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 "support vector machine" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Wyrównaj
Wyświetlanie 1-100 z 118
Tytuł:
How To Construct Support Vector Machines Without Breaching Privacy
Autorzy:
Zhan, J.
Chang, L.
Matwin, S.
Powiązania:
https://bibliotekanauki.pl/articles/92993.pdf
Data publikacji:
2006
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
privacy
security
support vector machine (SVM)
Opis:
This paper addresses the problem of data sharing among multiple parties in the following scenario: without disclosing their private data to each other, multiple parties, each having a private data set, want to collaboratively construct support vector machines using a linear, polynomial or sigmoid kernel function. To tackle this problem, we develop a secure protocol for multiple parties to conduct the desired computation. In our solution, multiple parties use homomorphic encryption and digital envelope techniques to exchange the data while keeping it private. All the parties are treated symmetrically: they all participate in the encryption and in the computation involved in learning support vector machines.
Źródło:
Studia Informatica : systems and information technology; 2006, 1(7); 233-244
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modeling and optimization of activated carbon carbonization process based on support vector machine
Autorzy:
Liu, Gangyang
Zhang, Chunlong
Dou, Dongyang
Wei, Yinghua
Powiązania:
https://bibliotekanauki.pl/articles/1448262.pdf
Data publikacji:
2021
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
carbonization process
optimization
modeling
support vector machine
Opis:
Product prediction and process parameter optimization in the production process of activated carbon are very important for production. It can stabilize product quality and improve the economic efficiency of enterprises. In this paper, three process parameters of a carbonization furnace, namely feeding rate, rotation speed, and carbonization temperature, were adopted to build a quality optimization model for carbonized materials. First, an orthogonal test was designed to obtain the preliminary relationship between the process parameters and the quality indicators of a carbonized material and prepare data for modeling. Then, an improved SVR model was developed to establish the relationship between product quality indicators and process parameters. Finally, through the singlefactor experiments and the Monte Carlo method, the process parameters affecting the quality of a carbonized material were determined and optimized. This showed that a high-quality carbonized material could be obtained with a smaller feeding rate, larger rotation speed, and higher carbonization furnace temperature. The quality of activated carbon reached its maximum when the feeding rate was 1.0 t/h, the rotation speed was 90 r/h, and the temperature was 836°C. It can effectively improve the quality of carbonized materials.
Źródło:
Physicochemical Problems of Mineral Processing; 2021, 57, 2; 131-143
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Issledovanie ispolʹzovaniâ fuzii peremennyh v processe primeneniâ metoda opornyh vektorov v diagnostic
Autorzy:
Jegorowa, Albina
Górski, Jarosław
Kurek, Jarosław
Powiązania:
https://bibliotekanauki.pl/articles/2200172.pdf
Data publikacji:
2020
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:
diagnostics
tool wear
support vector machine
chipboard
drill
Opis:
Исследование использования фузии переменных в процессе применения метода опорных векторов в диагностике сверл во время обработки древесностружечной плиты. Целью работы было определение возможности слияния т.е. фузии переменных, определенных для диагностики режущего инструмента используемого во время сверления древесностружечной ламинированной плиты, в основе которого лежит метод опорных векторов. В результате применения данного метода удалось редуцировать набор переменных на 92,75 % к первоначальному, что позволило улучшить показатель точности классификации во время мониторинга за состоянием режущего инструмента, сократить время на тренировку системы и улучшить показатели генерализации. Проведенные исследования показали, что данный метод работает и значительно улучшает качество классификации неинвазивного метода диагностики сверл. Точность классификации составила 85,10%. Система не допускает ошибок между крайними классами. Количество ошибок между соседними классами незначительно.
Badanie wykorzystania fuzji cech diagnostycznych stosowanych podczas diagnostyki stopnia zużycia wierteł w trakcie obróbki płyt wiórowych laminowanych, z wykorzystaniem algorytmu maszyny wektorów wspierających. Celem pracy było określenie możliwości zastosowania fuzji zmiennych zdefiniowanych do diagnostyki narzędzia skrawającego stosowanego w trakcie wiercenia płyt wiórowych laminowanych, w oparciu o algorytm maszyny wektorów wspierających (SVM). W wyniku zastosowania tej metody możliwe było zmniejszenie zbioru zmiennych o 92,75%, do zbioru pierwotnego, co pozwoliło na poprawę dokładności klasyfikacji podczas monitorowania stanu narzędzi skrawających, skrócenie czasu uczenia oraz poprawę generalizacji. Badania wykazały, że metoda ta jest skuteczna, znacząco poprawiająca jakość klasyfikacji nieinwazyjnej diagnostyki wierteł. Dokładność klasyfikacji wyniosła 85,10%, a ponadto system nie dopuszcza do błędów pomiędzy klasami ekstremalnymi. Liczba błędów pomiędzy sąsiednimi klasami jest nieistotna.
Źródło:
Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology; 2020, 110; 97--102
1898-5912
Pojawia się w:
Annals of Warsaw University of Life Sciences - SGGW. Forestry and Wood Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Evaluation of electromagnetic filtration efficiency using least squares support vector model
Autorzy:
Yuceer, M.
Yildiz, Z.
Abbasov, T.
Powiązania:
https://bibliotekanauki.pl/articles/110758.pdf
Data publikacji:
2015
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
electromagnetic filtration
disperse systems
support vector machine (SVM)
Opis:
The present study aims to apply a least squares support vector model (LS–SVM) for predicting cleaning efficiency of an electromagnetic filtration process, also called quality factor, in order to remove corrosion particles (rust) of low concentrations from water media. For this purpose, three statistical parameters: correlation coefficient, root mean squared error and mean absolute percentage error were calculated for evaluating the performance of the LS–SVM model. It was found that the developed LS–SVM can be used to predict the effectiveness of electromagnetic filtration process.
Źródło:
Physicochemical Problems of Mineral Processing; 2015, 51, 1; 173-180
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Performance analysis of rough set–based hybrid classification systems in the case of missing values
Autorzy:
Nowicki, Robert K.
Seliga, Robert
Żelasko, Dariusz
Hayashi, Yoichi
Powiązania:
https://bibliotekanauki.pl/articles/2031102.pdf
Data publikacji:
2021
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
rough sets
support vector machine
fuzzy system
neural networks
Opis:
The paper presents a performance analysis of a selected few rough set–based classification systems. They are hybrid solutions designed to process information with missing values. Rough set-–based classification systems combine various classification methods, such as support vector machines, k–nearest neighbour, fuzzy systems, and neural networks with the rough set theory. When all input values take the form of real numbers, and they are available, the structure of the classifier returns to a non–rough set version. The performance of the four systems has been analysed based on the classification results obtained for benchmark databases downloaded from the machine learning repository of the University of California at Irvine.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2021, 11, 4; 307-318
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of new method of initialisation of neuro - fuzzy systems with support vector machines
Analiza nowej metody inicjalizacji systemów neuronowo – rozmytych z wykorzystaniem maszyn wektorów wspierających
Autorzy:
Simiński, K.
Powiązania:
https://bibliotekanauki.pl/articles/375675.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
support vector machine (SVM)
neuro-fuzzy systems
classification
regression
Opis:
The correspondence between support vector machines and neuro-fuzzy systems is very interesting. The full equivalence for classification and partial for regression has been formally shown. The equivalence has very interesting implication. It is a base for a new method of initialization of neurofuzzy systems, ie. for creating of fuzzy rule base. The commonly used methods are based on reversion of item: the premises of fuzzy rules split input domain into region, thus premises of fuzzy rules can be elaborated by partition of input domain. This leads to three main classes of partition of input domain. The above mentioned equivalence results in new way of creating the rule base. Now the input domain is not partitioned, but the premises of fuzzy rules are extracted from support vector. The objective of the paper is to examine the advantages and disadvantages of this new method for creation of fuzzy rule bases for neuro-fuzzy systems.
Związek pomiedzy maszynami wektorów podpierajacych i systemami neuronoworozmytymi jest bardzo interesujący. Została wykazana pełna odpowiedniość między tymi systemami dla klasyfikacji i częściowa dla regresji. Odpowiedność ta ma bardzo ważną konsekwencję. Jest podstawa do opracowania nowego sposobu tworzenia bazy reguł dla systemu neuronowo-rozmytego. Dotychczasowe metody opieraja się na podziale przestrzeni wejściowej, a następnie przekształcenia tak powstałych regionów w przesłanki rozmytych reguł. Tutaj możliwe jest przekształcanie wektorów wspierających na przesłanki reguł rozmytych. Celem artykułu jest przebadanie możliwości stosowania takiego podejścia do inicjalizacji systemów neuronowo-rozmytych. Eksperymenty wykazują dosć istotną wadę tego podejścia. W jego wyniku powstają bardzo liczne zbiory reguł rozmytych, co zupełnie przeczy idei interpretowalności wiedzy w systemach neuronowo-rozmytych. Manipulacja pewnymi parametrami umożliwia zmiejszenie liczby reguł, jednak manipulacja ta jest trudna i wymaga wielu prób. Drugą dość istotna wadą jest wyraźnie wyższy błąd wypracowywany przez systemy inicjalizowane przez SVM w porównaniu do systemów, których bazy reguł tworzone sa˛ poprzez podział przestrzeni wejściowej.
Źródło:
Theoretical and Applied Informatics; 2012, 24, 3; 243-254
1896-5334
Pojawia się w:
Theoretical and Applied Informatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Classification Method Related to Respiratory Disorder Events Based on Acoustical Analysis of Snoring
Autorzy:
Wang, Can
Peng, Jianxin
Zhang, Xiaowen
Powiązania:
https://bibliotekanauki.pl/articles/176601.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
acoustical analysis
feature extraction
support vector machine
snoring sound
Opis:
Acoustical analysis of snoring provides a new approach for the diagnosis of obstructive sleep apnea hypopnea syndrome (OSAHS). A classification method is presented based on respiratory disorder events to predict the apnea-hypopnea index (AHI) of OSAHS patients. The acoustical features of snoring were extracted from a full night’s recording of 6 OSAHS patients, and regular snoring sounds and snoring sounds related to respiratory disorder events were classified using a support vector machine (SVM) method. The mean recognition rate for simple snoring sounds and snoring sounds related to respiratory disorder events is more than 91.14% by using the grid search, a genetic algorithm and particle swarm optimization methods. The predicted AHI from the present study has a high correlation with the AHI from polysomnography and the correlation coefficient is 0.976. These results demonstrate that the proposed method can classify the snoring sounds of OSAHS patients and can be used to provide guidance for diagnosis of OSAHS.
Źródło:
Archives of Acoustics; 2020, 45, 1; 141-151
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid feature selection and support vector machine framework for predicting maintenance failures
Autorzy:
Tarik, Mouna
Mniai, Ayoub
Jebari, Khalid
Powiązania:
https://bibliotekanauki.pl/articles/30148252.pdf
Data publikacji:
2023
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
predictive maintenance
machine learning
features selection
SMOTE-Tomek
Support Vector Machine
Opis:
The main aim of predictive maintenance is to minimize downtime, failure risks and maintenance costs in manufacturing systems. Over the past few years, machine learning methods gained ground with diverse and successful applications in the area of predictive maintenance. This study shows that performing preprocessing techniques such as over¬sampling and feature selection for failure prediction is promising. For instance, to handle imbalanced data, the SMOTE-Tomek method is used. For feature selection, three different methods can be applied: Recursive Feature Elimination, Random Forest and Variance Threshold. The data considered in this paper for simulation are used in literature. They are used to measure aircraft engine sensors to predict engine failures, while the prediction algorithm used is a Support Vector Machine. The results show that classification accuracy can be significantly boosted by using the preprocessing techniques.
Źródło:
Applied Computer Science; 2023, 19, 2; 112-124
1895-3735
2353-6977
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ensemble machine learning methods to predict the balancing of ayurvedic constituents in the human body
Autorzy:
Rajasekar, Vani
Krishnamoorthi, Sathya
Saracevic, Muzafer
Pepic, Dzenis
Zajmovic, Mahir
Zogic, Haris
Powiązania:
https://bibliotekanauki.pl/articles/27312840.pdf
Data publikacji:
2022
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
machine learning
artificial neural networks
diagnose
Ayurveda constituent
support vector machine
Opis:
In this paper, we demonstrate the result of certain machine-learning methods like support vector machine (SVM), naive Bayes (NB), decision tree (DT), k-nearest neighbor (KNN), artificial neural network (ANN), and AdaBoost algorithms for various performance characteristics to predict human body constituencies. Ayurveda-dosha studies have been used for a long time, but the quantitative reliability measurement of these diagnostic methods still lags. The careful and appropriate analysis leads to an effective treatment to predict human body constituencies. From an observation of the results, it is shown that the AdaBoost algorithm with hyperparameter tuning provides enhanced accuracy and recall (0.97), precision and F-score (0.96), and lower RSME values (0.64). The experimental results reveal that the improved model (which is based on ensemble-learning methods) significantly outperforms traditional methods. According to the findings, advancements in the proposed algorithms could give machine learning a promising future.
Źródło:
Computer Science; 2022, 23 (1); 117--132
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fast near-infrared palmprint recognition using nonnegative matrix factorization extreme learning machine
Autorzy:
Xu, X.
Zhang, X.
Lu, L.
Deng, W.
Zuo, K
Powiązania:
https://bibliotekanauki.pl/articles/173572.pdf
Data publikacji:
2014
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
extreme learning machine
palmprint recognition
superior speed
support vector machine (SVM)
Opis:
Support vector machine and artificial neural network are widely used in classification applications. Extreme learning machine (ELM) is a novel and efficient learning algorithm based on the generalized single hidden layer feed forward networks, which performs well in classification applications. The research results have shown the superiority of ELM with the existing classical algorithms: support vector machine (SVM) and back propagation neural network. In this study, we firstly propose a novel nonnegative matrix factorization extreme learning machine (NMFELM) to improve the performance of standard ELM method. Then we propose a novel near-infrared palmprint recognition approach based on NMFELM classifier. As the test data, we use the near-infrared palmprint database provided by Hong Kong Polytechnic University. The experimental results demonstrate that the proposed NMFELM method outperforms the standard ELM- and SVM-based methods.
Źródło:
Optica Applicata; 2014, 44, 2; 285-298
0078-5466
1899-7015
Pojawia się w:
Optica Applicata
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Faults Classification Of Power Electronic Circuits Based On A Support Vector Data Description Method
Autorzy:
Cui, J.
Powiązania:
https://bibliotekanauki.pl/articles/220938.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
power electronic circuits
fault classification
support vector data description
support vector machine (SVM)
Opis:
Power electronic circuits (PECs) are prone to various failures, whose classification is of paramount importance. This paper presents a data-driven based fault diagnosis technique, which employs a support vector data description (SVDD) method to perform fault classification of PECs. In the presented method, fault signals (e.g. currents, voltages, etc.) are collected from accessible nodes of circuits, and then signal processing techniques (e.g. Fourier analysis, wavelet transform, etc.) are adopted to extract feature samples, which are subsequently used to perform offline machine learning. Finally, the SVDD classifier is used to implement fault classification task. However, in some cases, the conventional SVDD cannot achieve good classification performance, because this classifier may generate some so-called refusal areas (RAs), and in our design these RAs are resolved with the one-against-one support vector machine (SVM) classifier. The obtained experiment results from simulated and actual circuits demonstrate that the improved SVDD has a classification performance close to the conventional one-against-one SVM, and can be applied to fault classification of PECs in practice.
Źródło:
Metrology and Measurement Systems; 2015, 22, 2; 205-220
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Implementation of Bilinear Separation algorithm as a classification method for SSVEP-based brain-computer interface
Autorzy:
Jukiewicz, M.
Cysewska-Sobusiak, A.
Powiązania:
https://bibliotekanauki.pl/articles/114357.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
brain-computer interface
SSVEP
bilinear separation
support vector machine (SVM)
Opis:
: The aim of this study was to create a two-class brain-computer interface. As in the case of research on SSVEP stimuli flashing at different frequencies were presented to four subjects. Optimal SSVEP recognition results can be obtained from electrodes: O1, O2 and Oz. In this work SVM classifier with Bilinear Separation algorithm have been compared. The best result in the offline tests using Bilinear Separation was: average accuracy of stimuli recognition 93% and ITR 33.1 bit/min, SVM: 90% and 32.8 bit/min.
Źródło:
Measurement Automation Monitoring; 2015, 61, 2; 51-53
2450-2855
Pojawia się w:
Measurement Automation Monitoring
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Two-stage classification approach for human detection in camera video in bulk ports
Autorzy:
Mi, C.
Zhang, Z.
He, X.
Huang, Y.
Mi, W.
Powiązania:
https://bibliotekanauki.pl/articles/259499.pdf
Data publikacji:
2015
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
Human Detection
Histograms of Oriented Gradients
Support Vector Machine
classification
Opis:
With the development of automation in ports, the video surveillance systems with automated human detection begun to be applied in open-air handling operation areas for safety and security. The accuracy of traditional human detection based on the video camera is not high enough to meet the requirements of operation surveillance. One of the key reasons is that Histograms of Oriented Gradients (HOG) features of the human body will show great different between front & back standing (F&B) and side standing (Side) human body. Therefore, the final training for classifier will only gain a few useful specific features which have contribution to classification and are insufficient to support effective classification, while using the HOG features directly extracted by the samples from different human postures. This paper proposes a two-stage classification method to improve the accuracy of human detection. In the first stage, during preprocessing classification, images is mainly divided into possible F&B human body and not F&B human body, and then they were put into the second-stage classification among side human and non-human recognition. The experimental results in Tianjin port show that the two-stage classifier can improve the classification accuracy of human detection obviously.
Źródło:
Polish Maritime Research; 2015, S 1; 163-170
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine learning methods for diagnosing the causes of die-casting defects
Autorzy:
Okuniewska, Alicja
Perzyk, Marcin
Kozłowski, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/29519775.pdf
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
fault diagnosis
machine learning tools
neural network
classification trees
support vector machine
Opis:
The research was focused on analyzing the causes of high-pressure die-casting defects, more specifically on casting leakage, which is considered perhaps the most important and common defect. The real data used for modelling was obtained from a high-pressure die-casting foundry that manufactures aluminum cylinder blocks for the world’s leading automotive brands. This paper compares and summarizes the results of applying advanced modelling using artificial neural networks, regression trees, and support vector machines methods to select artificial neural networks as the most effective method to perform a multidimensional optimization of process parameters to diagnose the causes of die-casting defects and to indicate the future research scope in this area. The developed system enables the prediction of the level of defects in castings with satisfactory accuracy and is therefore a highly relevant reference for process engineers of high-pressure foundries. This article indicates exactly which process parameters significantly influence the formation of a defect in a casting.
Źródło:
Computer Methods in Materials Science; 2023, 23, 2; 45-56
2720-4081
2720-3948
Pojawia się w:
Computer Methods in Materials Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Daily Suspended Sediment Prediction Using Seasonal Time Series and Artificial Intelligence Techniques
Autorzy:
Üneş, Fatih
Taşar, Bestami
Demirci, Mustafa
Zelenakova, Martina
Kaya, Yunus Ziya
Varçin, Hakan
Powiązania:
https://bibliotekanauki.pl/articles/2069941.pdf
Data publikacji:
2021
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
prediction
neuro-fuzzy
sediment rating curve
support vector machine
suspended sediment
Opis:
Estimating the amount of suspended sediment in rivers correctly is important due to the adverse impacts encountered during the design and maintenance of hydraulic structures such as dams, regulators, water channels and bridges. The sediment concentration and discharge currents have usually complex relationship, especially on long term scales, which can lead to high uncertainties in load estimates for certain components. In this paper, with several data-driven methods, including two types of perceptron support vector machines with radial basis function kernel (SVM-RBF), and poly kernel learning algorithms (SVM-PK), Library SVM (LibSVM), adaptive neuro-fuzzy (NF) and statistical approaches such as sediment rating curves (SRC), multi linear regression (MLR) are used for forecasting daily suspended sediment concentration from daily temperature of water and streamflow in the river. Daily data are measured at Augusta station by the US Geological Survey. 15 different input combinations (1 to 15) were used for SVM-PK, SVM-RBF, LibSVM, NF and MLR model studies. All approaches are compared to each other according to three statistical criteria; mean absolute errors (MAE), root mean square errors (RMSE) and correlation coefficient (R). Of the applied linear and nonlinear methods, LibSVM and NF have good results, but LibSVM generates a slightly better fit under whole daily sediment values.
Źródło:
Rocznik Ochrona Środowiska; 2021, 23; 117--137
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of evaluation algorithm for port logistics park based on PCA-SVM model
Autorzy:
Hu, B.
Powiązania:
https://bibliotekanauki.pl/articles/260528.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
port logistics demand
support vector machine
principal component analysis
economic hinterland
Opis:
To predict the logistics needs of the port, an evaluation algorithm for the port logistics park based on the PCASVM model was proposed. First, a quantitative indicator set for port logistics demand analysis was established. Then, based on the grey correlation analysis method, the specific indicator set of port logistics demand analysis was selected. The advantages of both principal component analysis and support vector machine algorithms were combined. The PCA-SVM model was constructed as a predictive model of the port logistics demand scale. The empirical analysis was conducted. Finally, from the perspective of the structure, demand, flow pattern and scale of port logistics demand, the future logistics demand of Shenzhen port was analysed. Through sensitivity analysis, the main influencing factors were found out, and the future development proposals of Shenzhen port were put forward. The results showed that the port throughput of Shenzhen City in 2016 was 21,328,200 tons. Compared with the previous year, it decreased by about 1.74 %. In summary, the PCA-SVM model accurately predicts the logistics needs of the port.
Źródło:
Polish Maritime Research; 2018, S 3; 29-35
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Detection of Obstructive Sleep Apnea from ECG Signal Using SVM Based Grid Search
Autorzy:
Valavan, K. K.
Manoj, S.
Abishek, S.
Gokull Vijay, T. G.
Vojaswwin, P.
Rolant Gini, J.
Ramachandran, K. I.
Powiązania:
https://bibliotekanauki.pl/articles/1844601.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
ECG signal
grid search
RR interval
sleep apnea
support vector machine
Opis:
Obstructive Sleep Apnea is one common form of sleep apnea and is now tested by means of a process called Polysomnography which is time-consuming, expensive and also requires a human observer throughout the study of the subject which makes it inconvenient and new detection techniques are now being developed to overcome these difficulties. Heart rate variability has proven to be related to sleep apnea episodes and thus the features from the ECG signal can be used in the detection of sleep apnea. The proposed detection technique uses Support Vector Machines using Grid search algorithm and the classifier is trained using features based on heart rate variability derived from the ECG signal. The developed system is tested using the dataset and the results show that this classification system can recognize the disorder with an accuracy rate of 89%. Further, the use of the grid search algorithm has made this system a reliable and an accurate means for the classification of sleep apnea and can serve as a basis for the future development of its screening.
Źródło:
International Journal of Electronics and Telecommunications; 2021, 67, 1; 5-12
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fall Detector Using Discrete Wavelet Decomposition And SVM Classifier
Autorzy:
Wójtowicz, B.
Dobrowolski, A.
Tomczykiewicz, K.
Powiązania:
https://bibliotekanauki.pl/articles/220495.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
fall detection
discrete wavelet transform
data fusion
support vector machine (SVM)
Opis:
This paper presents the design process and the results of a novel fall detector designed and constructed at the Faculty of Electronics, Military University of Technology. High sensitivity and low false alarm rates were achieved by using four independent sensors of varying physical quantities and sophisticated methods of signal processing and data mining. The manuscript discusses the study background, hardware development, alternative algorithms used for the sensor data processing and fusion for identification of the most efficient solution and the final results from testing the Android application on smartphone. The test was performed in four 6-h sessions (two sessions with female participants at the age of 28 years, one session with male participants aged 28 years and one involving a man at the age of 49 years) and showed correct detection of all 40 simulated falls with only three false alarms. Our results confirmed the sensitivity of the proposed algorithm to be 100% with a nominal false alarm rate (one false alarm per 8 h).
Źródło:
Metrology and Measurement Systems; 2015, 22, 2; 303-314
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Infrasound Signal Classification Based on ICA and SVM
Autorzy:
Lu, Quanbo
Wang, Meng
Li, Mei
Powiązania:
https://bibliotekanauki.pl/articles/31339863.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
independent component analysis
fast Fourier transform
support vector machine
infrasound signal
Opis:
A diagnostic technique based on independent component analysis (ICA), fast Fourier transform (FFT), and support vector machine (SVM) is suggested for effectively extracting signal features in infrasound signal monitoring. Firstly, ICA is proposed to separate the source signals of mixed infrasound sources. Secondly, FFT is used to obtain the feature vectors of infrasound signals. Finally, SVM is used to classify the extracted feature vectors. The approach integrates the advantages of ICA in signal separation and FFT to extract the feature vectors. An experiment is conducted to verify the benefits of the proposed approach. The experiment results demonstrate that the classification accuracy is above 98.52% and the run time is only 2.1 seconds. Therefore, the proposed strategy is beneficial in enhancing geophysical monitoring performance.
Źródło:
Archives of Acoustics; 2023, 48, 3; 191-199
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Soft Sensing Method Of LS-SVM Using Temperature Time Series For Gas Flow Measurements
Autorzy:
Xu, W.
Fan, Z.
Cai, M.
Shi, Y.
Tong, X.
Sun, J.
Powiązania:
https://bibliotekanauki.pl/articles/221824.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
gas flow
soft sensor
support vector machine (SVM)
temperature time series
Opis:
This paper proposes a soft sensing method of least squares support vector machine (LS-SVM) using temperature time series for gas flow measurements. A heater unit has been installed on the external wall of a pipeline to generate heat pulses. Dynamic temperature signals have been collected upstream of the heater unit. The temperature time series are the main secondary variables of soft sensing technique for estimating the flow rate. A LS-SVM model is proposed to construct a non-linear relation between the flow rate and temperature time series. To select its inputs, parameters of the measurement system are divided into three categories: blind, invalid and secondary variables. Then the kernel function parameters are optimized to improve estimation accuracy. The experiments have been conducted both in the single-pulse and multiple-pulse heating modes. The results show that estimations are acceptable.
Źródło:
Metrology and Measurement Systems; 2015, 22, 3; 383-392
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Water Quality Classification by Integration of Attribute-Realization and Support Vector Machine for the Chao Phraya River
Autorzy:
Sillberg, Chalisa Veesommai
Kullavanijaya, Pratin
Chavalparit, Orathai
Powiązania:
https://bibliotekanauki.pl/articles/1955579.pdf
Data publikacji:
2021
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
environmental data analysis
machine learning
SVM
support vector machine
water quality index
WQI
Opis:
The water quality index (WQI) is an essential indicator to manage water usage properly. This study aimed at applying a machine learning-based approach integrating attribute-realization (AR) and support vector machine (SVM) algorithm to classify the Chao Phraya River’s water quality. The historical monitoring dataset during 2008-2019 including biological oxygen demand (BOD), conductivity (Cond), dissolved oxygen (DO), faecal coliform bacteria (FCB), total coliform bacteria (TCB), ammonia (NH3-N), nitrate (NO3-N), salinity (Sal), suspended solids (SS), total nitrogen (TN), total dissolved solids (TDS), and turbidity (Turb), were processed via four studied steps: data pre-processing by means substituting method, contributing parameter evaluation by recognition pattern study, examination of the mathematic functions for quality classification, and validation of obtained approach. The results showed that NH3-N, TCB, FCB, BOD, DO, and Sal were the main attributes contributing orderly to water quality classification with confidence values of 0.80, 0.79, 0.78, 0.76, 0.69, and 0.64, respectively. Linear regression was the most suitable function to river water data classification than Sigmoid, Radial basis and Polynomial. The different number of attributes and mathematic functions promoted the different classification performance and accuracy. The validation confirmed that AR-SVM was a potent approach application to classify river water’s quality with 0.86-0.95 accuracy when applied three to six attributes.
Źródło:
Journal of Ecological Engineering; 2021, 22, 9; 70-86
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selection of optimal coal blends in terms of ash fusion temperatures using Support Vector Machine (SVM) classifier - a case study for Polish coals
Autorzy:
Żogała, Alina
Rzychoń, Maciej
Łączny, Jacek M.
Róg, Leokadia
Powiązania:
https://bibliotekanauki.pl/articles/110177.pdf
Data publikacji:
2019
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
coal blends
ash fusion temperature
support vector machine
principal component analysis
machine learning
Opis:
One of the most important criteria for selecting coal for a given technology are the ash Fusion temperatures (AFTs). An effective way to regulate the AFTs so that they meet the criteria for a given industrial application is to form blends of different coals. The values of the AFTs in the blends are nonadditive, therefore they can't be calculated using the weighted average of the blend components. On the other hand, direct determination of ATFs values requires many additional time-consuming and expensive laboratory tests. Therefore, it is important to develop a solution that, in addition to the effective prediction of the values of AFTs, will also enable optimal selection of components of the blend in terms of its key parameters. The aim of the work was to develop an algorithm for the selection of the optimal coal blends in terms of AFTs for given industrial applications. This algorithm uses nonlinear classifying model which was built using machine learning method, support vector machine (SVM). To carry out the training samples of Polish hard coals from different mines of the Upper Silesian Coal Basin were used. The accuracy of the developed model is 92.3%. The results indicate the effectiveness of the proposed solution, which can find practical application in the form of an expert system used in the coal industry. The paper presents the concept of developed IT tool which has been tested for a selected case.
Źródło:
Physicochemical Problems of Mineral Processing; 2019, 55, 5; 1311-1322
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Eclectic Approach to Network Service Failure Detection Based on Multicriteria Analysis with an Example of Mixing Probabilistic Context Free Grammar Models
Autorzy:
Białoń, P.
Powiązania:
https://bibliotekanauki.pl/articles/307950.pdf
Data publikacji:
2008
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
failure detection
linear separation
probabilistic context free grammars
support vector machine (SVM)
Opis:
A method of failure detection in telecommunication networks is presented. This is a meta-method that correlates alarms raised by failure-detection modules based on various philosophies. The correlation takes into account two main characteristics of each module and the whole metamethod: the percentage of false alarms and the percentage of omitted failures. The trade-off between them is tackled with aspiration-based multicriteria analysis. The alarms are correlated using linear classification by support vector machines. An example of the profitability of correlating alarms in such way is shown. This is an example of probabilistic context free grammars (PCFGs), used to model the proper runtime paths of network services (and thus usable for detecting an improper behavior of the services). It is shown that the linearly mixing PCFGs can add context handling to the PCFG model, thus augmenting the capabilities of the model.
Źródło:
Journal of Telecommunications and Information Technology; 2008, 4; 32-39
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid deep learning model-based prediction of images related to cyberbullying
Autorzy:
Elmezain, Mahmoud
Malki, Amer
Gad, Ibrahim
Atlam, El-Sayed
Powiązania:
https://bibliotekanauki.pl/articles/2142490.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
cyberbullying
ResNet50
MobileNetV2
support vector machine
cyberprzemoc
maszyna wektorów wsparcia
Opis:
Cyberbullying has become more widespread as a result of the common use of social media, particularly among teenagers and young people. A lack of studies on the types of advice and support available to victims of bullying has a negative impact on individuals and society. This work proposes a hybrid model based on transformer models in conjunction with a support vector machine (SVM) to classify our own data set images. First, seven different convolutional neural network architectures are employed to decide which is best in terms of results. Second, feature extraction is performed using four top models, namely, ResNet50, EfficientNetB0, MobileNet and Xception architectures. In addition, each architecture extracts the same number of features as the number of images in the data set, and these features are concatenated. Finally, the features are optimized and then provided as input to the SVM classifier. The accuracy rate of the proposed merged models with the SVM classifier achieved 96.05%. Furthermore, the classification precision of the proposed merged model is 99% in the bullying class and 93% in the non-bullying class. According to these results, bullying has a negative impact on students’ academic performance. The results help stakeholders to take necessary measures against bullies and increase the community’s awareness of this phenomenon.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2022, 32, 2; 323--334
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A linear Support Vector Machine solver for a large number of training examples
Autorzy:
Białoń, P.
Powiązania:
https://bibliotekanauki.pl/articles/970794.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
support vector machine (SVM)
analytic center cutting plane method
RAM volume required
Opis:
A new linear Support Vector Machine algorithm and solver are presented. The algorithm is in a twofold way well-suited for problems with a large number of training examples. First, unlike many optimization algorithms, it does not simultaneously keep all the examples in RAM and thus does not exhaust the memory (moreover, it smartly passes through disk files storing the data: two mechanisms reduce the computation time by disregarding some input data without a loss in solution quality). Second, it uses the analytical center cutting plane scheme, appearing as more efficient for hard parameter settings than the Kelley's scheme used in other solvers, like SVM_perf. The experiments with both real-life and artificial examples are described. In one of them the solver proved to be capable of solving a problem with one billion training examples. A critical analysis of the complexity of SVM_perf is given.
Źródło:
Control and Cybernetics; 2009, 38, 1; 281-300
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Pomegranate fruit quality assessment using machine intelligence and wavelet features
Autorzy:
Kumar, A.
Rajpurohit, V.S.
Jirage, B.J.
Powiązania:
https://bibliotekanauki.pl/articles/2137.pdf
Data publikacji:
2018
Wydawca:
Instytut Ogrodnictwa
Tematy:
pomegranate
Punica granatum
fruit
quality assessment
artificial neural network
support vector machine
Źródło:
Journal of Horticultural Research; 2018, 26, 1
2300-5009
Pojawia się w:
Journal of Horticultural Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessing the Shallow Water Habitat Mapping Extracted from High-Resolution Satellite Image with Multi Classification Algorithms
Autorzy:
Nandika, Muhammad Rizki
Ulfa, Azura
Ibrahim, Andi
Purwanto, Anang Dwi
Powiązania:
https://bibliotekanauki.pl/articles/8413878.pdf
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
accuracy
coral
seagrass
Maximum Likelihood
Minimum Distance
Support Vector Machine
remote sensing
Opis:
Remote sensing technology is reliable in identifying the distribution of seabed cover yet there are still challenges in retrieving the data collection of shallow water habitats than with other objects on land. Classification algorithms based on remote sensing technology have been developed for application to map benthic habitats, such as Maximum Likelihood, Minimum Distance, and Support Vector Machine. This study focuses on examining those three classification algorithms to retrieve information on the benthic habitat in Pari Island, Jakarta using visual interpretation data for classification, and data field measurements for accuracy testing. This study used five classes of benthic objects, namely sand, sand-seagrass, rubble, seagrass, and coral. The results show how the proposed approach in this study provides an overall good classification of marine habitat with an accuracy produced 63.89–81.95%. The Support Vector Machine algorithm produced the highest accuracy rate of about 81.95%. The Support Vector Machine algorithm at a very high spatial resolution is considered to be capable of identifying, monitoring, and performing the rapid assessment of benthic habitat objects.
Źródło:
Geomatics and Environmental Engineering; 2023, 17, 2; 69--87
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
System automatycznego wsparcia triażu wykorzystujący algorytm drzewa decyzyjnego i funkcję szans przeżycia
Automated triage supporting system with a decision tree algorithm and survival function
Autorzy:
Dobrowolski, Andrzej P.
Oskwarek, Paweł
Rokicki, Szymon
Wiktorzak, Paweł
Łubkowski, Piotr
Murawski, Piotr
Powiązania:
https://bibliotekanauki.pl/articles/24065020.pdf
Data publikacji:
2022
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
parametry życiowe
triaż
sieć wektorów wspierających
vital signs
triage
support vector machine
Opis:
Zdarzenia z dużą liczbą poszkodowanych są elementem nieodłącznie związanym z działaniami na polu walki. różnica między triażem stosowanym na polu walki i tym dotyczącym cywilnych wypadków o charakterze masowym wynika bezpośrednio ze specyfiki zdarzenia i założonych celów. Podczas konfliktów zbrojnych priorytetem jest zrealizowanie postawionych zadań i celów. z punktu widzenia dowodzenia misja ratowania poszkodowanych odbywa się w dużej mierze po to, by mogli oni jak najszybciej wrócić do dalszych działań - priorytetem na polu walki jest wykonanie misji, a nie ratowanie wszystkich rannych. w trakcie konfliktów zbrojnych siły i środki zawsze będą ograniczone, a ewakuacja poszkodowanych będzie musiała się odbywać wieloetapowo lub będzie wydłużona w czasie. ratownicy często mają do czynienia z przedłużającą się opieką na polu walki i są zmuszeni zajmować się rannymi dużo dłużej niż podczas cywilnych zdarzeń o charakterze masowym. implementacja nowych rozwiązań technologicznych minimalizujących potencjalny błąd ludzki, gromadzących i automatycznie analizujących dane medyczne w czasie rzeczywistym, umożliwi - szczególnie w teatrze działań wojennych - szybszą identyfikację stanu poszkodowanych i wyznaczenie priorytetów. obecnie, gdy wojna przybiera zupełnie inną formę, należy szukać rozwiązań, które dadzą szansę przeżycia rannym. Priorytetem w przypadku zdarzeń o charakterze masowym staje się jak najszybsza ocena parametrów życiowych. Pozwala to na celowane udzielenie pomocy i ma zmniejszyć śmiertelność poszkodowanych oraz dać szansę dotarcia specjalistycznej pomocy. wykorzystanie sztucznej inteligencji umożliwi zoptymalizowanie działań ratowników już na etapie docierania na miejsce zdarzenia. w artykule przedstawiono nowatorski algorytm segregacji uwzględniający wartość tzw. funkcji szans przeżycia, który jest elementem systemu wspomagania decyzji ewakuacji medycznej opartego na integracji monitoringu i analizy parametrów życiowych żołnierza z systemem zabezpieczenia medycznego.
Events with a large number of casualties are an element inherent in activities on the battlefield. The difference in the triage used on the battlefield in relation to the triage used in the case of mass civil accidents results directly from the specificity of the event and the assumed goals. during armed conflicts, the priority is to achieve the tasks and goals set. From the point of view of the command, the mission to rescue the casualties takes place largely, so that they can be restored to further operations as soon as possible - the priority on the battlefield is to complete the mission, not to rescue all the wounded. during armed conflicts, forces and resources will always be limited, and the evacuation of the victims will have to be carried out in several stages or will be extended in time. rescuers often have to deal with prolonged care on the battlefield and they are forced to deal with the wounded much longer than during mass civilian incidents. The implementation of new technological solutions that minimise potential human error, collect and automatically analyse medical data in real time, will enable us - especially in the theater of war - faster identification of the condition of the injured and setting priorities. nowadays, when war takes a completely different form, solutions should be sought that will give the wounded a chance to survive. The priority in the case of MASCAL events is the quickest possible assessment of vital parameters that allow for targeted assistance, which are intended to reduce the mortality rate of the victims, give a chance to get specialist help. The use of artificial intelligence will make it possible to optimise the activities of rescuers already at the stage of reaching the scene of the event. The article presents an innovative segregation algorithm that takes into account the value of the so-called function of survival chances, which is an element of the medical evacuation decision support system, based on the integration of monitoring and analysis of soldier’s vital signs with the medical security system.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2022, 71, 3; 31--67
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A real-valued genetic algorithm to optimize the parameters of support vector machine for classification of multiple faults in NPP
Autorzy:
Amer, F. Z.
El-Garhy, A. M.
Awadalla, M. H.
Rashad, S. M.
Abdien, A. K.
Powiązania:
https://bibliotekanauki.pl/articles/147652.pdf
Data publikacji:
2011
Wydawca:
Instytut Chemii i Techniki Jądrowej
Tematy:
support vector machine (SVM)
fault classification
multi fault classification
genetic algorithm (GA)
machine learning
Opis:
Two parameters, regularization parameter c, which determines the trade off cost between minimizing the training error and minimizing the complexity of the model and parameter sigma (σ) of the kernel function which defines the non-linear mapping from the input space to some high-dimensional feature space, which constructs a non-linear decision hyper surface in an input space, must be carefully predetermined in establishing an efficient support vector machine (SVM) model. Therefore, the purpose of this study is to develop a genetic-based SVM (GASVM) model that can automatically determine the optimal parameters, c and sigma, of SVM with the highest predictive accuracy and generalization ability simultaneously. The GASVM scheme is applied on observed monitored data of a pressurized water reactor nuclear power plant (PWRNPP) to classify its associated faults. Compared to the standard SVM model, simulation of GASVM indicates its superiority when applied on the dataset with unbalanced classes. GASVM scheme can gain higher classification with accurate and faster learning speed.
Źródło:
Nukleonika; 2011, 56, 4; 323-332
0029-5922
1508-5791
Pojawia się w:
Nukleonika
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Designing Smart Antennas Using Machine Learning Algorithms
Autorzy:
Samantaray, Barsa
Das, Kunal Kumar
Roy, Jibendu Sekhar
Powiązania:
https://bibliotekanauki.pl/articles/27312957.pdf
Data publikacji:
2023
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
artificial neural network
decision tree
ensemble algorithm
machine learning
smart antenna
support vector machine
Opis:
Smart antenna technologies improve spectral efficiency, security, energy efficiency, and overall service quality in cellular networks by utilizing signal processing algorithms that provide radiation beams to users while producing nulls for interferers. In this paper, the performance of such ML solutions as the support vector machine (SVM) algorithm, the artificial neural network (ANN), the ensemble algorithm (EA), and the decision tree (DT) algorithm used for forming the beam of smart antennas are compared. A smart antenna array made up of 10 half-wave dipoles is considered. The ANN method is better than the remaining approaches when it comes to achieving beam and null directions, whereas EA offers better performance in terms of reducing the side lobe level (SLL). The maximum SLL is achieved using EA for all the user directions. The performance of the ANN algorithm in terms of forming the beam of a smart antenna is also compared with that of the variable-step size adaptive algorithm.
Źródło:
Journal of Telecommunications and Information Technology; 2023, 4; 46--52
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparative Study of Supervised Learning Methods for Malware Analysis
Autorzy:
Kruczkowski, M.
Niewiadomska-Szynkiewicz, E.
Powiązania:
https://bibliotekanauki.pl/articles/309481.pdf
Data publikacji:
2014
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
data classification
k-Nearest Neighbors
malware analysis
Naive Bayes
support vector machine (SVM)
Opis:
Malware is a software designed to disrupt or even damage computer system or do other unwanted actions. Nowadays, malware is a common threat of the World Wide Web. Anti-malware protection and intrusion detection can be significantly supported by a comprehensive and extensive analysis of data on the Web. The aim of such analysis is a classification of the collected data into two sets, i.e., normal and malicious data. In this paper the authors investigate the use of three supervised learning methods for data mining to support the malware detection. The results of applications of Support Vector Machine, Naive Bayes and k-Nearest Neighbors techniques to classification of the data taken from devices located in many units, organizations and monitoring systems serviced by CERT Poland are described. The performance of all methods is compared and discussed. The results of performed experiments show that the supervised learning algorithms method can be successfully used to computer data analysis, and can support computer emergency response teams in threats detection.
Źródło:
Journal of Telecommunications and Information Technology; 2014, 4; 24-33
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ship maneuvering prediction using grey box framework via adaptive RM-SVM with minor rudder
Autorzy:
Me, Bin
Sun, Licheng
Shi, Guoyou
Liu, Xiaodong
Powiązania:
https://bibliotekanauki.pl/articles/259458.pdf
Data publikacji:
2019
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
ship maneuvering
reference model
linear support vector machine
grey box framework
similarity rule
Opis:
A grey box framework is applied to model ship maneuvering by using a reference model (RM) and a support vector machine (SVM) (RM-SVM). First, the nonlinear characteristics of the target ship are determined using the RM and the similarity rule. Then, the linear SVM adaptively fits the errors between acceleration variables of RM and target ship. Finally, the accelerations of the target ship are predicted using RM and linear SVM. The parameters of the RM are known and conveniently acquired, thus avoiding the modeling process. The SVM has the advantages of fast training, quick simulation, and no overfitting. Testing and validation are conducted using the ship model test data. The test case reveals the practicability of the RF-SVM based modeling method, while the validation cases confirm the generalization ability of the grey box framework.
Źródło:
Polish Maritime Research; 2019, 3; 115-127
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of protein subcellular localization using support vector machine with the choice of proper kernel
Autorzy:
Hasan, M.A.M.
Ahmad, S.
Molla, M.K.I.
Powiązania:
https://bibliotekanauki.pl/articles/81150.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
subcellular localization
protein
prediction
support vector machine
model selection
kernel
radial base function
Źródło:
BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology; 2017, 98, 2
0860-7796
Pojawia się w:
BioTechnologia. Journal of Biotechnology Computational Biology and Bionanotechnology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
IoT based Automated Plant Disease Classification using Support Vector Machine
Autorzy:
Mewada, Hiren
Patoliaya, Jignesh
Powiązania:
https://bibliotekanauki.pl/articles/1844497.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
plant disease classification
support vector machine
graph cut
gray-level co-occurance matrix
Opis:
Leaf - a significant part of the plant, produces food using the process called photosynthesis. Leaf disease can cause damage to the entire plant and eventually lowers crop production. Machine learning algorithm for classifying five types of diseases, such as Alternaria leaf diseases, Bacterial Blight, Gray Mildew, Leaf Curl and Myrothecium leaf diseases, is proposed in the proposed study. The classification of diseases needs front face of leafs. This paper proposes an automated image acquisition process using a USB camera interfaced with Raspberry PI SoC. The image is transmitted to host PC for classification of diseases using online web server. Pre-processing of the acquired image by host PC to obtain full leaf, and later classification model based on SVM is used to detect type diseases. Results were checked with a 97% accuracy for the collection of acquired images.
Źródło:
International Journal of Electronics and Telecommunications; 2021, 67, 3; 517-522
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Learning System by the Least Squares Support Vector Machine Method and its Application in Medicine
Autorzy:
Szewczyk, P.
Baszun, M.
Powiązania:
https://bibliotekanauki.pl/articles/307897.pdf
Data publikacji:
2011
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
classification
Grid-Search
particle swarm optimization (PSO)
patients diagnosis
support vector machine (SVM)
Opis:
In the paper it has been presented the possibility of using the least squares support vector machine to the initial diagnosis of patients. In order to find some optimal parameters making the work of the algorithm more detailed, the following techniques have been used: K-fold Cross Validation, Grid-Search, Particle Swarm Optimization. The result of the classification has been checked by some labels assigned by an expert. The created system has been tested on the artificially made data and the data taken from the real database. The results of the computer simulations have been presented in two forms: numerical and graphic. All the algorithms have been implemented in the C# language.
Źródło:
Journal of Telecommunications and Information Technology; 2011, 3; 109-113
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Mining Data of Noisy Signal Patterns in Recognition of Gasoline Bio-Based Additives using Electronic Nose
Autorzy:
Osowski, S.
Siwek, K.
Powiązania:
https://bibliotekanauki.pl/articles/220792.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
data mining
electronic nose
gasoline blends
random forest
support vector machine
wavelet denoising
Opis:
The paper analyses the distorted data of an electronic nose in recognizing the gasoline bio-based additives. Different tools of data mining, such as the methods of data clustering, principal component analysis, wavelet transformation, support vector machine and random forest of decision trees are applied. A special stress is put on the robustness of signal processing systems to the noise distorting the registered sensor signals. A special denoising procedure based on application of discrete wavelet transformation has been proposed. This procedure enables to reduce the error rate of recognition in a significant way. The numerical results of experiments devoted to the recognition of different blends of gasoline have shown the superiority of support vector machine in a noisy environment of measurement.
Źródło:
Metrology and Measurement Systems; 2017, 24, 1; 27-44
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Real time motion compensation technology based on least square support vector machine prediction
Autorzy:
Song, Zhehan
Feng, Huajun
Xu, Zhihai
Li, Qi
Powiązania:
https://bibliotekanauki.pl/articles/2086762.pdf
Data publikacji:
2022
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
motion compensation
motion prediction
dual-resolution camera system
least square support vector machine
Opis:
When cameras are used in aerial photography, satellite imaging or other scenes, the motion of the observational target causes image blur. The corresponding motion compensation systems often present some response delay. Thus, we introduce effective and fast motion prediction for the target to achieve steady real-time motion compensation. We first analyze the target motion states to propose a fast and robust prediction method based on the least square support vector machine algorithm. Then, we evaluate the performance between ours and other state-of-the-art methods through experiments. Experimental results confirm that the proposed method provides a fast and robust prediction for target motion. At last, we embed our method with dual-resolution camera system to perform high-quality motion compensation effect in real time.
Źródło:
Optica Applicata; 2022, 52, 2; 259--272
0078-5466
1899-7015
Pojawia się w:
Optica Applicata
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of data mining techniques to predict and map the Atterberg limits in central plateau of Iran
Autorzy:
Amin, Peyman
Taghizadeh-Mehrjardi, Ruhollah
Akbarzadeh, Ali
Shirmardi, Mostafa
Powiązania:
https://bibliotekanauki.pl/articles/762833.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
Tematy:
Atterberg limits, artificial bee colony, artificial neural networks, support vector machine, regression tree
Opis:
The Atterberg limits display soil mechanical behavior and, therefore, can be so important for topics related to soil management. The aim of the research was to investigate the spatial variability of the Atterberg limits using three most common digital soil-mapping techniques, the pool of easy-to-obtain environmental variables and 85 soil samples in central Iran. The results showed that the maximum amount of liquid limit (LL) and plastic limit (PL) were obtained in the central, eastern and southeastern parts of the study area where the soil textural classes were loam and clay loam. The minimum amount of LL and PL were related to the northwestern parts of the study area, adjacent to the mountain regions, where the samples had high levels of sand content (>80%). The ranges of plasticity index (PI) in the study area were obtained between 0.01 to 4%. According to the leave-in-out cross-validation method, it should be highlighted the combination of artifiial bee colony algorithm (ABC) and artifiial neural network (ANN) techniques were the best model to predict the Atterberg limits in the study area, compared to the support vector machine and regression tree model. For instance, ABC-ANN could predict PI with RMSE, R2 and ME of 0.23, 0.91 and -0.03, respectively. Our fiding generally indicated that the proposed method can explain the most of variations of the Atterberg limits in the study area, and it could berecommended, therefore, as an indirect approach to assess soil mechanical properties in the arid regions, where the soil survey/sampling is difficult to undertake.
Źródło:
Polish Journal of Soil Science; 2018, 51, 2
0079-2985
Pojawia się w:
Polish Journal of Soil Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie maszyny wektorów nośnych w sterowaniu sygnalizacją świetlną
Application of support vector machine in a traffic lights control
Autorzy:
Całuch, Artur
Cieślikowski, Adam
Plechawska-Wójcik, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/98085.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Instytut Informatyki
Tematy:
uczenie maszynowe
symulator ruchu ulicznego
maszyna wektorów nośnych
machine learning
traffic simulator
support vector machine
Opis:
Niniejszy artykuł przedstawia proces dostosowania parametrów modelu maszyny wektorów nośnych, który posłuży do zbadania wpływu wartości parametru długości cyklu sygnalizacji świetlnej na jakość ruchu. Badania przeprowadzono z użyciem danych pozyskanych w trakcie przeprowadzonych symulacji w autorskim symulatorze ruchu ulicznego. W artykule przedstawiono i omówiono wyniki poszukiwania optymalnej wartości parametru długości cyklu sygnalizacji świetlnej.
This article presents the process of adapting support vector machine model’s parameters used for studying the effect of traffic light cycle length parameter’s value on traffic quality. The survey is carried out using data collected during running simulations in author’s traffic simulator. The article shows results of searching for optimum traffic light cycle length parameter’s value.
Źródło:
Journal of Computer Sciences Institute; 2020, 14; 37-42
2544-0764
Pojawia się w:
Journal of Computer Sciences Institute
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A comparative study on performance of basic and ensemble classifiers with various datasets
Autorzy:
Gunakala, Archana
Shahid, Afzal Hussain
Powiązania:
https://bibliotekanauki.pl/articles/30148255.pdf
Data publikacji:
2023
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
classification
Naïve Bayes
neural network
Support Vector Machine
Decision Tree
ensemble learning
Random Forest
Opis:
Classification plays a critical role in machine learning (ML) systems for processing images, text and high -dimensional data. Predicting class labels from training data is the primary goal of classification. An optimal model for a particular classification problem is chosen based on the model's performance and execution time. This paper compares and analyzes the performance of basic as well as ensemble classifiers utilizing 10-fold cross validation and also discusses their essential concepts, advantages, and disadvantages. In this study five basic classifiers namely Naïve Bayes (NB), Multi-layer Perceptron (MLP), Support Vector Machine (SVM), Decision Tree (DT), and Random Forest (RF) and the ensemble of all the five classifiers along with few more combinations are compared with five University of California Irvine (UCI) ML Repository datasets and a Diabetes Health Indicators dataset from Kaggle repository. To analyze and compare the performance of classifiers, evaluation metrics like Accuracy, Recall, Precision, Area Under Curve (AUC) and F-Score are used. Experimental results showed that SVM performs best on two out of the six datasets (Diabetes Health Indicators and waveform), RF performs best for Arrhythmia, Sonar, Tic-tac-toe datasets, and the best ensemble combination is found to be DT+SVM+RF on Ionosphere dataset having respective accuracies 72.58%, 90.38%, 81.63%, 73.59%, 94.78% and 94.01%. The proposed ensemble combinations outperformed the conven¬tional models for few datasets.
Źródło:
Applied Computer Science; 2023, 19, 1; 107-132
1895-3735
2353-6977
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Impact of the COVID-19 pandemic on the expression of emotions in social media
Autorzy:
Ghosh, Debabrata
Powiązania:
https://bibliotekanauki.pl/articles/2027766.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Classification
COVID-19
Emotion
Emotion analysis
Naïve Bayes
Pandemic
Random Forest
Support Vector Machine
Opis:
In the age of social media, every second thousands of messages are exchanged. Analyzing those unstructured data to find out specific emotions is a challenging task. Analysis of emotions involves evaluation and classification of text into emotion classes such as Happy, Sad, Anger, Disgust, Fear, Surprise, as defined by emotion dimensional models which are described in the theory of psychology (www 1; Russell, 2005). The main goal of this paper is to cover the COVID-19 pandemic situation in India and its impact on human emotions. As people very often express their state of the mind through social media, analyzing and tracking their emotions can be very effective for government and local authorities to take required measures. We have analyzed different machine learning classification models, such as Naïve Bayes, Support Vector Machine, Random Forest Classifier, Decision Tree and Logistic Regression with 10-fold cross validation to find out top ML models for emotion classification. After tuning the Hyperparameter, we got Logistic regression as the best suited model with accuracy 77% with the given datasets. We worked on algorithm based supervised ML technique to get the expected result. Although multiple studies were conducted earlier along the same lines, none of them performed comparative study among different ML techniques or hyperparameter tuning to optimize the results. Besides, this study has been done on the dataset of the most recent COVID-19 pandemic situation, which is itself unique. We captured Twitter data for a duration of 45 days with hashtag #COVID19India OR #COVID19 and analyzed the data using Logistic Regression to find out how the emotion changed over time based on certain social factors
Źródło:
Multiple Criteria Decision Making; 2020, 15; 23-35
2084-1531
Pojawia się w:
Multiple Criteria Decision Making
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of energy market using data mining methods
Analiza rynku energetycznego z wykorzystaniem metod 'data mining'
Autorzy:
Golebiewska, B.
Trajer, J.
Powiązania:
https://bibliotekanauki.pl/articles/792248.pdf
Data publikacji:
2013
Wydawca:
Komisja Motoryzacji i Energetyki Rolnictwa
Tematy:
energy market
electricity production
Polska
data mining
forecasting
neural network
support vector machine
analysis
Źródło:
Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2013, 13, 1
1641-7739
Pojawia się w:
Teka Komisji Motoryzacji i Energetyki Rolnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Artificial intelligence-based hybrid forecasting models for manufacturing systems
Autorzy:
Rosienkiewicz, Maria
Powiązania:
https://bibliotekanauki.pl/articles/1841698.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
artificial neural network
support vector machine
extreme learning machine
hybrid forecasting
production planning
maintenance
quality control
Opis:
The paper addresses the problem of forecasting in manufacturing systems. The main aim of the research is to propose new hybrid forecasting models combining artificial intelligencebased methods with traditional techniques based on time series – namely: Hybrid econometric model, Hybrid artificial neural network model, Hybrid support vector machine model and Hybrid extreme learning machine model. The study focuses on solving the problem of limited access to independent variables. Empirical verification of the proposed models is built upon real data from the three manufacturing system areas – production planning, maintenance and quality control. Moreover, in the paper, an algorithm for the forecasting accuracy assessment and optimal method selection for industrial companies is introduced. It can serve not only as an efficient and costless tool for advanced manufacturing companies willing to select the right forecasting method for their particular needs but also as an approach supporting the initial steps of transformation towards smart factory and Industry 4.0 implementation.
Źródło:
Eksploatacja i Niezawodność; 2021, 23, 2; 263-277
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Accuracy Analysis Comparison of Supervised Classification Methods for Mapping Land Cover Using Sentinel 2 Images in the Al‑Hawizeh Marsh Area, Southern Iraq
Autorzy:
Alwan, Imzahim A.
Aziz, Nadia A.
Powiązania:
https://bibliotekanauki.pl/articles/1838006.pdf
Data publikacji:
2021
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
land cover mapping
Sentinel 2
supervised classification
maximum likelihood
Support Vector Machine (SVM)
confusion matrix
Opis:
Land cover mapping of marshland areas from satellite images data is not a simple process, due to the similarity of the spectral characteristics of the land cover. This leads to challenges being encountered with some land covers classes, especially in wetlands classes. In this study, satellite images from the Sentinel 2B by ESA (European Space Agency) were used to classify the land cover of Al Hawizeh marsh/Iraq Iran border. Three classification methods were used aimed at comparing their accuracy, using multispectral satellite images with a spatial resolution of 10 m. The classification process was performed using three different algorithms, namely: Maximum Likelihood Classification (MLC), Artificial Neural Networks (ANN), and Support Vector Machine (SVM). The classification algorithms were carried out using ENVI 5.1 software to detect six land cover classes: deep water marsh, shallow water marsh, marsh vegetation (aquatic vegetation), urban area (built up area), agriculture area, and barren soil. The results showed that the MLC method applied to Sentinel 2B images provides a higher overall accuracy and the kappa coefficient compared to the ANN and SVM methods. Overall accuracy values for MLC, ANN, and SVM methods were 85.32%, 70.64%, and 77.01% respectively.
Źródło:
Geomatics and Environmental Engineering; 2021, 15, 1; 5-21
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie maszyny wektorów wspierających (SVM) do klasyfikacji sygnału EEG na użytek interfejsu mózg-komputer
Implementation of support vector machine for classification of EEG signal for brain-computer interface
Autorzy:
Kołodziej, M.
Majkowski, A.
Rak, R. J.
Powiązania:
https://bibliotekanauki.pl/articles/155968.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
BCI
interfejs mózg-komputer
EEG
maszyna wektorów wspierających
SVM
brain-computer interface
support vector machine
Opis:
W artykule przedstawiono wykorzystanie maszyny wektorów wspierających (SVM) na użytek interfejsów mózg-komputer (BCI). W opracowanych algorytmach jako cechy sygnału EEG wykorzystano jego wariancję. Przedstawiono wyniki badań związanych z wykorzystaniem sieci SVM jako klasyfikatora. Eksperymenty przeprowadzono przy użyciu różnego rodzaju funkcji jądra.
Implementing communication between man and machine by use of EEG signals is one of the biggest challenges in the signal theory. Such communication could improve the standard of living of people with severe motor disabilities. Some disable persons cannot move, however they can think about moving their arms, legs and this way produce stable motor-related EEG signals. These signals can be used to construct BCI systems. However, the proper interpretation of the EEG signals is a very difficult task. There are three main stages in EEG signal analysis: feature extraction, feature selection and classification. The main aim of the paper is to implement a support vector machine as a classifier for the brain-computer interface. The proposed algorithm uses the EEG signal variance in the frequency range 8-30Hz. Experiments were conducted with use of different kernel functions for the SVM classifier. The best results were achieved for the quadratic polynomial kernel function. The classification error for testing data was 0.13.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 12, 12; 1546-1548
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction model of public houses’ heating systems:a comparison of support vector machine methodand random forest method
Model prognozowania systemów grzewczych budynków użyteczności publicznej: porównanie metody support vector machine i random forest
Autorzy:
Perekrest, Andrii
Chenchevoi, Vladimir
Chencheva, Olga
Kovalenko, Alexandr
Kushch-Zhyrko, Mykhailo
Kalizhanova, Aliya
Amirgaliyev, Yedilkhan
Powiązania:
https://bibliotekanauki.pl/articles/2174707.pdf
Data publikacji:
2022
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
building heat supply
random forest
support vector machine
zaopatrzenie w ciepło budynku
metoda wektorów wspierających
Opis:
Data analysis and predicting play an important role in managing heat-supplying systems. Applying the models of predicting the systems’ parameters is possible for qualitative management, accepting appropriate decisions relating control that will be aimed at increasing energy efficiency and decreasing the amount of the consumed power source, diagnosing and defining non-typical processes in the functioning of the systems. The article deals with comparing two methods of ma-chine learning: random forest (RF) and support vector machine (SVM) for predicting the temperature of the heat-carrying agent in the heating system based on the data of electronic weather-dependent controller. The authors use the following parameters to compare the models: accuracy, source cost and the opportunity to interpret the results and non-obvious interrelations. The time spent for defining the optimal hyperparameters and conducting the SVM model training is deter-mined to exceed significantly the data of the RF parameter despite the close meanings of the root mean square error (RMSE). The change from 15-min data to once-a-minute ones is done to improve the RF model accuracy. RMSE of the RF model on the test data equals 0.41°С. The article studies the importance of the contribution of variables to the prediction accuracy.
Analiza danych i prognozowanie odgrywają ważną rolę w zarządzaniu systemami zaopatrzenia w ciepło. Wykorzystanie modeli do przewidywania parametrów systemu jest możliwe do zarządzania jakością, podejmowania odpowiednich decyzji sterujących, które będą miały na celu poprawę efektywności energetycznej i zmniejszenie ilości zużywanego źródła energii elektrycznej, diagnozowania i wykrywania nietypowych procesów w funkcjonowaniu systemu. W artykule porównano dwie metody uczenia maszynowego: Random Forest (RF) i Support Vector Machine (SVM) do przewidywania temperatury czynnika grzewczego w systemie grzewczym na podstawie danych elektronicznego regulatora pogodowego. Do porównania modeli autorzy wykorzystują następujące parametry: dokładność, koszt początkowy oraz możliwość interpretacji wyników i nieoczywistych zależności. Ustalono, że czas poświęcony na wyznaczenie optymalnych hiperparametrów i wytrenowanie modelu SVM znacznie przekracza dane parametru RF, pomimo zbliżonych wartości błędu średniokwadratowego (RMSE). Zmiana z danych 15-minutowych na dane raz na minutę została dokonana w celu poprawy dokładności modelu RF. RMSE modelu RF z danych testowych wynosi 0,41°C. W pracy zbadano znaczenie wkładu zmiennych w dokładność prognozy.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2022, 12, 3; 34--39
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multisensoryczny detektor upadków wykorzystujący dyskretną dekompozycję falkową oraz klasyfikator SVM
A multisensor fall detector using the discrete wavelet decomposition and SVM classifier
Autorzy:
Wójtowicz, B.
Dobrowolski, A. P.
Powiązania:
https://bibliotekanauki.pl/articles/154406.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
detekcja upadków
fuzja sensoryczna
sieć wektorów podtrzymujących
fall detection
data fusion
support vector machine (SVM)
Opis:
W artykule zaprezentowano wyniki badań opracowanego mechanizmu detekcji upadków. Wysoką niezawodność oraz niski poziom fałszywych alarmów uzyskano w wyniku zastosowania czterech niezależnych sensorów różnych wielkości fizycznych oraz wyrafinowanych metod przetwarzania sygnałów i eksploracji danych. Przeprowadzone badania pozwalają na stwierdzenie, że pominięcie znaku deskryptorów znacznie poprawia skuteczność prawidłowej klasyfikacji upadków. Z tego powodu w dalszych pracach zostanie przyjęty algorytm wykorzystujący wartości bezwzględne wyznaczanych cech. W trakcie badań zaobserwowano, że zwiększanie liczby cech użytych w procesie uczenia oraz testowania nie prowadzi do zwiększenia jakości klasyfikacji. Wynika stąd potrzeba dobrania optymalnej liczby deskryptorów. Dlatego istotnym warunkiem poprawy skuteczności systemu jest przeprowadzenie właściwej selekcji cech, co jest głównym celem kolejnego etapu badań.
The paper presents the results of research on a fall detection algorithm. The high reliability and a low level of false alarms were obtained by the use of four independent sensors of various physical quantities as well as sophisticated methods of signal processing and data mining. The algorithm was implemented and tested in Matlab. It was based on the discrete wavelet transform and a support vectors machine. The source of the data was processed by the detector presented in [5, 6]. The device integrates four MEMS sensors. It includes an atmospheric pressure sensor and three triaxial sensors, such as an accelerometer, a gyroscope and a magnetometer. The signal from each of the available sensors was sampled at a frequency of 25 Hz. The processed and analyzed frame had the length of 100 samples, which equaled four-second registration. The scheme of the measurement system is shown in Figure 3. The obtained findings were the basis for the presentation of each sensor in the field of ROC curves in two variants (taking into account an extracted feature with the sign and with its omission). Definitely, better results were obtained using the absolute values of the descriptors in the process of learning/testing. The best results of fall detection were received for a gyroscope and an accelerometer, followed by a magnetometer and a barometric pressure sensor. From the studies one can draw a conclusion that the omission of the sign descriptors significantly improves the correct classification of falls. For this reason, in further work there will be adopted an algorithm using the absolute values of extracted features. During the study it was observed that the increase in the number of features used in learning and testing did not lead to the increase in the quality of classification. This calls for the selection of the optimum number of descriptors. Therefore, an important prerequisite to improve the efficiency of the system is a proper feature selection, which is the main objective of the next stage of investigations. In further research, we plan to implement the data fusion algorithm in order to increase the effectiveness of the mechanisms developed.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 9, 9; 729-732
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An analog linear SVM image classifier
Autorzy:
Festila, L.
Szolga, L. A.
Groza, R.
Hintea, S.
Cirlugea, M.
Powiązania:
https://bibliotekanauki.pl/articles/385015.pdf
Data publikacji:
2009
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
support vector machine (SVM)
analog multipliers
log-domain th domain
square-root domain
image classifier
Opis:
A linear Support Vector machine classifier is proposed in this paper. In such SVM architectures based on multiplying laws the main building blocks are multipliers. We propose in this paper multiplying and weighting cells, developed by using a model consisting of a compound of two inverse non-linear functions. This procedure is suitable for VLSI implementation because it permits the use of simple nonlinearized standard log-domain or DA cells that compensate each other nonlinearities to obtain an extended domain of operation. Current-mode ELIN (externally linear internally nonlinear) design is used for its low voltage, low power and high speed characteristics. The resulted parallel-serial classifier was simulated taking into account real parameters of transistors in BICMOS technology.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2009, 3, 2; 82-87
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Machine Learning Model for Improving Building Detection in Informal Areas: A Case Study of Greater Cairo
Autorzy:
Taha, Lamyaa Gamal El-deen
Ibrahim, Rania Elsayed
Powiązania:
https://bibliotekanauki.pl/articles/2055780.pdf
Data publikacji:
2022
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
multi-source image fusion
random forest
support vector machine
DEM extraction
unplanned unsafe areas
remote sensing
Opis:
Building detection in Ashwa’iyyat is a fundamental yet challenging problem, mainly because it requires the correct recovery of building footprints from images with high-object density and scene complexity. A classification model was proposed to integrate spectral, height and textural features. It was developed for the automatic detection of the rectangular, irregular structure and quite small size buildings or buildings which are close to each other but not adjoined. It is intended to improve the precision with which buildings are classified using scikit learn Python libraries and QGIS. WorldView-2 and Spot-5 imagery were combined using three image fusion techniques. The Grey-Level Co-occurrence Matrix was applied to determine which attributes are important in detecting and extracting buildings. The Normalized Digital Surface Model was also generated with 0.5-m resolution. The results demonstrated that when textural features of colour images were introduced as classifier input, the overall accuracy was improved in most cases. The results show that the proposed model was more accurate and efficient than the state-of-the-art methods and can be used effectively to extract the boundaries of small size buildings. The use of a classifier ensample is recommended for the extraction of buildings.
Źródło:
Geomatics and Environmental Engineering; 2022, 16, 2; 39--58
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multiple-instance learning with pairwise instance similarity
Autorzy:
Yuan, L.
Liu, J.
Tang, X.
Powiązania:
https://bibliotekanauki.pl/articles/330821.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
multiple instance learning
instance selection
similarity
support vector machine (SVM)
uczenie maszynowe
podobieństwo
metoda wektorów wspomagających
Opis:
Multiple-Instance Learning (MIL) has attracted much attention of the machine learning community in recent years and many real-world applications have been successfully formulated as MIL problems. Over the past few years, several Instance Selection-based MIL (ISMIL) algorithms have been presented by using the concept of the embedding space. Although they delivered very promising performance, they often require long computation times for instance selection, leading to a low efficiency of the whole learning process. In this paper, we propose a simple and efficient ISMIL algorithm based on the similarity of pairwise instances within a bag. The basic idea is selecting from every training bag a pair of the most similar instances as instance prototypes and then mapping training bags into the embedding space that is constructed from all the instance prototypes. Thus, the MIL problem can be solved with the standard supervised learning techniques, such as support vector machines. Experiments show that the proposed algorithm is more efficient than its competitors and highly comparable with them in terms of classification accuracy. Moreover, the testing of noise sensitivity demonstrates that our MIL algorithm is very robust to labeling noise.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2014, 24, 3; 567-577
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efficiency of linear and non-linear classifiers for gas identification from electrocatalytic gas sensor
Autorzy:
Kalinowski, P.
Woźniak, Ł.
Strzelczyk, A.
Jasinski, P.
Jasinski, G.
Powiązania:
https://bibliotekanauki.pl/articles/221796.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
electrocatalytic sensor
cyclic voltammetry
data pre-processing
support vector machine (SVM)
Partial Least Squares Discriminant Analysis
Opis:
Electrocatalytic gas sensors belong to the family of electrochemical solid state sensors. Their responses are acquired in the form of I-V plots as a result of application of cyclic voltammetry technique. In order to obtain information about the type of measured gas the multivariate data analysis and pattern classification techniques can be employed. However, there is a lack of information in literature about application of such techniques in case of standalone chemical sensors which are able to recognize more than one volatile compound. In this article we present the results of application of these techniques to the determination from a single electrocatalytic gas sensor of single concentrations of nitrogen dioxide, ammonia, sulfur dioxide and hydrogen sulfide. Two types of classifiers were evaluated, i.e. linear Partial Least Squares Discriminant Analysis (PLS-DA) and nonlinear Support Vector Machine (SVM). The efficiency of using PLS-DA and SVM methods are shown on both the raw voltammetric sensor responses and pre-processed responses using normalization and auto-scaling.
Źródło:
Metrology and Measurement Systems; 2013, 20, 3; 501-512
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Novel Approach To Diagnosis Of Analog Circuit Incipient Faults Based On KECA And OAO LSSVM
Autorzy:
Zhang, C.
He, Y.
Zuo, L.
Wang, J.
He, W.
Powiązania:
https://bibliotekanauki.pl/articles/221378.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
analog circuits
incipient fault diagnosis
wavelet transform
kernel entropy component analysis
least squares support vector machine
Opis:
Correct incipient identification of an analog circuit fault is conducive to the health of the analog circuit, yet very difficult. In this paper, a novel approach to analog circuit incipient fault identification is presented. Time responses are acquired by sampling outputs of the circuits under test, and then the responses are decomposed by the wavelet transform in order to generate energy features. Afterwards, lower-dimensional features are produced through the kernel entropy component analysis as samples for training and testing a one-against-one least squares support vector machine. Simulations of the incipient fault diagnosis for a Sallen-Key band-pass filter and a two-stage four-op-amp bi-quad low-pass filter demonstrate the diagnosing procedure of the proposed approach, and also reveal that the proposed approach has higher diagnosis accuracy than the referenced methods.
Źródło:
Metrology and Measurement Systems; 2015, 22, 2; 251-262
0860-8229
Pojawia się w:
Metrology and Measurement Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Support Vector Machine based Decoding Algorithm for BCH Codes
Autorzy:
Sudharsan, V.
Yamuna, B.
Powiązania:
https://bibliotekanauki.pl/articles/958048.pdf
Data publikacji:
2016
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
BCH codes
Chase-2 algorithm
coding gain
kernel
multi-class classification
Soft Decision Decoding
Support Vector Machine
Opis:
Modern communication systems require robust, adaptable and high performance decoders for efficient data transmission. Support Vector Machine (SVM) is a margin based classification and regression technique. In this paper, decoding of Bose Chaudhuri Hocquenghem codes has been approached as a multi-class classification problem using SVM. In conventional decoding algorithms, the procedure for decoding is usually fixed irrespective of the SNR environment in which the transmission takes place, but SVM being a machinelearning algorithm is adaptable to the communication environment. Since the construction of SVM decoder model uses the training data set, application specific decoders can be designed by choosing the training size efficiently. With the soft margin width in SVM being controlled by an equation, which has been formulated as a quadratic programming problem, there are no local minima issues in SVM and is robust to outliers.
Źródło:
Journal of Telecommunications and Information Technology; 2016, 2; 108-112
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using the one-versus-rest strategy with samples balancing to improve pairwise coupling classification
Autorzy:
Chmielnicki, W.
Stąpor, K.
Powiązania:
https://bibliotekanauki.pl/articles/330749.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
multiclass classification
pairwise coupling
problem decomposition
support vector machine (SVM)
klasyfikacja wieloklasowa
rozkład problemu
maszyna wektorów wspierających
Opis:
The simplest classification task is to divide a set of objects into two classes, but most of the problems we find in real life applications are multi-class. There are many methods of decomposing such a task into a set of smaller classification problems involving two classes only. Among the methods, pairwise coupling proposed by Hastie and Tibshirani (1998) is one of the best known. Its principle is to separate each pair of classes ignoring the remaining ones. Then all objects are tested against these classifiers and a voting scheme is applied using pairwise class probability estimates in a joint probability estimate for all classes. A closer look at the pairwise strategy shows the problem which impacts the final result. Each binary classifier votes for each object even if it does not belong to one of the two classes which it is trained on. This problem is addressed in our strategy. We propose to use additional classifiers to select the objects which will be considered by the pairwise classifiers. A similar solution was proposed by Moreira and Mayoraz (1998), but they use classifiers which are biased according to imbalance in the number of samples representing classes.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2016, 26, 1; 191-201
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A primal sub-gradient method for structured classification with the averaged sum loss
Autorzy:
Mančev, D.
Todorović, B.
Powiązania:
https://bibliotekanauki.pl/articles/331050.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
structured classification
support vector machine (SVM)
subgradient method
sequence labeling
klasyfikacja strukturalna
maszyna wektorów nośnych
rozpoznawanie wzorca
Opis:
We present a primal sub-gradient method for structured SVM optimization defined with the averaged sum of hinge losses inside each example. Compared with the mini-batch version of the Pegasos algorithm for the structured case, which deals with a single structure from each of multiple examples, our algorithm considers multiple structures from a single example in one update. This approach should increase the amount of information learned from the example. We show that the proposed version with the averaged sum loss has at least the same guarantees in terms of the prediction loss as the stochastic version. Experiments are conducted on two sequence labeling problems, shallow parsing and part-of-speech tagging, and also include a comparison with other popular sequential structured learning algorithms.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2014, 24, 4; 917-930
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling Microcystis Cell Density in a Mediterranean Shallow Lake of Northeast Algeria (Oubeira Lake), Using Evolutionary and Classic Programming
Autorzy:
Arif, Salah
Djellal, Adel
Djebbari, Nawel
Belhaoues, Saber
Touati, Hassen
Guellati, Fatma Zohra
Bensouilah, Mourad
Powiązania:
https://bibliotekanauki.pl/articles/2174666.pdf
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
microcystis cell density
Multiple Linear Regression
Support Vector Machine
Particle Swarm Optimization
Genetic Algorithm
Bird Swarm Algorithm
Opis:
Caused by excess levels of nutrients and increased temperatures, freshwater cyanobacterial blooms have become a serious global issue. However, with the development of artificial intelligence and extreme learning machine methods, the forecasting of cyanobacteria blooms has become more feasible. We explored the use of multiple techniques, including both statistical [Multiple Regression Model (MLR) and Support Vector Machine (SVM)] and evolutionary [Particle Swarm Optimization (PSO), Genetic Algorithm (GA), and Bird Swarm Algorithm (BSA)], to approximate models for the prediction of Microcystis density. The data set was collected from Oubeira Lake, a natural shallow Mediterranean lake in the northeast of Algeria. From the correlation analysis of ten water variables monitored, six potential factors including temperature, ammonium, nitrate, and ortho-phosphate were selected. The performance indices showed; MLR and PSO provided the best results. PSO gave the best fitness but all techniques performed well. BSA had better fitness but was very slow across generations. PSO was faster than the other techniques and at generation 20 it passed BSA. GA passed BSA a little further, at generation 50. The major contributions of our work not only focus on the modelling process itself, but also take into consideration the main factors affecting Microcystis blooms, by incorporating them in all applied models.
Źródło:
Geomatics and Environmental Engineering; 2023, 17, 2; 31--68
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A novel approach for automatic detection and classification of suspicious lesions in breast ultrasound images
Autorzy:
Karimi, B.
Krzyżak, A.
Powiązania:
https://bibliotekanauki.pl/articles/91890.pdf
Data publikacji:
2013
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
automatic detection
classification
breast cancer
cancer lesions
ultrasound images
AdaBoost
artificial neural network
Fuzzy Support Vector Machine
Opis:
In this research, a new method for automatic detection and classification of suspected breast cancer lesions using ultrasound images is proposed. In this fully automated method, de-noising using fuzzy logic and correlation among ultrasound images taken from different angles is used. Feature selection using combination of sequential backward search, sequential forward search and distance-based methods is obtained. A new segmentation method based on automatic selection of seed points and region growing is proposed and classification of lesions into two malignant and benign classes using combination of AdaBoost, Artificial Neural Network and Fuzzy Support Vector Machine classifiers and majority voting is implemented.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 4; 265-276
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Use of machine learning algorithm for the better prediction of SR peculiarities of WEDM of Nimonic-90 superalloy
Autorzy:
Singh Nain, S.
Sai, R.
Sihag, P.
Vambol, S.
Vambol, V.
Powiązania:
https://bibliotekanauki.pl/articles/378951.pdf
Data publikacji:
2019
Wydawca:
Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
Tematy:
support vector machine
Gaussian process
artificial neural network
WEDM
maszyna wektorów nośnych
proces gaussowski
sztuczna sieć neuronowa
Opis:
Purpose: With the end goal to fulfil stringent structural shape of the component in aeronautics industry, machining of Nimonic-90 super alloy turns out to be exceptionally troublesome and costly by customary procedures, for example, milling, grinding, turning, etc. For that reason, the manufacture and design engineer worked on contactless machining process like EDM and WEDM. Based on previous studies, it has been observed that rare research work has been published pertaining to the use of machine learning in manufacturing. Therefore the current research work proposed the use of SVM, GP and ANN methods to evaluate the WEDM of Nimonic-90. Design/methodology/approach: The experiments have been performed on the WEDM considering five process variables. The Taguchi L 18 mixed type array is used to formulate the experimental plan. The surface roughness is checked by using surface contact profilometre. The evolutionary algorithms like SVM, GP and ANN approaches have been used to evaluate the SR of WEDM of Nimonic-90 super alloy. Findings: The entire models present the significant results for the better prediction of SR peculiarities of WEDM of Nimonic-90 superalloy. The GP PUK kernel model is dominating the entire model. Research limitations/implications: The investigation was carried for the Nimonic-90 super alloy is selected as a work material. Practical implications: The results of this study provide an opportunity to conduct contactless processing superalloy Nimonic-90. At the same time, this contactless process is much cheaper, faster and more accurate. Originality/value: An experimental work has been reported on the WEDM of Udimet-L605 and use of advance machine learning algorithm and optimization approaches like SVM, and GRA is recommended. A study on WEDM of Inconel 625 has been explored and optimized the process using Taguchi coupled with grey relational approach. The applicability of some evolutionary algorithm like random forest, M5P, and SVM also tested to evaluate the WEDM of Udimet-L605.The fuzzy- inference and BP-ANN approached is used to evaluate the WEDM process. The multi-objective optimization using ratio analysis approach has been utilized to evaluate the WEDM of high carbon & chromium steel. But this current research work proposed the use of SVM, GP and ANN methods to evaluate the WEDM of Nimonic-90.
Źródło:
Archives of Materials Science and Engineering; 2019, 95, 1; 12-19
1897-2764
Pojawia się w:
Archives of Materials Science and Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Computational intelligence methods in the problem of modelling technical wear of buildings in mining areas
Metody inteligencji obliczeniowej w problemie modelowania stopnia zużycia technicznego budynków na terenach górniczych
Autorzy:
Rusek, J.
Powiązania:
https://bibliotekanauki.pl/articles/385956.pdf
Data publikacji:
2012
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
technical wear
neural networks
support vector machine (SVM)
fuzzy systems
szkody górnicze
zużycie techniczne
sieci neuronowe
systemy rozmyte
Opis:
In the work presented approach with a view to building the model of degree of technical wear of buildings in the mining areas, as well as an indication that the contribution of the consumption on technical factors interact mining and civil construction origin. Set out criteria for the selection and research methodology effects are synthetically summarised existing work in this field. Justified choice of the ϵ-SVR method confronting its advantages to the characteristics of typical neural network.
W artykule zaprezentowano podejście mające na celu budowę modelu przebiegu stopnia zużycia technicznego budynków na terenach górniczych, jak również analizowano, w jakim stopniu na zużycie techniczne oddziałują czynniki górnicze oraz ogólnobudowlane. Przedstawiono kryteria doboru metodyki badań oraz podsumowano efekty dotychczasowych prac w tej dziedzinie. Uzasadniono wybór metody &vepsilon;-SVR, konfrontując jej zalety z własnościami typowych, jednokierunkowych sieci neuronowych. Opisano sposób optymalnego doboru parametrów charakteryzujących złożoność modelu ϵ-SVR oraz wskazano możliwość zastosowania tak utworzonego modelu w systemach ekspertowych.
Źródło:
Geomatics and Environmental Engineering; 2012, 6, 3; 83-91
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Comparative Study between CS-LBP/SVM and CS-LBP/PCA in Facial Expression Recognition
Autorzy:
Gaur, Sheena
Powiązania:
https://bibliotekanauki.pl/articles/1075570.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Center symmetric local binary patterns (CS-LBP)
Facial Expression Analysis
Principal Component Analysis 9PCA)
Support Vector Machine (SVM)
Opis:
Face plays significant role in social communication. This is a 'window' to human personality, emotions and thoughts. Due to this, face is a subject of study in many areas of science such as psychology, behavioral science, medicine and computer science etc. In this paper, a comparative study is suggested between CS-LBP/SVM and CS-LBP/PCA. These algorithms are used in emotive facial expression recognition. Finally, a comparison is shown between PCA & SVM in terms of Dimension Reduction. The proposed system uses grayscale frontal face images of a Japanese female to classify six basic emotions namely happiness, sadness, disgust, fear, surprise and anger.
Źródło:
World Scientific News; 2019, 121; 83-89
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie maszyny wektorów nośnych oraz liniowej analizy dyskryminacyjnej jako klasyfikatorów cech w interfejsach mózg-komputer
Using support vector machine and linear discriminant analysis for features classification in brain-computer interfaces
Autorzy:
Jukiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/376916.pdf
Data publikacji:
2014
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
interfejs mózg-komputer
Maszyna Wektorów Nośnych
Liniowa Analiza Dyskryminacyjna
brain-computer interface
support vector machine (SVM)
linear discriminant analysis
Opis:
Głównym celem artykułu jest porównanie skuteczności klasyfikacji cech dwóch algorytmów klasyfikujących wykorzystywanych w interfejsach mózg-komputer: SVM (ang. Support Vector Machine, Maszyna Wektorów Nośnych) oraz LDA (ang. Linear Discriminant Analysis, Liniowa Analiza Dyskryminacyjna). W artykule przedstawiono interfejs, w którym użytkownikowi prezentowane są dwa bodźce migające z różną częstotliwością (10 i 15 Hz), a następnie za pomocą elektrod elektroencefalografu mierzona jest odpowiedź elektryczna mózgu. W takich interfejsach sygnał zbierany jest zwykle w okolicach potylicznych (nad korą wzrokową). W prezentowanym rozwiązaniu sygnał mierzony jest z okolic czołowych. W przetwarzaniu i analizie sygnału zastosowano algorytmy statystycznego uczenia maszynowego. Do ekstrakcji cech sygnału wykorzystano Szybką Transformatę Fouriera, do selekcji cech: test t-Welcha, a do klasyfikacji cech: SVM oraz DLA. Na podstawie odpowiedzi uzyskanej z klasyfikatora możliwe jest np. wysterowanie kierunku skrętu robota mobilnego lub włączenie czy wyłączenie oświetlenia.
The main aim of this article is to compare the effectiveness of the classification of the two classifiers used in brain-computer interfaces: SVM (Support Vector Machine) and LDA (Linear Discriminant Analysis). The article presents an interface in which the subject is presented the two stimuli flashing at different frequencies (10 and 15 Hz) and then by using EEG electrodes electrical response of the brain is measured. In these interfaces, the signal is typically collected in the occipital area (on the visual cortex). In the presented solution the signal is measured form the prefrontal cortex. For signal processing and analysis statistical machine learning algorithms were used. For features’ extraction Fast Fourier Transform was used. For features’ selection Welch’s t test was used. For features’ classification was used SVM and DLA. Based on the responses obtained from the classifier it is possible to control the direction of a mobile robot’s movement or turning the lights on and off.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 79; 25-30
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efficient decision trees for multi-class support vector machines using entropy and generalization error estimation
Autorzy:
Kantavat, P.
Kijsirikul, B.
Songsiri, P.
Fukui, K. I.
Numao, M.
Powiązania:
https://bibliotekanauki.pl/articles/330532.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
support vector machine
multi-class classification
generalization error
decision tree
maszyna wektorów wsparcia
klasyfikacja wieloklasowa
błąd generalizacji
drzewo decyzyjne
Opis:
We propose new methods for support vector machines using a tree architecture for multi-class classification. In each node of the tree, we select an appropriate binary classifier, using entropy and generalization error estimation, then group the examples into positive and negative classes based on the selected classifier, and train a new classifier for use in the classification phase. The proposed methods can work in time complexity between O(log2 N) and O(N), where N is the number of classes. We compare the performance of our methods with traditional techniques on the UCI machine learning repository using 10-fold cross-validation. The experimental results show that the methods are very useful for problems that need fast classification time or those with a large number of classes, since the proposed methods run much faster than the traditional techniques but still provide comparable accuracy.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2018, 28, 4; 705-717
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Development of cost estimation models based on ANN ensembles and the SVM method
Autorzy:
Juszczyk, Michał
Powiązania:
https://bibliotekanauki.pl/articles/396649.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
construction cost estimation
cost modelling
ensemble of neural networks
support vector machine
koszty budowy
modelowanie kosztów
zespół sieci neuronowych
Opis:
Cost estimation, as one of the key processes in construction projects, provides the basis for a number of project-related decisions. This paper presents some results of studies on the application of artificial intelligence and machine learning in cost estimation. The research developed three original models based either on ensembles of neural networks or on support vector machines for the cost prediction of the floor structural frames of buildings. According to the criteria of general metrics (RMSE, MAPE), the three models demonstrate similar predictive performance. MAPE values computed for the training and testing of the three developed models range between 5% and 6%. The accuracy of cost predictions given by the three developed models is acceptable for the cost estimates of the floor structural frames of buildings in the early design stage of the construction project. Analysis of error distribution revealed a degree of superiority for the model based on support vector machines.
Źródło:
Civil and Environmental Engineering Reports; 2020, 30, 3; 48-67
2080-5187
2450-8594
Pojawia się w:
Civil and Environmental Engineering Reports
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A support vector machine with the tabu search algorithm for freeway incident detection
Autorzy:
Yao, B.
Hu, P.
Zhang, M.
Jin, M.
Powiązania:
https://bibliotekanauki.pl/articles/329943.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
automated incident detection
support vector machine (SVM)
tabu search
freeway
maszyna wektorów wspierających
odcinek swobodny trasy
algorytm tabu search
Opis:
Automated Incident Detection (AID) is an important part of Advanced Traffic Management and Information Systems (ATMISs). An automated incident detection system can effectively provide information on an incident, which can help initiate the required measure to reduce the influence of the incident. To accurately detect incidents in expressways, a Support Vector Machine (SVM) is used in this paper. Since the selection of optimal parameters for the SVM can improve prediction accuracy, the tabu search algorithm is employed to optimize the SVM parameters. The proposed model is evaluated with data for two freeways in China. The results show that the tabu search algorithm can effectively provide better parameter values for the SVM, and SVM models outperform Artificial Neural Networks (ANNs) in freeway incident detection.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2014, 24, 2; 397-404
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Specific emitter identification using geometric features of frequency drift curve
Autorzy:
Zhao, Y.
Wui, L.
Zhang, J.
Li, Y.
Powiązania:
https://bibliotekanauki.pl/articles/200575.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
specific emitter identification
geometric features
frequency drift
adaptive fractional spectrogram
support vector machine
emiter
cechy geometryczne
dryf częstotliwości
spektrogram
Opis:
Specific emitter identification (SEI) is a technique for recognizing different emitters of the same type which have the same modulation parameters. Using only the classic modulation parameters for recognition, one cannot distinguish different emitters of a same type. To solve the problem, new features urgently need to be developed for recognition. This paper focuses on the common phenomenon of frequency drift, defines geometric features of frequency drift curve and, finally, proposes a practical algorithm of specific emitter identification using the geometric features. The proposed algorithm consists of three processes: instantaneous frequency estimation based on the adaptive fractional spectrogram, feature extraction of frequency drift curve based on geometric methods for describing a curve and recognition process based on support vector machine. Simulation results show that the identification rate is generally more than 98% above –5 dB of signal to noise ratio (SNR), and real data experiment verifies the practical performance of the proposed algorithm.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 1; 99-108
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Detection and classification of short-circuit faults on a transmission line using current signal
Autorzy:
Coban, Melih
Tezcan, Suleyman S.
Powiązania:
https://bibliotekanauki.pl/articles/2086833.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
transmission line
fault detection
fault classification
support vector machine
SVM
linia przesyłowa
wykrywanie uszkodzeń
klasyfikacja błędów
maszyna wektorów nośnych
Opis:
This study offers two Support Vector Machine (SVM) models for fault detection and fault classification, respectively. Different short circuit events were generated using a 154 kV transmission line modeled in MATLAB/Simulink software. Discrete Wavelet Transform (DWT) is performed to the measured single terminal current signals before fault detection stage. Three level wavelet energies obtained for each of three-phase currents were used as input features for the detector. After fault detection, half cycle (10 ms) of three-phase current signals was recorded by 20 kHz sampling rate. The recorded currents signals were used as input parameters for the multi class SVM classifier. The results of the validation tests have demonstrated that a quite reliable, fault detection and classification system can be developed using SVM. Generated faults were used to training and testing of the SVM classifiers. SVM based classification and detection model was fully implemented in MATLAB software. These models were comprehensively tested under different conditions. The effects of the fault impedance, fault inception angle, mother wavelet, and fault location were investigated. Finally, simulation results verify that the offered study can be used for fault detection and classification on the transmission line.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 4; e137630, 1--9
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Applying Hunger Game Search (HGS) for selecting significant blood indicators for early prediction of ICU COVID-19 severity
Autorzy:
Sayed, Safynaz AbdEl-Fattah
ElKorany, Abeer
Sayed, Sabah
Powiązania:
https://bibliotekanauki.pl/articles/27312915.pdf
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
ICU severity prediction
COVID-19
clinical blood tests
Hunger Game search
HGS
optimization algorithm
support vector machine
SVM
feature selection
Opis:
This paper introduces an early prognostic model for attempting to predict the severity of patients for ICU admission and detect the most significant features that affect the prediction process using clinical blood data. The proposed model predicts ICU admission for high-severity patients during the first two hours of hospital admission, which would help assist clinicians in decision-making and enable the efficient use of hospital resources. The Hunger Game search (HGS) meta-heuristic algorithm and a support vector machine (SVM) have been integrated to build the proposed prediction model. Furthermore, these have been used for selecting the most informative features from blood test data. Experiments have shown that using HGS for selecting features with the SVM classifier achieved excellent results as compared with four other meta-heuristic algorithms. The model that used the features that were selected by the HGS algorithm accomplished the topmost results (98.6 and 96.5%) for the best and mean accuracy, respectively, as compared to using all of the features that were selected by other popular optimization algorithms.
Źródło:
Computer Science; 2023, 24 (1); 113--136
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Support Vector Machine in the analysis of the technical state of development in the LGOM mining area
Zastosowanie metody Support Vector Machine w analizie stanu technicznego za budowy terenu górniczego LGOM
Autorzy:
Rusek, J.
Powiązania:
https://bibliotekanauki.pl/articles/1365604.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
Support Vector Machine
influence of mining
structure resistance
technical wear
technical condition
wpływy górnicze
odporność budynku
zużycie techniczne
stan techniczny
Opis:
The paper presents the results of the analysis of technical wear of buildings located within impact of mining plant in the Legnica - Głogów Copper District ( LGOM ). The study used method related to neural networks, support vector (Support Vector Machine) in regression approach ε-SVR (Support Vector Regression). The aim of the study was to assess the impact of variables describing the structural protection and renovations on the course modeled phenomenon. The basis for the analysis was created model of technical wear of buildings in the form of a network ε-SVR. In addition to the variables determining the level of structural protection and renovations in the model included variables describing: terrain deformation, mining intensity tremors and the age of the buildings. The choice of model parameters were performed using, as gradientlessness optimization method, genetic algorithm. Based on the established model ε-SVR two types of sensitivity analysis were applied. Assessing the impact of the structural protections have been studying by the analysis of variability of the gradient vector for the modeled hypersurface. The analysis of the impact of renovations on the course modeled process was carried out based on the comparator simulation results of ε-SVR model. The results confirmed the usefulness of the methodology of research and allowed to draw important conclusions on the impact of analyzed factors on the technical wear traditional buildings LGOM.
W pracy przedstawiono wyniki analizy zużycia technicznego budynków zlokalizowanych w zasięgu wpływów eksploatacji górniczej na terenie Legnicko-Głogowskiego Okręgu Miedziowego (LGOM). W badaniach zastosowano pokrewną sieciom neuronowym metodę wektorów podpierających (Support Vector Machine) w podejściu regresyjnym ε-SVR (Support Vector Regression). Celem badań było uzyskanie oceny wpływu zmiennych opisujących zabezpieczenia konstrukcyjne i remonty na przebieg modelowanego zjawiska. Podstawą do analiz był utworzony model zużycia technicznego budynków w postaci sieci ε-SVR. Oprócz zmiennych określających poziom zabezpieczeń konstrukcyjnych i remontów, w modelu uwzględniono zmienne opisujące: deformacje terenu pochodzenia górniczego, intensywność wstrząsów oraz wiek budynków. Dobór parametrów modelu przeprowadzono z wykorzystaniem, jako bezgradientowej metody optymalizacyjnej, algorytmu genetycznego. Bazując na utworzonym modelu ε-SVR przeprowadzono dwurodzajową analizę wrażliwości. Oceny wpływu zabezpieczeń konstrukcyjnych dokonano badając zmienność wektora gradientu modelowanej hiperpowierzchni. Natomiast analiza wpływu remontów na przebieg modelowanego procesu została przeprowadzona na bazie komparacji wyników symulacji modeluε-SVR. Wyniki badań potwierdziły przydatność przyjętej metodyki badań oraz pozwoliły na sformułowanie istotnych wniosków dotyczących wpływu analizowanych czynników na zużycie techniczne tradycyjnej zabudowy LGOM.
Źródło:
Eksploatacja i Niezawodność; 2017, 19, 1; 54-61
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification of Music Genres Based on Music Separation into Harmonic and Drum Components
Autorzy:
Rosner, A.
Schuller, B.
Kostek, B.
Powiązania:
https://bibliotekanauki.pl/articles/177566.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
music information retrieval
musical sound separation
drum separation
music genre classification
support vector machine (SVM)
co-training
nonnegative matrix factorization
Opis:
This article presents a study on music genre classification based on music separation into harmonic and drum components. For this purpose, audio signal separation is executed to extend the overall vector of parameters by new descriptors extracted from harmonic and/or drum music content. The study is performed using the ISMIS database of music files represented by vectors of parameters containing music features. The Support Vector Machine (SVM) classifier and co-training method adapted for the standard SVM are involved in genre classification. Also, some additional experiments are performed using reduced feature vectors, which improved the overall result. Finally, results and conclusions drawn from the study are presented, and suggestions for further work are outlined.
Źródło:
Archives of Acoustics; 2014, 39, 4; 629-638
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Facial expression recognition under difficult conditions: A comprehensive study on edge directional texture patterns
Autorzy:
Ahmed, F.
Kabir, M. H.
Powiązania:
https://bibliotekanauki.pl/articles/331105.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
directional ternary pattern
compressed DTP
facial feature descriptor
texture encoding
support vector machine
deskryptor cech
kodowanie struktury
maszyna wektorów wsparcia
Opis:
In recent years, research in automated facial expression recognition has attained significant attention for its potential applicability in human–computer interaction, surveillance systems, animation, and consumer electronics. However, recognition in uncontrolled environments under the presence of illumination and pose variations, low-resolution video, occlusion, and random noise is still a challenging research problem. In this paper, we investigate recognition of facial expression in difficult conditions by means of an effective facial feature descriptor, namely the directional ternary pattern (DTP). Given a face image, the DTP operator describes the facial feature by quantizing the eight-directional edge response values, capturing essential texture properties, such as presence of edges, corners, points, lines, etc. We also present an enhancement of the basic DTP encoding method, namely the compressed DTP (cDTP) that can describe the local texture more effectively with fewer features. The recognition performances of the proposed DTP and cDTP descriptors are evaluated using the Cohn–Kanade (CK) and the Japanese female facial expression (JAFFE) database. In our experiments, we simulate difficult conditions using original database images with lighting variations, low-resolution images obtained by down-sampling the original, and images corrupted with Gaussian noise. In all cases, the proposed method outperforms some of the well-known face feature descriptors.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2018, 28, 2; 399-409
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Redukcja wymiarowości danych a selekcja cech w zastosowaniu do prognozowania maksymalnego dobowego obciążenia elektroenergetycznego
Data reduction versus feature selection in application of daily maximum power load forecasting
Autorzy:
Siwek, K.
Powiązania:
https://bibliotekanauki.pl/articles/408358.pdf
Data publikacji:
2013
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
prognozowanie obciążeń elektroenergetycznych
redukcja wymiarowości
algorytm genetyczny
maszyna wektorów podtrzymujących
load power forecasting
dimensionality reduction
genetic algorithm
support vector machine (SVM)
Opis:
Prognozowanie obciążeń w systemie elektroenergetycznym jest ważnym problemem praktycznym zarówno z technicznego jak i ekonomicznego punktu widzenia. W małych systemach problem ten jest stosunkowo trudny do rozwiązania ze względu na dużą zmienność przebiegu obciążenia. Do jego rozwiązania niezbędne jest zastosowanie dobrego predykatora i wyselekcjonowanie cech procesu wpływających na prognozę. Artykuł przedstawia dwie metody selekcji cech – algorytm genetyczny oraz algorytmy redukcji wymiarowości. Jako predykator użyta była maszyna wektorów podtrzymujących działająca w trybie regresji (SVR). Zaprezentowano i omówiono uzyskane wyniki na rzeczywistych danych pomiarowych.
Load forecasting task of small energetic region is a difficult problem due to high variability of power consumption. The accurate forecast of the power in the next hours is very important from the economic point of view. The most important problems in prediction are the choice of predictor and selection of features. Two methods of features selection was presented – simple selection using of genetic algorithm and dimensionality reduction methods for creating new features from many available measured data. As a predictor the Support Vector Machine working in regression mode (SVR) was chosen. The load forecasting results with SVR are presented and discussed.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2013, 2; 9-12
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja tekstur za pomocą SVM - Maszyny Wektorów Wspierających
Texture classification using Support Vector Machine
Autorzy:
Goszczyński, J.
Powiązania:
https://bibliotekanauki.pl/articles/289416.pdf
Data publikacji:
2006
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
maszyna wektorów wspierających
rozpoznawanie wzorców
rozpoznawanie obrazów
rolniczy robot mobilny
support vector machine (SVM)
pattern recognition
image recognition
agriculture mobile robot
Opis:
Motywacją do badań był pomysł wytworzenia robota-kosiarki wyposażonego w system komputerowego widzenia. Rozpoznawanie obrazu może zostać zrealizowane za pomocą klasyfikacji tekstur obiektów, które otaczają robota. Artykuł przedstawia przykład klasyfikacji tekstur za pomocą Maszyny wektorów wspierających SVM (ang. Support Vector Machine) Do badań wykorzystano oprogramowanie LIBSVM.
Motivation for research was idea to create mower robot with computer vision system. Image recognition can be done by textures classification of objects that robot is surrounded. This article has reviewed example of texture classification by SVM Support vector machine. For research was used LIBSVM software.
Źródło:
Inżynieria Rolnicza; 2006, R. 10, nr 13(88), 13(88); 119-126
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Least square support vectors machines approach to diagnosis of stator winding short circuit fault in induction motor
Autorzy:
Birame, M’hamed
Taibi, Djamel
Bessedik, Sid Ahmed
Benkhoris, Mohamed Fouad
Powiązania:
https://bibliotekanauki.pl/articles/327458.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
induction motor
inter-turn short circuit
fault diagnosis
least square support vector machine
LS-SVM
silnik indukcyjny
zwarcie międzyzwojowe
diagnostyka uszkodzeń
Opis:
Various approaches have been proposed to monitor the state of machines by intelligent techniques such as the neural network, fuzzy logic, neuro-fuzzy, pattern recognition. However, the use of LS-SVM. This article presents an automatic computerized system for the diagnosis and the monitoring of faults between turns of the stator in IM applying the LS-SVM least square support vector machine. in this study for the detection of short circuit faults in the stator winding of the induction motor. Since it requires a mathematical model suitable for modelling defects, a defective IM model is presented. The proposed method uses the stator current as input and at the output decides the state of the motor, indicating the severity of the short-circuit fault.
Źródło:
Diagnostyka; 2020, 21, 4; 35-41
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Badania eksploatacyjne czterosensorowego detektora upadków
Inspection of four-sensor falls detector
Autorzy:
Wójtowicz, B.
Dobrowolski, A. P.
Powiązania:
https://bibliotekanauki.pl/articles/208393.pdf
Data publikacji:
2015
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
detekcja upadków
fuzja sensoryczna
dyskretna transformacja falkowa
sieć wektorów nośnych
falls detection
data fusion
discrete wavelet transform
support vector machine (SVM)
Opis:
Zaprezentowane w niniejszym artykule badania stanowią kontynuację dotychczasowych prac mających na celu opracowanie mobilnego detektora upadków. Przedstawiony algorytm opiera się na dyskretnej transformacji falkowej sygnałów z dostępnych w detektorze sensorów oraz pojedynczym klasyfikatorze w postaci sieci wektorów nośnych - SVM (ang. Support Vector Machine). Do procesu redukcji cech zastosowano miarę istotności Fishera. W wyniku zmniejszenia liczby cech zmniejszeniu uległa również liczba wektorów nośnych sieci SVM, mająca bezpośredni wpływ na górne oszacowanie błędu klasyfikacji. Na podstawie otrzymanych wyników wyznaczono parametry klasyfikatora pozwalające na zaprezentowanie opracowanej koncepcji w polu krzywych ROC (ang. Receiver Operating Characteristics) oraz porównanie ich z wynikami otrzymanymi dla pojedynczych sensorów detektora. Opracowana koncepcja daje zdecydowanie lepsze rezultaty niż każdy z sensorów działający niezależnie. Rezultaty przeprowadzonych badań dały bardzo dobre wyniki w porównaniu z dotychczasowymi wynikami, przy znacznej redukcji liczby wymaganych deskryptorów. Z uwagi na ścisłą zależność pomiędzy liczbą danych uczących oraz liczbą wektorów nośnych, które bezpośrednio wpływają na górne oszacowanie błędu klasyfikacji, dokonano redukcji deskryptorów. W rezultacie uzyskano zadowalające efekty przy redukcji liczby deskryptorów z 38 do zaledwie 6, zapewniając, że górne oszacowanie błędu klasyfikacji, w zbiorze nowych danych testowych nie przekracza 5,3%.
The studies presented in this article are the continuation of previous work to develop a mobile fall detector. The algorithm is based on a discrete wavelet transform of the signals from the sensors available at the detector and a linear support vector machine as a classifier. Fisher score method is used for feature selection in the proposed algorithm. As a result of reducing the number of features, the number of support vectors has been also reduced - it has a direct impact on the upper estimate of the classification error. On the basis of the obtained results, the classifier parameters have been calculated. This allows presenting the developed concept in the field of ROC curves (Receiver Operating Characteristics) and their comparison with the results obtained for individual sensors. The developed concept gives much better results than each of the sensors acting independently. The findings of this study have given very good results in comparison with the previous findings, with a significant reduction in the number of required features. Due to the close relationship between the number of training data and the number of support vectors which directly affect the upper estimate of the classification error, the number of features has been reduced. Finally, satisfactory results have been obtained with the reduction of the number of features from 38 to just six, ensuring that the upper estimation of the classification error in the set of the new test data does not exceed 5.3%.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2015, 64, 2; 45-58
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hierarchiczna reprezentacja wiedzy dla automatycznego podejmowania decyzji
Hierarchical knowledge representation for automated reasoning
Autorzy:
Będkowski, J.
Masłowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/277678.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
sieć neuronowa
maszyna wektorów nośnych
drzewo decyzyjne
hierarchiczna reprezentacja wiedzy
neural network
support vector machine (SVM)
decision tree
hierarchical knowledge representation
Opis:
W pracy przedstawiono ideę hierarchicznej reprezentacji wiedzy dla automatycznego podejmowania decyzji. Hierarchiczna reprezentacja wiedzy została zaproponowana do modelowania predykcji. Pokazano efektywne podejmowanie decyzji na przykładzie klasyfikacji zbioru danych, który nie jest separowany liniowo. Warto podkreślić, że nie założono wiedzy a priori o zbiorze danych oraz relacji między elementami tego zbioru oraz że proponowany algorytm automatycznie odkrywa optymalne granice decyzyjne między nimi. Przedstawiono algorytm konstrukcji hierarchicznej reprezentacji wiedzy, który wprowadza ocenę jakościową powstałej struktury na poszczególnych poziomach decyzyjnych. Przeprowadzony eksperyment numeryczny pokazuje zalety proponowanego algorytmu, który może być wykorzystany do zadań klasyfikacji, gdzie występuje problem doboru algorytmu klasyfikacji.
In the paper the study of knowledge hierarchical representation for automated reasoning is presented. The hierarchical knowledge representation is proposed for predictive modeling purpose. It is improved an effective automated reasoning structure for data set analyzes and making decisions based on complex relations between this data. It is important to emphasize that it is not considered a - priori knowledge concerning data structure, therefore the approach automatically discovers particular constraints between data. It provides a technique of the verification the hierarchical knowledge representation building process that can be useful for the model justification. The presented numerical experiment shows an advantage of proposed approach. It is assumed that the presented automated reasoning can be used for classification purpose where there is a difficulty of proper classifier choice.
Źródło:
Pomiary Automatyka Robotyka; 2010, 14, 11; 54-59
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Implementation of digital twin and support vector machine in structural health monitoring of bridges
Autorzy:
Al-Hijazeen, Asseel Za'al Ode
Fawad, Muhammad
Gerges, Michael
Koris, Kálmán
Salamak, Marek
Powiązania:
https://bibliotekanauki.pl/articles/27312162.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
monitorowanie stanu konstrukcji
most
uszkodzenie
bliźniak cyfrowy
uczenie maszynowe
maszyna wektorów wsparcia
structural health monitoring
bridge
damage
digital twin
machine learning
support vector machine
Opis:
Structural health monitoring (SHM) of bridges is constantly upgraded by researchers and bridge engineers as it directly deals with bridge performance and its safety over a certain time period. This article addresses some issues in the traditional SHM systems and the reason for moving towards an automated monitoring system. In order to automate the bridge assessment and monitoring process, a mechanism for the linkage of Digital Twins (DT) and Machine Learning (ML), namely the Support Vector Machine (SVM) algorithm, is discussed in detail. The basis of this mechanism lies in the collection of data from the real bridge using sensors and is providing the basis for the establishment and calibration of the digital twin. Then, data analysis and decision-making processes are to be carried out through regression-based ML algorithms. So, in this study, both ML brain and a DT model are merged to support the decision-making of the bridge management system and predict or even prevent further damage or collapse of the bridge. In this way, the SHM system cannot only be automated but calibrated from time to time to ensure the safety of the bridge against the associated damages.
Źródło:
Archives of Civil Engineering; 2023, 69, 3; 31--47
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Face Recognition Comparative Analysis Using Different Machine Learning Approaches
Autorzy:
Ahmed, Nisar
Khan, Farhan Ajmal
Ullah, Zain
Ahmed, Hasnain
Shahzad, Taimur
Ali, Nableela
Powiązania:
https://bibliotekanauki.pl/articles/2024199.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
linear discriminant analysis
k-nearest neighbor
support vector machine
principal component analysis
liniowa analiza dyskryminacyjna
maszyna wektorów podporowych
analiza głównych składowych
Opis:
The problem of a facial biometrics system was discussed in this research, in which different classifiers were used within the framework of face recognition. Different similarity measures exist to solve the performance of facial recognition problems. Here, four machine learning approaches were considered, namely, K-nearest neighbor (KNN), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM), and Principal Component Analysis (PCA). The usefulness of multiple classification systems was also seen and evaluated in terms of their ability to correctly classify a face. A combination of multiple algorithms such as PCA+1NN, LDA+1NN, PCA+ LDA+1NN, SVM, and SVM+PCA was used. All of them performed with exceptional values of above 90% but PCA+LDA+1N scored the highest average accuracy, i.e. 98%.
Źródło:
Advances in Science and Technology. Research Journal; 2021, 15, 1; 265-272
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estimating the compressive strength of concrete, using vacuum dewatering technique
Autorzy:
Subhash, D.
Gupta, S. M.
Setia, S.
Pavlykivskyi, V.
Powiązania:
https://bibliotekanauki.pl/articles/378711.pdf
Data publikacji:
2019
Wydawca:
Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
Tematy:
vacuum dewatering
concrete compressive strength
artificial neural network
Support Vector Machine
odwadnianie próżniowe
wytrzymałość betonu na ściskanie
sztuczna sieć neuronowa
maszyna wektorów wspierających
Opis:
Purpose: Investigate the potential of vacuum dewatering process of on three different grades of concrete namely M20, M30 and M40 to evaluate its compressive strength. Design/methodology/approach: For this study a data set of 90 experimental observations obtained from laboratory testing with and without application of vacuum dewatering after designing and casting the concrete of said three grades. The standard cubes of size 150 mm × 150 mm × 150 mm were obtained by core cutting and tested for compression after 3, 7, 14, 21 and 28 days of proper curing. Accuracy of prediction of compressive strength of concrete by application of M5P, ANN and SVM as artificial intelligence techniques and their feasibility are assessed to estimate the compressive strength of the concrete enacted with vacuum dewatering technique. A total data set was segregated in two groups. A group of 63 observations was used for model development and smaller group of 27 observations was used for testing the models. Findings: Overall performance of ANN based developed model is better than M5P and SVM based models for predicting the compressive strength of concrete for this data set. Research limitations/implications: Investigated three different grades of concrete namely M20, M30 and M40 to evaluate its compressive strength. The experimental research involved only testing of cubes only. Practical implications: Using ANN based developed model makes it possible to quickly and accurately predict the compressive strength of concrete. Originality/value: The results of comparing three models for predicting the compressive strength of concrete and the optimal values of ANN based developed models are presented. Earlier no one has applied M5P, ANN and SVM modelling to predict the compressive strength of vacuum dewatered concrete.
Źródło:
Archives of Materials Science and Engineering; 2019, 99, 1/2; 30-41
1897-2764
Pojawia się w:
Archives of Materials Science and Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Signature pre - procesing based on walsh coefficients
Autorzy:
Porwik, P.
Wróbel, K.
Powiązania:
https://bibliotekanauki.pl/articles/332876.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
analiza graficzna
rozpoznawanie podpisu
transformacja Walsha
współczynniki Walsha
maszyna wektorów podpierających
signature analysis and recognition
Walsh transform
Walsh coefficients
support vector machine (SVM)
Opis:
Recognition and verification of persons are difficult and important tasks today. In many fields of human activities (driver's licenses, passports, electronic cards, etc.), signature recognition of person is needed. Hence, it inspires the development of a wide range of automatic identification systems. Signatures have been used for many centuries as a method of people's identification. Signatures recognition was performed manually by experts in the past. Nowadays, these procedures are very often automatically applied. In this paper the system that automatically authenticates documents based on the owner's handwritten signature is presented.
Źródło:
Journal of Medical Informatics & Technologies; 2008, 12; 57-61
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Method of selecting the LS-SVM algorithm parameters in gas detection process
Sposób doboru parametrów algorytmu LS-SVM w procesie detekcji gazów
Autorzy:
Lentka, Ł.
Smulko, J.
Powiązania:
https://bibliotekanauki.pl/articles/267849.pdf
Data publikacji:
2015
Wydawca:
Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:
gas detection
optimal parameters selection
support vector machine (SVM)
artificial immune system
detekcja gazów
optymalny dobór parametrów
maszyna wektorów nośnych
sztuczny system immunologiczny
Opis:
In this paper we showed the method of resistive gas sensors data processing. The UV irradiation and temperature modulation was applied to improve gas sensors’ selectivity and sensitivity. Noise voltage across the sensor’s terminals (proportional to its resistance fluctuations) was recorded to estimate power spectral density. This function was an input data vector for LS-SVM (least squares – support vector machine) algorithm, which predicted a concentration of gas present in sensor’s ambient atmosphere. The algorithm creates a non-linear regression model at learning stage. This model can be used to predict gas concentration by recording resistance noise only. We have proposed a fast method of selecting LS-SVM parameters to determine high quality model. The method utilizes a behavior of immune system to determine optimal parameters of the LS-SVM algorithm. High accuracy of the applied method was proved for the recorded experimental data.
W artykule pokazano metodę przetwarzania danych z rezystancyjnych czujników gazów, stosowaną do wykrywania gazów. W celu zwiększenia czułości i selektywności czujników zastosowano modulację temperaturową oraz oświetlenie diodą LED UV aby zebrać więcej danych. Szumy napięciowe rejestrowane na zaciskach czujnika (proporcjonalne do fluktuacji jego rezystancji) zostały wykorzystane do wyznaczenia gęstości widmowej mocy. Ta funkcja stanowiła wektor danych wejściowych dla algorytmu maszyny wektorów nośnych według kryterium najmniejszych kwadratów (LS-SVM), umożliwiając określenie stężenia gazu występującego w atmosferze otaczającej czujnik. Nieliniowy charakter algorytmu pozwala na tworzenie w fazie uczenia modelu na podstawie danych uzyskanych z pomiarów za pomocą metody odniesienia. Pokazano szybki sposób doboru optymalnych parametrów algorytmu LS-SVM, gwarantujących skuteczność szacowania stężenia gazu. W badaniach wykorzystano metodę symulującą działanie systemu odpornościowego. Analiza danych eksperymentalnych potwierdziła skuteczność prezentowanej metody.
Źródło:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 69-72
1425-5766
2353-1290
Pojawia się w:
Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of quality parameters of a dry air separation product using machine learning methods
Przewidywanie parametrów jakościowych produktu suchej separacji węgla metodami uczenia maszynowego
Autorzy:
Żogała, Alina
Rzychoń, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/216889.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
artificial neural network
multiple linear regression
support vector machine
dry coal separation
sztuczna sieć neuronowa
sucha separacja węgla
wielokrotna regresja liniowa
maszyna wektorów nośnych
Opis:
The purpose of the work was to predict the selected product parameters of the dry separation process using a pneumatic sorter. From the perspective of application of coal for energy purposes, determination of process parameters of the output as: ash content, moisture content, sulfur content, calorific value is essential. Prediction was carried out using chosen machine learning algorithms that proved to be effective in forecasting output of various technological processes in which the relationships between process parameters are non-linear. The source of data used in the work were experiments of dry separation of coal samples. Multiple linear regression was used as the baseline predictive technique. The results showed that in the case of predicting moisture and sulfur content this technique was sufficient. The more complex machine learning algorithms like support vector machine (SVM) and multilayer perceptron neural network (MPL) were used and analyzed in the case of ash content and calorific value. In addition, k-means clustering technique was applied. The role of cluster analysis was to obtain additional information about coal samples used as feed material. The combination of techniques such as multilayer perceptron neural network (MPL) or support vector machine (SVM) with k-means allowed for the development of a hybrid algorithm. This approach has significantly increased the effectiveness of the predictive models and proved to be a useful tool in the modeling of the coal enrichment process.
Celem pracy było prognozowanie wybranych parametrów produktu procesu suchej separacji za pomocą sortera pneumatycznego. Z punktu widzenia zastosowania węgla do celów energetycznych niezbędne jest określenie parametrów procesowych wydobycia, takich jak: zawartość popiołu, zawartość wilgoci, zawartość siarki czy wartość kaloryczna. Prognozowanie przeprowadzono przy użyciu wybranych algorytmów uczenia maszynowego, które okazały się skuteczne w prognozowaniu wyjścia różnych procesów technologicznych, w których zależności między parametrami procesu są nieliniowe. Źródłem danych wykorzystanych w pracy były eksperymenty procesu suchej separacji węgla. Zastosowano wieloraką regresję liniową jako bazową metodę predykcyjną. Wyniki pokazały, że w przypadku przewidywania zawartości wilgoci i siarki technika ta była wystarczająca. Bardziej złożone algorytmy uczenia maszynowego, takie jak maszyna wektorów nośnych (SVM) i perceptron wielowarstwowy (MLP) zostały wykorzystane i przeanalizowane w przypadku zawartości popiołu i wartości opałowej. Ponadto wdrożono technikę k-średnich. Rolą analizy skupień było uzyskanie dodatkowych informacji na temat próbek węgla będących wejściem procesu. Połączenie technik, takich jak perceptron wielowarstwowy (MLP) lub maszyna wektorów nośnych (SVM) z metodą k-średnich pozwoliło na opracowanie hybrydowego algorytmu. Takie podejście znacznie zwiększyło efektywność modeli predykcyjnych i okazało się użytecznym narzędziem w modelowaniu procesu wzbogacania węgla.
Źródło:
Gospodarka Surowcami Mineralnymi; 2019, 35, 2; 119-138
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Attribute selection for stroke prediction
Autorzy:
Zdrodowska, Małgorzata
Powiązania:
https://bibliotekanauki.pl/articles/386466.pdf
Data publikacji:
2019
Wydawca:
Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
Tematy:
data mining
classifier
J48 (C4.5)
CART
PART
naive Bayes classifier
random forest
support vector machine
multilayer perceptron
haemorrhagic stroke
ischemic stroke
Opis:
Stroke is the third most common cause of death and the most common cause of long-term disability among adults around theworld. Therefore, stroke prediction and diagnosis is a very important issue. Data mining techniques come in handy to help determine the correlations between individual patient characterisation data, that is, extract from the medical information system the knowledge necessary to predict and treat various diseases. The study analysed the data of patients with stroke using eight known classification algorithms (J48 (C4.5), CART, PART, naive Bayes classifier, Random Forest, Supporting Vector Machine and neural networks Multilayer Perceptron), which allowed to build an exploration model given with an accuracy of over 88%. The potential features of patients, which may be factors that increase the risk of stroke, were also indicated.
Źródło:
Acta Mechanica et Automatica; 2019, 13, 3; 200-204
1898-4088
2300-5319
Pojawia się w:
Acta Mechanica et Automatica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Computerised system for fault diagnosis of the rotor bars of squirrel-cage induction motor
Komputerowy system diagnostyczny uszkodzeń prętów klatki maszyny indukcyjnej
Autorzy:
Osowski, S.
Kurek, J.
Siwek, K.
Powiązania:
https://bibliotekanauki.pl/articles/257946.pdf
Data publikacji:
2010
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
klatkowa maszyna indukcyjna
wykrywanie uszkodzeń
pręt
maszyna wektorów nośnych
przetwarzanie sygnału
squirrel-cage induction motor
bar fault detection
support vector machine (SVM)
signal processing
Opis:
The paper presents the computerised system for the diagnosis of the rotor bars of an induction electrical motor. The solution relies on the processing of the measured stator current and application of the Support Vector Machine as the classifier. The important point is the generation of the diagnostic features on the basis of which the SVM classifier undertakes its decision whether or not the bars are faulty. The most important problem is concerned with the generation of the diagnostic features, on the basis of which the recognition of the state of the rotor bars is done. In our approach, we use the spectral information of the stator current, limited to a strictly specified region. The selected features form the input vector applied to the single class Support Vector Machine, responsible for recognition of the fault. The results of the numerical experiments are presented and discussed in the paper.
Praca przedstawia skomputeryzowany automatyczny system diagnostyczny do wykrywania uszkodzeń prętów maszyny indukcyjnej. Rozwiązanie jest typu bezinwazyjnego i może być zastosowane do maszyny w ruchu. Sygnały diagnostyczne generowane są na podstawie zarejestrowanych sygnałów prądu statora. W aplikacji wykorzystano jednoklasową sieć SVM (ang. Support Vector Machine) pracującą jako klasyfikator. Jednym z najistotniejszych problemów rozwiązanych w tym zadaniu jest generacja i selekcja odpowiednich cech diagnostycznych, na podstawie których klasyfikator dokonuje rozpoznania stanu prętów. Zaproponowano cechy bazujące na charakterystyce spektralnej prądu statora, ograniczonej do wybranego zakresu częstotliwości związanego z poślizgiem maszyny. System zbudowany w ramach projektu jest w pełni zautomatyzowany, poczynając od akwizycji sygnałów, poprzez ich przetwarzanie wstępne, aż po końcowy werdykt (pręty uszkodzone bądź nieuszkodzone).
Źródło:
Problemy Eksploatacji; 2010, 4; 135-151
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of Kaplan turbine coordination tests based on least squares support vector machine with an improved grey wolf optimization algorithm
Autorzy:
Kong, Fannie
Xia, Jiahui
Yang, Daliang
Luo, Ming
Powiązania:
https://bibliotekanauki.pl/articles/2173627.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
Kaplan turbine
coordination tests
least squares support vector machine
improved grey wolf optimization
turbina Kaplana
test koordynacyjny
metoda najmniejszych kwadratów
ulepszona optymalizacja szarego wilka
Opis:
The optimum combination of blade angle of the runner and guide vane opening with Kaplan turbine can improve the hydroelectric generating the set operation efficiency and the suppression capability of oscillations. Due to time and cost limitations and the complex operation mechanism of the Kaplan turbine, the coordination test data is insufficient, making it challenging to obtain the whole curves at each head under the optimum coordination operation by field tests. The field test data is employed to propose a least-squares support vector machine (LSSVM)-based prediction model for Kaplan turbine coordination tests. Considering the small sample characteristics of the test data of Kaplan turbine coordination, the LSSVM parameters are optimized by an improved grey wolf optimization (IGWO) algorithm with mixed non-linear factors and static weights. The grey wolf optimization (GWO) algorithm has some deficiencies, such as the linear convergence factor, which inaccurately simulates the actual situation, and updating the position indeterminately reflects the absolute leadership of the leader wolf. The IGWO algorithm is employed to overcome the aforementioned problems. The prediction model is simulated to verify the effectiveness of the proposed IGWO-LSSVM. The results show high accuracy with small samples, a 2.59% relative error in coordination tests, and less than 1.85% relative error in non-coordination tests under different heads.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; art. no. e137124
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Traffic fatalities prediction based on support vector machine
Autorzy:
Li, T.
Yang, Y.
Wang, Y.
Chen, C.
Yao, J.
Powiązania:
https://bibliotekanauki.pl/articles/223743.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
traffic accident
support vector machine
SVM
particle swarm optimization (PSO)
PSO
prediction model
optimal parameters
wypadek drogowy
Particle Swarm Optimization
model prognostyczny
optymalne parametry
Opis:
To effectively predict traffic fatalities and promote the friendly development of transportation, a prediction model of traffic fatalities is established based on support vector machine (SVM). As the prediction accuracy of SVM largely depends on the selection of parameters, Particle Swarm Optimization (PSO) is introduced to find the optimal parameters. In this paper, small sample and nonlinear data are used to predict fatalities of traffic accident. Traffic accident statistics data of China from 1981 to 2012 are chosen as experimental data. The input variables for predicting accident are highway mileage, vehicle number and population size while the output variables are traffic fatality. To verify the validity of the proposed prediction method, the back-propagation neural network (BPNN) prediction model and SVM prediction model are also used to predict the traffic fatalities. The results show that compared with BPNN prediction model and SVM model, the prediction model of traffic fatalities based on PSO-SVM has higher prediction precision and smaller errors. The model can be more effective to forecast the traffic fatalities. And the method using particle swarm optimization algorithm for parameter optimization of SVM is feasible and effective. In addition, this method avoids overcomes the problem of “over learning” in neural network training progress.
Źródło:
Archives of Transport; 2016, 39, 3; 21-30
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of Kaplan turbine coordination tests based on least squares support vector machine with an improved grey wolf optimization algorithm
Autorzy:
Kong, Fannie
Xia, Jiahui
Yang, Daliang
Luo, Ming
Powiązania:
https://bibliotekanauki.pl/articles/2128160.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
Kaplan turbine
coordination tests
least squares support vector machine
improved grey wolf optimization
turbina Kaplana
test koordynacyjny
metoda najmniejszych kwadratów
ulepszona optymalizacja szarego wilka
Opis:
The optimum combination of blade angle of the runner and guide vane opening with Kaplan turbine can improve the hydroelectric generating the set operation efficiency and the suppression capability of oscillations. Due to time and cost limitations and the complex operation mechanism of the Kaplan turbine, the coordination test data is insufficient, making it challenging to obtain the whole curves at each head under the optimum coordination operation by field tests. The field test data is employed to propose a least-squares support vector machine (LSSVM)-based prediction model for Kaplan turbine coordination tests. Considering the small sample characteristics of the test data of Kaplan turbine coordination, the LSSVM parameters are optimized by an improved grey wolf optimization (IGWO) algorithm with mixed non-linear factors and static weights. The grey wolf optimization (GWO) algorithm has some deficiencies, such as the linear convergence factor, which inaccurately simulates the actual situation, and updating the position indeterminately reflects the absolute leadership of the leader wolf. The IGWO algorithm is employed to overcome the aforementioned problems. The prediction model is simulated to verify the effectiveness of the proposed IGWO-LSSVM. The results show high accuracy with small samples, a 2.59% relative error in coordination tests, and less than 1.85% relative error in non-coordination tests under different heads.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; e137124, 1--9
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja słuchowych potencjałów wywołanych w oparciu o dekompozycję falkową i sieć SVM
Classification of Auditory Evoked Potentials based on the wavelet decomposition and SVM network
Autorzy:
Suchocki, M.
Dobrowolski, A.
Majda-Zdancewicz, E.
Tomczykiewicz, K.
Powiązania:
https://bibliotekanauki.pl/articles/210448.pdf
Data publikacji:
2015
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
inżynieria biomedyczna
słuchowe potencjały wywołane pnia mózgu
dekompozycja falkowa
sieć wektorów nośnych
biomedical engineering
brainstem auditory evoked potentials
wavelet decomposition
support vector machine (SVM)
Opis:
W elektrofizjologicznej ocenie słuchu oraz diagnozowaniu uszkodzeń pnia mózgu najczęściej wykorzystuje się słuchowe potencjały wywołane pnia mózgu o krótkiej latencji. Charakteryzują się one kolejno ułożonymi w funkcji czasu maksimami, zwanymi załamkami lub falami. Morfologia przebiegu, a w szczególności zależności czasowe i amplitudowe poszczególnych załamków, umożliwiają neurologowi postawienie diagnozy, co nie jest zadaniem prostym. Wymaga od neurologa doświadczenia, skupienia uwagi i bardzo dobrej percepcji. W celu wsparcia procesu diagnostycznego autorzy opracowali algorytm realizujący zautomatyzowaną klasyfikację słuchowych potencjałów wywołanych do grupy przypadków patologicznych i fizjologicznych, z czułością i specyficznością określoną na niezależnej grupie testowej liczącej 50 przypadków, wynoszącą odpowiednio 84% i 88%.
For electrophysiological hearing assessment and diagnosis of brain stem lesions, the most often used are auditory brainstem evoked potentials of short latency. They are characterized by successively arranged maxima as a function of time, called waves. Morphology of the course, in particular, the timing and amplitude of each wave, allow a neurologist to make diagnose, what is not an easy task. A neurologist should be experienced, concentrated, and should have very good perception. In order to support his diagnostic process, the authors have developed an algorithm implementing the automated classification of auditory evoked potentials to the group of pathological and physiological cases, the sensitivity and specificity determined for an independent test group (of 50 cases) of respectively 84% and 88%.
Źródło:
Biuletyn Wojskowej Akademii Technicznej; 2015, 64, 4; 117-129
1234-5865
Pojawia się w:
Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessing the suitability of extreme learning machines (ELM) for groundwater level prediction
Ocena zdolności ekstremalnych maszyn uczących (ELM) do przewidywania poziomu wód gruntowych
Autorzy:
Yadav, B.
Ch, S.
Mathur, S.
Adamowski, J.
Powiązania:
https://bibliotekanauki.pl/articles/293096.pdf
Data publikacji:
2017
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
extreme learning machine (ELM)
forecasting
groundwater level
support vector machine (SVM)
water resource management
maszyna uczenia ekstremalnego (ELM)
maszyna wektorów nośnych SVM
poziom wód gruntowych
prognozowanie
zarządzanie zasobami wodnymi
Opis:
Fluctuation of groundwater levels around the world is an important theme in hydrological research. Rising water demand, faulty irrigation practices, mismanagement of soil and uncontrolled exploitation of aquifers are some of the reasons why groundwater levels are fluctuating. In order to effectively manage groundwater resources, it is important to have accurate readings and forecasts of groundwater levels. Due to the uncertain and complex nature of groundwater systems, the development of soft computing techniques (data-driven models) in the field of hydrology has significant potential. This study employs two soft computing techniques, namely, extreme learning machine (ELM) and support vector machine (SVM) to forecast groundwater levels at two observation wells located in Canada. A monthly data set of eight years from 2006 to 2014 consisting of both hydrological and meteorological parameters (rainfall, temperature, evapotranspiration and groundwater level) was used for the comparative study of the models. These variables were used in various combinations for univariate and multivariate analysis of the models. The study demonstrates that the proposed ELM model has better forecasting ability compared to the SVM model for monthly groundwater level forecasting.
Na całym świecie fluktuacje poziomów wód gruntowych stanowią ważny temat badań hydrologicznych. Rosnące potrzeby wodne, błędne praktyki irygacyjne, niewłaściwa gospodarka glebowa i niekontrolowana eksploatacja poziomów wodonośnych są powodami, dla których poziom wód gruntowych podlega fluktuacjom. Dla skutecznego zarządzania zasobami wód gruntowych istotne jest dysponowanie dokładnymi zapiskami i zdolność prognozowania poziomu tych wód. Rozwój technik komputerowych (modele wykorzystujące dane) w dziedzinie hydrologii ma istotny potencjał z powodu niepewnego i złożonego charakteru systemów wód gruntowych. W prezentowanych badaniach wykorzystano dwie techniki komputerowe: maszynę uczenia ekstremalnego (ELM) i maszynę wektorów nośnych (SVM – ang. support vector machine) do przewidywania poziomów wód gruntowych w dwóch studzienkach obserwacyjnych w Kanadzie. Do porównawczych badań modeli wykorzystano zestaw danych miesięcznych z ośmiu lat (2006–2014), składający się z danych hydrologicznych i meteorologicznych (opady, temperatura, ewapotranspiracja, poziom wody). Wymienione zmienne zastosowano w rozmaitych kombinacjach do jedno- i wieloparametrycznej analizy modeli. Wyniki dowodzą, że model ELM ma lepsze zdolności przewidywania miesięcznych poziomów wód gruntowych w porównaniu z modelem SVM.
Źródło:
Journal of Water and Land Development; 2017, 32; 103-112
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classifiers accuracy improvement based on missing data imputation
Autorzy:
Jordanov, I.
Petrov, N.
Petrozziello, A.
Powiązania:
https://bibliotekanauki.pl/articles/91626.pdf
Data publikacji:
2018
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
machine learning
missing data
model-based imputation
neural networks
random forests
support vector machine
radar signal classification
nauczanie maszynowe
brakujące dane
sieci neuronowe
maszyna wektorów nośnych
klasyfikacja sygnałów radarowych
Opis:
In this paper we investigate further and extend our previous work on radar signal identification and classification based on a data set which comprises continuous, discrete and categorical data that represent radar pulse train characteristics such as signal frequencies, pulse repetition, type of modulation, intervals, scan period, scanning type, etc. As the most of the real world datasets, it also contains high percentage of missing values and to deal with this problem we investigate three imputation techniques: Multiple Imputation (MI); K-Nearest Neighbour Imputation (KNNI); and Bagged Tree Imputation (BTI). We apply these methods to data samples with up to 60% missingness, this way doubling the number of instances with complete values in the resulting dataset. The imputation models performance is assessed with Wilcoxon’s test for statistical significance and Cohen’s effect size metrics. To solve the classification task, we employ three intelligent approaches: Neural Networks (NN); Support Vector Machines (SVM); and Random Forests (RF). Subsequently, we critically analyse which imputation method influences most the classifiers’ performance, using a multiclass classification accuracy metric, based on the area under the ROC curves. We consider two superclasses (‘military’ and ‘civil’), each containing several ‘subclasses’, and introduce and propose two new metrics: inner class accuracy (IA); and outer class accuracy (OA), in addition to the overall classification accuracy (OCA) metric. We conclude that they can be used as complementary to the OCA when choosing the best classifier for the problem at hand.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 1; 31-48
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adaptive control scheme based on the least squares support vector machine network
Autorzy:
Mahmoud, T. K.
Powiązania:
https://bibliotekanauki.pl/articles/930155.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
modelowanie systemu
system nieliniowy
system sterowania
sieć neuronowa
maszyna wektorów wspierających
support vector machine (SVM)
neural network
nonlinear system modeling
nonlinear system control
pH control
Opis:
Recently, a new type of neural networks called Least Squares Support Vector Machines (LS-SVMs) has been receiving increasing attention in nonlinear system identification and control due to its generalization performance. This paper develops a stable adaptive control scheme using the LS-SVM network. The developed control scheme includes two parts: the identification part that uses a modified structure of LS-SVM neural networks called the multi-resolution wavelet least squares support vector machine network (MRWLS-SVM) as a predictor model, and the controller part that is developed to track a reference trajectory. By means of the Lyapunov stability criterion, stability analysis for the tracking errors is performed. Finally, simulation studies are performed to demonstrate the capability of the developed approach in controlling a pH process.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2011, 21, 4; 685-696
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie wybranych modeli nieliniowych do prognozy ilości osadu nadmiernego
Application of Selected Nonlinear Methods to Forecast the Amount of Excess Sludge
Autorzy:
Gawdzik, J.
Szeląg, B.
Bezak-Mazur, E.
Stoińska, R.
Powiązania:
https://bibliotekanauki.pl/articles/1818016.pdf
Data publikacji:
2016
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
osady nadmierne
oczyszczanie ścieków
metoda wektorów nośnych
k–najbliższego sąsiada
drzewa wzmacniane
excess sludge
wastewater treatment
support vector machine (SVM)
k–nearest neighbour
boosted trees
Opis:
Operation of a sewage treatment plant is a complex task because it requires maintaining the parameters of its activities at the appropriate level in order to achieve the desired effect of reducing pollution and reduce the flow of sediment discharged from the biological reactor. The basis for predicting the amount of excess sludge and operational parameters WWTP can provide physical models describing the biochemical changes occurring in the reactor, in which the input parameters, ie. Indicators of effluent quality and quantity of wastewater are modeled in advance. However, due to numerous interactions and uncertainty of the data in the physical models and forecast errors parameters of the inlet to the treatment plant Simulation results may be affected by significant errors. Therefore, to minimize the prediction error parameters of operation of the technological objects deliberate use of a black box model. In these models at the stage of learning is generated model structure underlying the projections analyzed the operating parameters of the plant. This publication presents the possibility of the use of methods: support vector, k – nearest neighbour and trees reinforced to predict the amount of the resulting excess sludge during wastewater treatment in the WWTP located in Sitkówka – News with a capacity of 72,000 3/d with a load of 275,000 PE . Due to the fact that did not have the quality parameters of wastewater at the inlet to the activated sludge chambers it was not possible to verify the empirical relationships commonly used in engineering practice to determine the size of the daily flow of excess sludge. Due to the significant differences in the amount of excess sludge generated in the period (t = 1-7 days) the simulation of the amount of sludge into the time were performed. To assessment the compatibility of measurement results and simulations quantities of sludge the mean absolute error and relative error of prediction for the considered parameter of technology was used. The analyzes carried out revealed that the amount of generated excess sludge can be predicted on the basis of parameters describing the quantity and quality of influent waste water (slurry concentration of total nitrogen and total phosphorus, BOD5) and the operating parameters of the biological reactor (recirculation rate, concentration and temperature of the sludge, the dosed amount of methanol and PIX). On the basis of computations, it can be concluded that the most accurate forecasting results amounts of sediment were obtained by using a reinforced trees (t = 2 to 5 days) and Support Vector Machines methods (t = 1, 6, 7 days). While the highest values of forecast errors sediments was obtained using a k – nearest neighbor (t = 2 to 5 days) and reinforced trees (t = 1, 6, 7 days).
Źródło:
Rocznik Ochrona Środowiska; 2016, Tom 18, cz. 2; 695-708
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An Efficient Classification of Hyperspectral Remotely Sensed Data Using Support Vector Machine
Autorzy:
Mahendra, H. N.
Mallikarjunaswamy, S.
Powiązania:
https://bibliotekanauki.pl/articles/2134051.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
support vector machine
SVM
central processing unit
CPU
digital signal processor
DSP
field programmable gate array
FPGA
high level synthesis
HLS
hardware description language
HDL
Opis:
This work present an efficient hardware architecture of Support Vector Machine (SVM) for the classification of Hyperspectral remotely sensed data using High Level Synthesis (HLS) method. The high classification time and power consumption in traditional classification of remotely sensed data is the main motivation for this work. Therefore presented work helps to classify the remotely sensed data in real-time and to take immediate action during the natural disaster. An embedded based SVM is designed and implemented on Zynq SoC for classification of hyperspectral images. The data set of remotely sensed data are tested on different platforms and the performance is compared with existing works. Novelty in our proposed work is extend the HLS based FPGA implantation to the onboard classification system in remote sensing. The experimental results for selected data set from different class shows that our architecture on Zynq 7000 implementation generates a delay of 11.26 μs and power consumption of 1.7 Watts, which is extremely better as compared to other Field Programmable Gate Array (FPGA) implementation using Hardware description Language (HDL) and Central Processing Unit (CPU) implementation.
Źródło:
International Journal of Electronics and Telecommunications; 2022, 68, 3; 609--617
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Detection of partial rotor bar rupture of a cage induction motor using least square support vector machine approach
Autorzy:
Birame, M’hamed
Bessedik, Sid Ahmed
Benkhoris, Mohamed Fouad
Powiązania:
https://bibliotekanauki.pl/articles/1840890.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
fault diagnosis
partial rupture rotor bar
spectral analysis
least square support vector machine
LS-SVM
diagnostyka uszkodzeń
silnik indukcyjny
wirnik
analiza widmowa
maszyna wektorów nośnych
Opis:
Squirrel cage induction motors suffer from numerous faults, for example cracks in the rotor bars. This paper aims to present a novel algorithm based on Least Squares Support Vector Machine (LS-SVM) for detection partial rupture rotor bar of the squirrel cage asynchronous machine. The stator current spectral analysis based on FFT method is applied in order to extract the fault frequencies related to rotor bar partial rupture. Afterward the LS-SVM approach is established as monitoring system to detect the degree of rupture rotor bar. The training and testing data sets used are derived from the spectral analysis of one stator phase current, containing information about characteristic harmonics related to the partial rupture rotor bar. Satisfactory and more accurate results are obtained by applying LS-SVM to fault diagnosis of rotor bar.
Źródło:
Diagnostyka; 2021, 22, 1; 57-63
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatic parametric fault detection in complex analog systems based on a method of minimum node selection
Autorzy:
Bilski, A.
Wojciechowski, J.
Powiązania:
https://bibliotekanauki.pl/articles/330761.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
complex analog system
support vector machine (SVM)
tabu search
genetic algorithm
parametric fault detection
system analogowy
maszyna wektorów wspierających
metoda tabu search
algorytm genetyczny
detekcja uszkodzeń
Opis:
The aim of this paper is to introduce a strategy to find a minimal set of test nodes for diagnostics of complex analog systems with single parametric faults using the support vector machine (SVM) classifier as a fault locator. The results of diagnostics of a video amplifier and a low-pass filter using tabu search along with genetic algorithms (GAs) as node selectors in conjunction with the SVM fault classifier are presented. General principles of the diagnostic procedure are first introduced, and then the proposed approach is discussed in detail. Diagnostic results confirm the usefulness of the method and its computational requirements. Conclusions on its wider applicability are provided as well.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2016, 26, 3; 655-668
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Rozpoznawanie wieku i płci na podstawie analizy głosu
Age and gender recognition based on analysis of voice
Autorzy:
Gabryś, J.
Gil, G.
Kiszka, P.
Powiązania:
https://bibliotekanauki.pl/articles/261820.pdf
Data publikacji:
2015
Wydawca:
Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
Tematy:
automatyczne rozpoznawanie mowy
wiek
płeć
współczynniki MFCC
klasyfikacja mówcy
maszyna wektorów nośnych
automatic speech recognition
age
gender
MFCC coefficients
classification of speaker
support vector machine (SVM)
Opis:
Metody automatycznego rozpoznawania wieku i płci pozwalają na rozpoznanie cech osoby mówiącej tylko na podstawie nagrania jej wypowiedzi. Mowa ludzka, poza werbalnym komunikatem, niesie ze sobą informacje dotyczące osoby mówiącej. Nagranie mowy osoby pozwala na wyodrębnienie takich informacji, jak jej płeć, wiek, a także emocje. Zaprezentowano przegląd metod rozpoznawania wieku i płci osób na podstawie ich mowy oraz wykonano implementację i przetestowano połączenie metod wyznaczania parametrów MFCC (współczynniki analizy cepstralnej w skali mel (Mel-frequency Cepstral Coefficients) i wysokości tonu głosu f0 oraz algorytmu SVM (metoda wektorów nośnych - Support Vector Machines) do klasyfikacji próbek głosowych. Testy zaimplementowanego rozwiązania pozwalają stwierdzić, że metoda jest skuteczna w większości przypadków testowych.
Methods for automatic recognition of the age and gender characteristics allow the identification of the person only on the basis of recording of this person speech. Human speech, beyond verbal communication, gives an information about the speaking person. Speech recording allows the identification personal characteristics such as gender, age, and the emotions. The paper presents an overview of methods of age and gender recognition of people based on their speech. A combination of methods for determining the parameters MFCC (Mel-frequency Cepstral Coefficients) and pitch of voice (f0) and SVM (Support Vector Machines) algorithm for the classification of voice samples is implanted and tested. It was demonstrated that the method is effective in the majority of test cases.
Źródło:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2015, 21, 3; 165-169
1234-5563
Pojawia się w:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A study on the influence of particle size on the identification accuracy of coal and gangue
Badanie wpływu wielkości cząstek na dokładność identyfikacji węgla i skały płonnej
Autorzy:
Li, Xin
Wang, Shuang
He, Lei
Luo, Qisheng
Powiązania:
https://bibliotekanauki.pl/articles/2203300.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
particle size
gray feature
texture feature
support vector machine
coal identification
gangue identification
wielkość cząstek
cecha szarości
cecha tekstury
maszyna wektorów pomocniczych
identyfikacja węgla
identyfikacja skały płonnej
Opis:
In order to explore the impact of coal and gangue particle size changes on recognition accuracy and to improve the single particle size of coal and gangue identification accuracy of sorting equipment, this study established a database of different particle sizes of coal and gangue through image gray and texture feature extraction, using a relief feature selection algorithm to compare different particle size of coal and gangue optimal features of the combination, and to identify the points and particle size of coal and gangue. The results show that the optimal features and number of coal and gangue are different with different particle sizes. Based on visible-light coal and gangue separation technology, the change of coal and gangue particle size cause fluctuations in the recognition accuracy, and the fluctuation of recognition accuracy will gradually decrease with increases in the number of features. In the process of particle size classification, if the training model has a single particle size range, the recognition accuracy of each particle size range is low, with the highest recognition accuracy being 98% and the average recognition rate being only 97.2%. The method proposed in this paper can effectively improve the recognition accuracy of each particle size range. The maximum recognition accuracy is 100%, the maximum increase is 4%, and the average recognition accuracy is 99.2%. Therefore, this method has a high practical application value for the separation of coal and gangue with single particle size.
W celu zbadania wpływu zmian wielkości cząstek węgla i skały płonnej na dokładność rozpoznawania oraz poprawienia dokładności identyfikacji pojedynczych cząstek węgla i skały płonnej przez urządzenia sortujące, w ramach tej pracy utworzono bazę danych różnych rozmiarów cząstek węgla i skały płonnej za pomocą obrazów szarych i ekstrakcję cech tekstury przy użyciu algorytmu wyboru cech reliefowych w celu porównania różnych rozmiarów cząstek węgla i skały płonnej przy optymalnych cechach kombinacji oraz identyfikacji punktów i wielkości cząstek węgla i skały płonnej. Wyniki pokazują, że optymalne liczby cech węgla i skały płonnej są różne dla różnych rozmiarów cząstek. W oparciu o technologię separacji węgla i skały płonnej w świetle widzialnym, zmiana wielkości cząstek węgla i skały płonnej powoduje fluktuacje dokładności rozpoznawania, a te z kolei będą stopniowo zmniejszać się wraz ze wzrostem liczby cech. W procesie klasyfikacji wielkości cząstek, jeśli model uczący ma jeden zakres wielkości cząstek, dokładność rozpoznawania każdego zakresu wielkości cząstek jest niska, przy czym najwyższa dokładność rozpoznawania wynosi 98%, a średni wskaźnik rozpoznawania wynosi tylko 97,2%. Metoda zaproponowana w tym artykule może skutecznie poprawić dokładność rozpoznawania każdego zakresu wielkości cząstek. Maksymalna dokładność rozpoznawania wynosi 100%, maksymalny wzrost to 4%, a średnia dokładność rozpoznawania to 99,2%. Dlatego ta metoda ma dużą praktyczną wartość użytkową do oddzielania węgla i skały płonnej według rozmiaru pojedynczej cząstki.
Źródło:
Gospodarka Surowcami Mineralnymi; 2023, 39, 1; 109--129
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine-Learning Methods for Assessing Dynamic Resistance of Existing Bridge Structures Subjected to Mining Tremors
Metody uczenia maszynowego w ocenie odporności dynamicznej istniejących obiektów mostowych poddanych wstrząsom górniczym
Autorzy:
Rusek, J.
Powiązania:
https://bibliotekanauki.pl/articles/385657.pdf
Data publikacji:
2018
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
dynamika budowli
uczenie maszynowe
sztuczne sieci neuronowe
SVM
wstrząsy górnicze
odporność dynamiczna
mosty
dynamics of structures
machine learning
Artificial Neural Networks
SVM Support Vector Machine
mining tremors
dynamic resistance
bridges
Opis:
W pracy przedstawiono wyniki badań, których celem było utworzenie modelu pozwalającego na określenie odporności istniejących obiektów mostowych na wpływy wstrząsów górniczych. Podstawą do analiz była utworzona przez autora baza danych o odporności dynamicznej żelbetowych obiektów mostowych poddanych wymuszeniu sejsmicznemu charakterystycznemu dla terenu Legnicko-Głogowskiego Okręgu Miedziowego (LGOM). Odporność dynamiczna każdego obiektu w bazie danych została wyrażona w postaci granicznych wartości przyspieszeń drgań gruntu, jakie dana konstrukcja może przejąć bez zagrożenia bezpieczeństwa. Badania przeprowadzono, wykorzystując metodę Support Vector Machine (SVM) w ujęciu regresyjnym (SVR – Support Vector Regression) oraz sztuczne sieci neuronowe (ANN – Artificial Neural Network). Utworzone w ten sposób modele porównano w aspekcie jakości predykcji oraz uogólniania nabytej wiedzy. Pozwoliło to na wytypowanie metody najbardziej efektywnej pod względem oceny odporności dynamicznej istniejących obiektów mostów.
This paper demonstrates the results of research studies aimed at creating a model that allows to determine the resistance of existing bridge structures to the impact of mining tremors. A database (created by the author of this article) of the dynamic resistance of reinforced concrete bridge structures subjected to seismic excitations commonly occurring in the Legnica-Głogów Copper District (LGOM) formed the basis for the analysis. The dynamic resistance of each structure contained in the database was expressed as the limit values of the acceleration of ground vibrations that may be carried by a given structure without compromising its safety. The study was carried out using the Support Vector Machine (SVM) method in a Support Vector Regression (SVR) approach as well as an Artificial Neural Network (ANN). The models were compared in terms of the quality of the predictions and generalization of the acquired knowledge. This allows to select the most-effective method in evaluating the dynamic resistance of existing bridge structures.
Źródło:
Geomatics and Environmental Engineering; 2018, 12, 1; 109-120
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A sorting method for coal and gangue based on surface grayness and glossiness
Metoda sortowania węgla i skały płonnej na podstawie szarości i połysku powierzchni
Autorzy:
Cheng, Gang
Wei, Yifan
Chen, Jie
Pan, Zeye
Powiązania:
https://bibliotekanauki.pl/articles/27311660.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
surface glossiness
gangue recognition
image recognition
supervised classification
grey wolf algorithm
support vector machine
połysk powierzchni
rozpoznawanie skały płonnej
rozpoznawanie obrazu
klasyfikacja nadzorowana
algorytm szarych wilków
maszyna wektorów nośnych
Opis:
Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.
Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.
Źródło:
Gospodarka Surowcami Mineralnymi; 2023, 39, 3; 173--198
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Lung cancer detection using an integration of fuzzy K-Means clustering and deep learning techniques for CT lung images
Autorzy:
Prasad, J. Maruthi Nagendra
Chakravarty, S.
Krishna, M. Vamsi
Powiązania:
https://bibliotekanauki.pl/articles/2173683.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
fuzzy K-means
artificial neural networks
SVM
support vector machine
crow search optimization algorithm
algorytm rozmytych k-średnich
sztuczne sieci neuronowe
maszyna wektorów wspierających
algorytm optymalizacji wyszukiwania kruków
Opis:
Computer aided detection systems are used for the provision of second opinion during lung cancer diagnosis. For early-stage detection and treatment false positive reduction stage also plays a vital role. The main motive of this research is to propose a method for lung cancer segmentation. In recent years, lung cancer detection and segmentation of tumors is considered one of the most important steps in the surgical planning and medication preparations. It is very difficult for the researchers to detect the tumor area from the CT (computed tomography) images. The proposed system segments lungs and classify the images into normal and abnormal and consists of two phases, The first phase will be made up of various stages like pre-processing, feature extraction, feature selection, classification and finally, segmentation of the tumor. Input CT image is sent through the pre-processing phase where noise removal will be taken care of and then texture features are extracted from the pre-processed image, and in the next stage features will be selected by making use of crow search optimization algorithm, later artificial neural network is used for the classification of the normal lung images from abnormal images. Finally, abnormal images will be processed through the fuzzy K-means algorithm for segmenting the tumors separately. In the second phase, SVM classifier is used for the reduction of false positives. The proposed system delivers accuracy of 96%, 100% specificity and sensitivity of 99% and it reduces false positives. Experimental results shows that the system outperforms many other systems in the literature in terms of sensitivity, specificity, and accuracy. There is a great tradeoff between effectiveness and efficiency and the proposed system also saves computation time. The work shows that the proposed system which is formed by the integration of fuzzy K-means clustering and deep learning technique is simple yet powerful and was effective in reducing false positives and segments tumors and perform classification and delivers better performance when compared to other strategies in the literature, and this system is giving accurate decision when compared to human doctor’s decision.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2022, 70, 3; art. no. e139006
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integrated system of health management-oriented reliability prediction for a spacecraft software system with an adaptive genetic algorithm support vector machine
Zorientowane na zintegrowane zarządzanie kondycją systemu prognozowanie niezawodności systemów oprogramowania statków kosmicznych z wykorzystaniem opartej na adaptacyjnym algorytmie genetycznym maszyny wektorów nośnych
Autorzy:
Xu, J.
Meng, Z
Xu, L.
Powiązania:
https://bibliotekanauki.pl/articles/300804.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
spacecraft software system
reliability
integrated system health management
adaptive genetic algorithms support vector machine
system oprogramowania statku kosmicznego
niezawodność
zintegrowane zarządzanie kondycją systemu
adaptacyjne algorytmy genetyczne
maszyna wektorów nośnych
Opis:
Software reliability prediction is very important to minimize cost and improve software development effectiveness, especially in a spacecraft’s software system. In this paper, a new spacecraft software system reliability definition is given and a new reliability prognostics-oriented life cycle integrated system health management for a spacecraft software system is focused on. Adaptive genetic algorithms are then combined with a support vector machine to build an adaptive genetic algorithm support vector machine reliability prediction model. This model attempts to overcome the genetic algorithm weaknesses, such as the local minima and premature convergence problems, and solves the parameter selection difficulties often encountered in a support vector machine. After construction, the proposed adaptive genetic algorithm support vector machine model is employed to predict the reliability of a spacecraft software system. Finally, a numerical example is given to show how the proposed approach has a superior prediction performance compared to a standard support vector machine and artificial neural network.
Przewidywanie niezawodności oprogramowania odgrywa ważną rolę w minimalizowaniu kosztów i poprawie efektywności tworzenia oprogramowania, zwłaszcza w odniesieniu do systemów oprogramowania statków kosmicznych. W niniejszej pracy, podano nową definicję niezawodności systemu oprogramowania statku kosmicznego koncentrując uwagę na opartym na prognozowaniu niezawodności oraz cyklu życia modelu zintegrowanego zarządzania kondycją systemu opracowanego dla systemu oprogramowania statku kosmicznego. Skonstruowano następnie model przewidywania niezawodności oparty na połączeniu adaptacyjnych algorytmów genetycznych oraz maszyny wektorów nośnych. Model ten stanowi próbę przezwyciężenia słabości algorytmów genetycznych, takich jak problem minimów lokalnych czy problem przedwczesnej zbieżności, a także rozwiązania trudności związanych z doborem parametrów, jakie często występują przy zastosowaniu maszyny wektorów nośnych. Skonstruowany model opartej na adaptacyjnym algorytmie genetycznym maszyny wektorów nośnych zastosowano do przewidywania niezawodności systemu oprogramowania statku kosmicznego. Wreszcie, przedstawiono przykład liczbowy, który pokazuje że opracowany model charakteryzuje się wyższą dokładnością prognozowania w porównaniu do standardowej maszyny wektorów nośnych oraz sztucznej sieci neuronowej.
Źródło:
Eksploatacja i Niezawodność; 2014, 16, 4; 571-578
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-100 z 118

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