Temat: support vector machine - Katalog OPAC zbiorów

Skocz do pozycji: 1.

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

Zmień widok

na półce

Skocz do pozycji: 2.

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

Zmień widok

na półce

Skocz do pozycji: 3.

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

Zmień widok

na półce

Skocz do pozycji: 4.

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

Zmień widok

na półce

Skocz do pozycji: 5.

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

Zmień widok

na półce

Skocz do pozycji: 6.

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

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Analiza wielorozdzielcza i sieć SVM w zastosowaniu do klasyfikacji potencjałów czynnościowych
Multiresolution analysis and Support Vector Machine for motor unit classification
Autorzy:: Dobrowolski, A. P.
Wierzbowski, M.
Tomczykiewicz, K.
Powiązania:: https://bibliotekanauki.pl/articles/209509.pdf
Data publikacji:: 2009
Wydawca:: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:: elektromiografia ilościowa (QEMG)
potencjał czynnościowy jednostki ruchowej (PJR)
analiza wielorozdzielcza
aproksymacja falkowa
skalogram
sieć SVM
diagnostyka medyczna
quantitative electromyography (QEMG)
motor unit action potential (MUAP)
multiresolution analysis
wavelet approximation
scalogram
support vector machine (SVM)
medical diagnosis
Opis:: W artykule przedstawiono nową metodę diagnozowania chorób nerwowo-mięśniowych opartą na analizie skalogramów wyznaczonych za pomocą falek Symlet 4. Z otrzymanych skalogramów wyekstrahowano 5 cech, które po analizie w sieciach SVM sprowadzono do pojedynczego parametru klasyfikującego analizowane przypadki do grupy miogennej, neurogennej i prawidłowej. Implementacja programowa metody stworzyła narzędzie diagnostyczne wspomagające badanie EMG o bardzo wysokim prawdopodobieństwie prawidłowej oceny stanu mięśnia (błąd całkowity wyniósł 0,66% - dwie błędne klasyfikacje na 300 badanych pacjentów).
The paper presents a new approach to the computer aided diagnostic systems for the needs of quantitative electromyography. The approach is based on the analysis of wavelet scalograms of the motor unit action potentials calculated on the basis of 4th order Symlet wavelet. The scalograms provide the vector consisting of five features describing the state of a muscle. The vectors serve to carry out a classification of pathology by using Support Vector Machine method. The QEMG examination consists of the insertion of a needle electrode into a muscle and a registration of muscle potentials during low effort. Registered potentials are called motor unit action potentials (MUAPs). A diagnosis is usually preceded by a statistical analysis of a MUAP shape. An inconvenience of this procedure in a clinical practice is caused by high time- consumption arising, among others, from the necessity of determination of many parameters, usually between 4 and 7. Additionally, an ambiguity in determination of basic temporal parameters can cause doubts during comparison of parameters found by the physician with standard ones determined in other research centre, which mostly uses equipment of older generation. Measurement results on diagnostic method deprived of above - mentioned disadvantages are described in the paper. The aim of our work was a development of new methods for transformation of action potential signals observed in EMG records for healthy muscles and changed ones. The multiresolution decomposition method was devoted to determination of a vector of characteristic features of signals corresponding to analyzed categories. Then, this vector was used for effective recognition of these categories using linear Support Vector Machine technique. The final effect of research is development of a definition for numerical classificator directly enabling a unique diagnosis to be made. An essential advantage of the suggested classificator is a precise and algorithmically realized definition which enables an objective comparison of examination results obtained by physicians with different experience and working in different research centres. The presented diagnostic method ensures significantly better distinction between pathological and healthy cases as compared to methods using traditional parameters defined in time and frequency domains. Sensitivity of the wavelet method, for 100% specificity, amounts to 100% for myogenic and to 97% for neurogenic pathological states.
Źródło:: Biuletyn Wojskowej Akademii Technicznej; 2009, 58, 3; 275-302
1234-5865
Pojawia się w:: Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Clustering Methods Applied to Reduce the Training Sample Size in Support Vector Machines
Wykorzystanie metod taksonomicznych do redukcji liczebności zbioru uczącego w metodzie wektorów nośnych
Autorzy:: Trzęsiok, Michał
Powiązania:: https://bibliotekanauki.pl/articles/905051.pdf
Data publikacji:: 2009
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:: support vector machines
K-medoids
machine learning
Opis:: Support vector machines belong to the group of methods of supervised learning. They generate non-linear models with good generalization abilities. The core of SVMs algorithm is the quadratic program which is solved for obtaining the optimal separating hyperplane. Because finding the solution of this quadratic program is computationally expensive, SVMs are not feasible for very large data sets. As a solution Wang, Wu and Zhang (2005) suggested to combine the AT-means clustering technique with SVMs to reduce the number of support vectors. The paper presents a common approach using K-medoids and compares it with the original SVMs.
Metoda wektorów nośnych jest metodą dyskryminacji generującą nieliniowe modele o dużym stopniu uogólnienia (małych błędach klasyfikacji na zbiorach testowych). Jednak ze względu na dużą złożoność obliczeniową, związaną z koniecznością rozwiązania zadania optymalizacji wypukłej, które jest podstawowym elementem algorytmu metody, stosowanie metody, szczególnie w przypadku zbiorów uczących o dużej liczebności, nie zawsze jest możliwe. Złożoność obliczeniowa algorytmu metody wektorów nośnych zależy przede wszystkim od liczby obserwacji w zbiorze uczącym. Jako rozwiązanie tego problemu Wang, Wu i Zhang zaproponowali pogrupowanie danych ze zbioru uczącego za pomocą taksonomicznej metody AT-średnich i zastosowanie metody wektorów nośnych na dużo mniej licznym zbiorze środków ciężkości tak otrzymanych klas. W artykule przedstawiona została ocena analogicznego podejścia, wykorzystującego do grupowania metodę K-medoidów oraz porównanie z oryginalną metodą wektorów nośnych.
Źródło:: Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 225
0208-6018
2353-7663
Pojawia się w:: Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

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

Zmień widok

na półce

Skocz do pozycji: 10.

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

Zmień widok

na półce

Skocz do pozycji: 11.

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

Zmień widok

na półce

Skocz do pozycji: 12.

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

Zmień widok

na półce

Skocz do pozycji: 13.

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

Zmień widok

na półce

Skocz do pozycji: 14.

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

Zmień widok

na półce

Skocz do pozycji: 15.

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

Zmień widok

na półce

Informacja

Wyszukujesz frazę "support vector machine" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język