autorzy:
Smith, K.
Potvin, J.
Kwok, T.
Powiązania:
https://bibliotekanauki.pl/articles/205943.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
chaos
odwzorowanie samoporządkujące
optymalizacja kombinatoryczna
sieć Hopfielda
sieć neuronowa
combinatorial optimization
deformable templates
Hopfield networks
neural networks
self-organizing maps
Opis:
This paper serves as a tutorial on the use of neural networks for solving combinatorial optimization problems. It reviews the two main classes of neural network models : the gradient-based neural networks such as the Hopfield network, and the deformable template approaches such as the elastic net method and self organizing maps. In each class, the original model is presented, its limitations discussed, and subsequent developments and extensions are reviewed. Particular emphasis is placed on stochastic and chaotic variations on the neural network models designed to improve the optimization performance. Finally, the performance of these neural network models is compared and discussed relative to other heuristic approaches.
Źródło:
Control and Cybernetics; 2002, 31, 2; 183-216
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych Kohonena do prognozowania dobowego poboru wody.
Application of Kohonen Artificial Neural Networks to the Prediction of Daily Water Consumption.
Autorzy:
Licznar, P.
Łomotowski, J.
Powiązania:
https://bibliotekanauki.pl/articles/237690.pdf
Data publikacji:
2006
Wydawca:
Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
Tematy:
dobowy pobór wody
prognozowanie
sieci neuronowe Kohonena
daily water consumption
prediction
artificial neural networks
perceptron networks
Self-Organizing Feature Map (SOFM)
Opis:
W pracy przedstawiono wyniki badań nad zastosowaniem samoorganizujących sieci Kohonena do prognozowania dobowego poboru wody. Dotychczas do prognozowania poboru wody używano sztucznych sieci neuronowych najprostszych typów, głównie sieci perceptronowych o pojedynczej warstwie ukrytej. Otrzymywano przy tym wyniki porównywalne lub lepsze od modeli stochastycznych opartych o analizę szeregów czasowych, jednakże sieci te nie pozwalały wniknąć w istotę kształtowania się procesu poboru wody. Wagi poszczególnych neuronów sieci perceptronowych, ustalane w trakcie ich uczenia, nie są bowiem powiązane z fizycznymi cechami prognozowanego szeregu czasowego. Z tego względu podjęto próbę zastosowania samoorganizujących sieci Kohonena dla prognozowania dobowego poboru wody w sieci wodociągowej. W badaniach wykorzystano szereg czasowy dobowego zużycia wody z lat 1996-2002 jednego z większych polskich wodociągów. Prognoza była wykonana dwuetapowo. Pierwszym jego etapem było prognozowanie sumarycznego tygodniowego rozbioru wody przy użyciu prostej sieci perceptronowej szeregu czasowego. W następnym etapie prognozowany całkowity, tygodniowy, rozbiór był rozdzielany na poszczególne dni tygodnia, zgodnie z wzorcami rozpoznanymi dla poszczególnych okresów roku przez samoorganizującą się strukturę sieci Kohonena. Otrzymywane wyniki były porównywalne z wcześniejszymi rezultatami autorów, uzyskanymi na tym obiekcie do prognozowania przy wykorzystaniu prostych sieci neuronowych oraz metody wygładzania wykładniczego. Dodatkowym - poznawczym - wynikiem przeprowadzonych badań są opracowane, przy wykorzystaniu sieci samoorganizującej się na zasadzie współzawodnictwa, profile tygodniowego poboru wody.
The objective of the study was to develop a hybrid tool for predicting daily water consumption by the combined use of the perceptron and Kohonen artificial neural networks. The investigations included a 7-year time series of total daily water consumption in the time span of 1996 to 2002, coming from one of Poland's largest water distribution systems. The prediction process was a two-stage one. At the first stage, the Self-Organizing Feature Map (SOFM) was made in order to establish the weekly water distribution patterns that are typical for each season of the year. At the second stage, a simple single hidden layer perceptron networks was built to enable the prediction of total weekly water consumption. Owing to the combined use of the perceptron and Kohonen artificial neural networks it was possible to work out high-quality daily water consumption predictions and to identify typical seasonal patterns of weekly water consumption.
Źródło:
Ochrona Środowiska; 2006, R. 28, nr 1, 1; 45-48
1230-6169
Pojawia się w:
Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Pulse shape discrimination of neutrons and gamma rays using kohonen artificial neural networks
Autorzy:
Tambouratzis, T.
Chernikova, D.
Pzsit, I.
Powiązania:
https://bibliotekanauki.pl/articles/91759.pdf
Data publikacji:
2013
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
shape
neutron
discrimination
gamma rays
Kohonen artificial neural networks
ANNs
linear vector quantisation
LVQ
self-organizing map
SOM
pulse shape discrimination
PSD
Opis:
The potential of two Kohonen artificial neural networks (ANNs) - linear vector quantisation (LVQ) and the self organising map (SOM) - is explored for pulse shape discrimination (PSD), i.e. for distinguishing between neutrons (n’s) and gamma rays (’s). The effect that (a) the energy level, and (b) the relative size of the training and test sets, have on identification accuracy is also evaluated on the given PSD dataset. The two Kohonen ANNs demonstrate complementary discrimination ability on the training and test sets: while the LVQ is consistently more accurate on classifying the training set, the SOM exhibits higher n/ identification rates when classifying new patterns regardless of the proportion of training and test set patterns at the different energy levels; the average time for decision making equals ˜100 μs in the case of the LVQ and ˜450 μs in the case of the SOM.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 2; 77-88
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sztuczne sieci neuronowe Kohonena jako narzędzie w taksonomii paleontologicznej - metodyka oraz zastosowanie na przykładzie późnokredowych belemnitów
Artificial Kohonen neural networks as a tool in paleontological taxonomy - an introduction and application to Late Cretaceous belemnites
Autorzy:
Remin, Z.
Powiązania:
https://bibliotekanauki.pl/articles/2074559.pdf
Data publikacji:
2008
Wydawca:
Państwowy Instytut Geologiczny – Państwowy Instytut Badawczy
Tematy:
paleontologia
sztuczna inteligencja
sieci neuronowe Kohonena
samoorganizujących się sieci Kohonena
klasyfikacja
belemnity
górna kreda
paleontology
artificial intelligence
artificial neural networks
Kohonen neural networks
self-organizing map
classification
belemnites
Upper Cretaceous
Opis:
Artificial neural networks (ANNs), the computer software or systems that are able to "learn" on the basis of previously collected input data sets are proposed here as a new useful tool in paleontological modeling. Initially ANNs were designed to imitate the structure and function of natural neural systems such as the human brain. They are commonly used in many natural researches such as physics, geophysics, chemistry, biology, applied ecology etc. Special emphasis is put on the Kohonen self-organizing mapping algorithm, used in unsupervised networks for ordination purposes. The application of ANNs for paleontology is exemplified by study of Late Cretaceous belemnites. The Kohonen networks objectively subdivided the belemnite material] ~ 750 specimens) into consistent groups that could be treated as monospecific. The possibility of transferring these results to the language of classical statistics is also presented. Further development and possibility of use of ANNs in various areas of paleontology, paleobiology and paleoecology is briefly discussed.
Źródło:
Przegląd Geologiczny; 2008, 56, 1; 58-66
0033-2151
Pojawia się w:
Przegląd Geologiczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Probabilistic morphological modeling of hydrographic networks from satellite imagery using Self-Organizing Maps
Autorzy:
Zaremba, M.
Palenichka, R.
Powiązania:
https://bibliotekanauki.pl/articles/206609.pdf
Data publikacji:
2002
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
łańcuch Markowa
modelowanie morfologiczne
odwzorowanie samoporządkujące
satelitarne rozpoznawanie obrazów
sieć neuronowa
szkieletyzacja
Markov chains
morphological modeling
neural networks
satellite image processing
self-organizing maps
skeletonization
Opis:
Adequate and concise representation of the shape of irregular objects from satellite imagery is a challenging problem in remote sensing. The conventional methods for cartographic shape representation are usually inaccurate and will provide only a rough shape description if the description process is to be fully automated. The method for automatic cartographic description of water basins presented in this paper is based on Self-Organizing Maps (SOM) - a class of neural networks with unsupervised learning. So-called structured SOM with local shape attributes such as scale and local connections of vertices are proposed for the description of object shape. The location of each vertex of piecewise linear generating curves that represent skeletons of the objects corresponds to the position of a particular SOM unit. The proposed method makes it possible to extract the object skeletons and to reconstruct the planar shapes of sparse objects based on the topological constraints of generating lines and the estimation of local scale. A context-dependent vertex connectivity test is proposed to enhance the skeletonization process. The test is based on the Markov random chain model of vertices belonging to the same generating line and the Bayesian decision-making principle. The experimental test results using Landsat-7 images demonstrate the accuracy of the proposed approach and its potential for fully automated mapping of hydrological objects.
Źródło:
Control and Cybernetics; 2002, 31, 2; 343-369
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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