Temat: wavelet neural network - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Navigation of autonomous mobile robot using different activation functions of wavelet neural network
Autorzy:: Panigrahi, P. K.
Ghosh, S.
Parhi, D. R.
Powiązania:: https://bibliotekanauki.pl/articles/229613.pdf
Data publikacji:: 2015
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: autonomous mobile robot
activation functions
obstacle avoidance
path planning
wavelet neural network
Opis:: An autonomous mobile robot is a robot which can move and act autonomously without the help of human assistance. Navigation problem of mobile robot in unknown environment is an interesting research area. This is a problem of deducing a path for the robot from its initial position to a given goal position without collision with the obstacles. Different methods such as fuzzy logic, neural networks etc. are used to find collision free path for mobile robot. This paper examines behavior of path planning of mobile robot using three activation functions of wavelet neural network i.e. Mexican Hat, Gaussian and Morlet wavelet functions by MATLAB. The simulation result shows that WNN has faster learning speed with respect to traditional artificial neural network.
Źródło:: Archives of Control Sciences; 2015, 25, 1; 21-34
1230-2384
Pojawia się w:: Archives of Control Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Research on electric vehicle charging load prediction and charging mode optimization
Autorzy:: Zhang, Zhiyan
Shi, Hang
Zhu, Ruihong
Zhao, Hongfei
Zhu, Yingjie
Powiązania:: https://bibliotekanauki.pl/articles/1841299.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: electric vehicles
Monte Carlo
wavelet neural network
charging load
pojazdy elektryczne
sieć neuronowa falkowa
Opis:: To reduce the influence of the disorderly charging of electric vehicles (EVs) on the grid load, the EV charging load and charging mode are studied in this paper. First, the distribution of EV charging capacity and state of charge (SOC) feature quantity are analyzed, and their probability density function is solved. It is verified that both EV charging capacity and SOC obey the skew-normal distribution. Second, considering the space-time distribution characteristics of the EV charging load, a method for charging load prediction based on a wavelet neural network is proposed, and compared with the traditional BP neural network, the prediction results show that the error of the wavelet neural network is smaller, and the effectiveness of the wavelet neural network prediction is verified. The optimization objective function with the lowest user costs is established, and the constraint conditions are determined, so the orderly charging behavior is simulated by the Monte Carlo method. Finally, the influence of charging mode optimization on power grid operation is analyzed, and the result shows that the effectiveness of the charging optimization model is verified.
Źródło:: Archives of Electrical Engineering; 2021, 70, 2; 399-414
1427-4221
2300-2506
Pojawia się w:: Archives of Electrical Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: The soft rock socketed monopile with creep effects – a reliability approach based on wavelet neural networks
Pal osadzony w miękkiej skale z wpływem pełzania – podejście niezawodnościowe bazujące na sieciach falkowo-neuronowych
Autorzy:: Kozubal, J.
Tomanovic, Z.
Zivaljevic, S.
Powiązania:: https://bibliotekanauki.pl/articles/219798.pdf
Data publikacji:: 2016
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: niezawodność
pal
margiel
pełzanie
sieci falkowo-neuronowe
powierzchnia odpowiedzi
reliability
pile
marl
creep
wavelet neural network
response surface
Opis:: In the present study the numerical model of the pile embedded in marl described by a time dependent model, based on laboratory tests, is proposed. The solutions complement the state of knowledge of the monopile loaded by horizontal force in its head with respect to its random variability values in time function. The investigated reliability problem is defined by the union of failure events defined by the excessive horizontal maximal displacement of the pile head in each periods of loads. Abaqus has been used for modeling of the presented task with a two layered viscoplastic model for marl. The mechanical parameters for both parts of model: plastic and rheological were calibrated based on the creep laboratory test results. The important aspect of the problem is reliability analysis of a monopile in complex environment under random sequences of loads which help understanding the role of viscosity in nature of rock basis constructions. Due to the lack of analytical solutions the computations were done by the method of response surface in conjunction with wavelet neural network as a method recommended for time sequences process and description of nonlinear phenomenon.
W niniejszym studium zaprezentowany jest problem pojedynczego pala osadzonego w miękkiej skale, zastosowano wiskoplastyczny model materiału bazujący na wynikach badań laboratoryjnych zespołu z Uniwersytetu Montenegro. Rozwiązanie uzupełnia stan wiedzy dla pali obciążonych poziomą siłą w głowicy zmienną w sposób losowy w czasie. Badany problem niezawodności został określony przez sumę zdarzeń – awarii – zdefiniowanych jako przekroczenie maksymalnie dopuszczalnego poziomego przemieszczenia głowicy pala niezależnie w wszystkich stanach obciążenia. Zastosowano program metody elementów skończonych, ABAQUS, do budowy trójwymiarowego modelu z dwuwarstwowym wiskoplastycznym modelem dla margla. Parametry mechaniczne modelu zarówno w części plastycznej i reologicznej zostały skalibrowane na podstawie wyników badań laboratoryjnych wykonanych na przestrzeni ostatnich czterech lat na próbkach z jednorodnego złoża margla w Montenegro. Ważnym aspektem problemu jest analiza niezawodności pojedynczego pala dla złożonego mechanicznie środowiska w ramach sekwencji losowych obciążeń. Przedstawione zadanie pozwala dostrzec istotę lepkiej części modelu. Ze względu na brak rozwiązań analitycznych oraz długotrwałość procesu obliczeniowego obliczenia niezawodnościowe przeprowadzono metodą powierzchni odpowiedzi bazując na sieciach falkowo-neuronowych. Sieć poprzez nadanie jej struktury rejestru została dostosowana do opisu procesu o nieliniowym charakterze zjawiska i dla obciążeń zmiennych w czasie.
Źródło:: Archives of Mining Sciences; 2016, 61, 3; 571-585
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Soft computing-based technique as a predictive tool to estimate blast-induced ground vibration
Autorzy:: Arthur, Clement Kweku
Temeng, Victor Amoako
Ziggah, Yao Yevenyo
Powiązania:: https://bibliotekanauki.pl/articles/1839011.pdf
Data publikacji:: 2019
Wydawca:: Główny Instytut Górnictwa
Tematy:: radial basis function neural network
back propagation neural network
generalized regression neural network
wavelet neural network
group method of data handling
ground vibration
radialna funkcja bazowa
sieć neuronowa
GRNN
sieć falkowo-neuronowa
grupowa metoda przetwarzania danych
drgania gruntu
Opis:: The safety of workers, the environment and the communities surrounding a mine are primary concerns for the mining industry. Therefore, implementing a blast-induced ground vibration monitoring system to monitor the vibrations emitted due to blasting operations is a logical approach that addresses these concerns. Empirical and soft computing models have been proposed to estimate blast-induced ground vibrations. This paper tests the efficiency of the Wavelet Neural Network (WNN). The motive is to ascertain whether the WNN can be used as an alternative to other widely used techniques. For the purpose of comparison, four empirical techniques (the Indian Standard, the United State Bureau of Mines, Ambrasey-Hendron, and Langefors and Kilhstrom) and four standard artificial neural networks of backpropagation (BPNN), radial basis (RBFNN), generalised regression (GRNN) and the group method of data handling (GMDH) were employed. According to the results obtained from the testing dataset, the WNN with a single hidden layer and three wavelons produced highly satisfactory and comparable results to the benchmark methods of BPNN and RBFNN. This was revealed in the statistical results where the tested WNN had minor deviations of approximately 0.0024 mm/s, 0.0035 mm/s, 0.0043 mm/s, 0.0099 and 0.0168 from the best performing model of BPNN when statistical indicators of Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Relative Root Mean Square Error (RRMSE), Correlation Coefficient (R) and Coefficient of determination (R2) were considered.
Źródło:: Journal of Sustainable Mining; 2019, 18, 4; 287-296
2300-1364
2300-3960
Pojawia się w:: Journal of Sustainable Mining
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Plant classification based on leaf edges and leaf morphological veins using wavelet convolutional neural network
Autorzy:: Dewi, Wulan
Utomo, Wiranto Herry
Powiązania:: https://bibliotekanauki.pl/articles/1837797.pdf
Data publikacji:: 2021
Wydawca:: Polskie Towarzystwo Promocji Wiedzy
Tematy:: classification
leaf edges
leaf veins morphological
wavelet convolutional neural network
klasyfikacja
brzegi liści
budowa morfologiczna liści
splotowa sieć neuronowa
Opis:: The leaf is one of the plant organs, contains chlorophyll, and functions as a catcher of energy from sunlight which is used for photosynthesis. Perfect leaves are composed of three parts, namely midrib, stalk, and leaf blade. The way to identify the type of plant is to look at the shape of the leaf edges. The shape, color, and texture of a plant's leaf margins may influence its leaf veins, which in this vein morphology carry information useful for plant classification when shape, color, and texture are not noticeable. Humans, on the other hand, may fail to recognize this feature because they prefer to see plants solely based on leaf form rather than leaf margins and veins. This research uses the Wavelet method to denoise existing images in the dataset and the Convolutional Neural Network classifies through images. The results obtained using the Wavelet Convolutional Neural Network method are equal to 97.13%.
Źródło:: Applied Computer Science; 2021, 17, 1; 81-89
1895-3735
Pojawia się w:: Applied Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Fault diagnosis of analog circuit based on wavelet transform and neural network
Autorzy:: Wang, Hui
Powiązania:: https://bibliotekanauki.pl/articles/141368.pdf
Data publikacji:: 2020
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: analog circuit
fault diagnosis
neural network
wavelet transform
Opis:: Analog circuits need more effective fault diagnosis methods. In this study, the fault diagnosis method of analog circuits was studied. The fault feature vectors were extracted by a wavelet transform and then classified by a generalized regression neural network (GRNN). In order to improve the classification performance, a wolf pack algorithm (WPA) was used to optimize the GRNN, and a WPA-GRNN diagnosis algorithm was obtained. Then a simulation experiment was carried out taking a Sallen–Key bandpass filter as an example. It was found from the experimental results that the WPA could achieve the preset accuracy in the eighth iteration and had a good optimization effect. In the comparison between the GRNN, genetic algorithm (GA)-GRNN and WPA-GRNN, the WPA-GRNN had the highest diagnostic accuracy, and moreover it had high accuracy in diagnosing a single fault than multiple faults, short training time, smaller error, and an average accuracy rate of 91%. The experimental results prove the effectiveness of the WPA-GRNN in fault diagnosis of analog circuits, which can make some contributions to the further development of the fault diagnosis of analog circuits.
Źródło:: Archives of Electrical Engineering; 2020, 69, 1; 175-185
1427-4221
2300-2506
Pojawia się w:: Archives of Electrical Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Journal Bearing Fault Detection Based on Daubechies Wavelet
Autorzy:: Narendiranath, B. T.
Himamshu, H. S.
Prabin, K. N.
Rama, P. D.
Nishant, C.
Powiązania:: https://bibliotekanauki.pl/articles/176955.pdf
Data publikacji:: 2017
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: journal bearing
fault diagnosis
Debauchies wavelet
artificial neural network
Opis:: Journal bearings are widely used to support the shafts in industrial machinery involving heavy loads, such as compressors, turbines and centrifugal pumps. The major problem that could arise in journal bearings is catastrophic failure due to corrosion or erosion and fatigue, which results in economic loss and creates major safety risks. Thus, it is necessary to provide suitable condition monitoring technique to detect and diagnose failures, and achieve cost savings to the industry. Therefore, this paper focuses on fault diagnosis on journal bearing using Debauchies Wavelet-02 (DB-02). Nowadays, wavelet transformation is one of the most popular technique of the time-frequency-transformations. An experimental setup was used to diagnose the faults in the journal bearing. The accelerometer is used to collect vibration data, from the journal bearing in the form of time domain. This was then used as input for a MATLAB code that could plot the time domain signal. This signal was then decomposed based on the wavelet transform. The fast Fourier transform is then used to obtain the frequency domain, which gives us the frequency having the highest amplitude. To diagnose the faults various operating conditions are used in the journal bearing such as Full oil, half loose, half oil, fault 1, fault 2, fault 3 and full loose. Then the Artificial Neural Networks (ANN) is used to classify faults. The network is trained based on data already collected and then it is tested based on random data points. ANN was able to classify the faults with the classification rate of 85.7%. Thus, the test process for unseen vibration data of the trained ANN combined with ideal output target values indicates high success rate for automated bearing fault detection.
Źródło:: Archives of Acoustics; 2017, 42, 3; 401-414
0137-5075
Pojawia się w:: Archives of Acoustics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Hybrid wavelet transform – MLR and ANN models for river flow prediction: Case study of Brahmaputra river (Pancharatna station)
Autorzy:: Khandekar, Sachin Dadu
Aswar, Dinesh Shrikrishna
Sabale, Pandurang Digamber
Khandekar, Varsha Sachin
Bajad, Mohankumar Namdeorao
Powiązania:: https://bibliotekanauki.pl/articles/36074310.pdf
Data publikacji:: 2024
Wydawca:: Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:: wavelet transform
artificial neural network
multiple linear regression
streamflow
Daubechies wavelet
time series
Opis:: In this research, discrete wavelet transform (DWT) is combined with MLR and ANN to develop WMLR and WANN hybrid models, respectively, for the Brahmaputra river (Pancharatna station) flow forecasting. Daily flow data for the period of 10 year were decomposed (up to fifth level) into detailed and approximation coefficients (using Daubechies wavelets db1, db2, db3, db8 and db10) which were fed as input to MLR and ANN to get the predicted discharge values two days, four days, seven days and 14 days ahead. For all lead times, the WMLR-db10 model was found to be superior as compared to WANN-db1, WANN-db2, WANN-db3, WANN-db8, WMLR-db1, WMLR-db2, WMLR-db3, WMLR-db8 and single MLR and ANN models. During testing period, the values of determination coefficient (R2) and RMSE for WMLR-db10 model for two-, four-, seven- and 14-day lead time were found to be, respectively, 0.996 (751.87 m3·s–1), 0.991 (1,174.80 m3·s–1), 0.984 (1,585.02 m3·s–1), and 0.968 (2,196.46 m3·s–1). Also, it was observed that for lower order wavelets (db1, db2, db3) WANN’s performance was better, and for higher order wavelets (db8, db10) WMLR’s performance was better. Correspondingly, it was observed that all hybrid models’ efficiency increased with increase in the decomposition level.
Źródło:: Scientific Review Engineering and Environmental Sciences; 2024, 33, 1; 69-94
1732-9353
Pojawia się w:: Scientific Review Engineering and Environmental Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Automatic driving comfort analysis and intelligent identification of uncomfortable manoeuvres based on vehicle-following scenario
Autorzy:: Feng, Jiacheng
Powiązania:: https://bibliotekanauki.pl/articles/2086975.pdf
Data publikacji:: 2022
Wydawca:: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:: automatic driving
driving comfort
evaluation algorithm
wavelet filtering
neural network
Opis:: Driving comfort and performance is of vital importance to evaluate the control quality of an automatic driving system. The control quality and calibration of the automatic driving system not only affects comfort but also psychological load and tension. Therefore, this paper proposed an analysis method of driving comfort combined with subjective and objec- tive factors, including multidimensional analysis based on the velocity domain, acceleration energy and power analysis, perceived risk and deviation analysis. Moreover, the feature of typical uncomfortable manoeuvres is analysed and generates an intelligent identification al- gorithm. It has been found that the uncomfortable identification performance is excellent (the accuracy reached 99%).
Źródło:: Journal of Theoretical and Applied Mechanics; 2022, 60, 2; 303--316
1429-2955
Pojawia się w:: Journal of Theoretical and Applied Mechanics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Research on islanding detection of solar distributed generation based on best wavelet packet and neural network
Autorzy:: Xi, Zhongmei
Zhao, Faqi
Zhao, Xiangyang
Peng, Hong
Xi, Chuanxin
Powiązania:: https://bibliotekanauki.pl/articles/141157.pdf
Data publikacji:: 2019
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: active distribution network
islanding detection
neural network
solar distributed generation
wavelet pocket transform
Opis:: The active distribution network (ADN) represents the future development of distribution networks, whether the islanding phenomenon occurs or not determines the control strategy adopted by the ADN. The best wavelet packet has a better time-frequency characteristic than traditional wavelet analysis in the different signal processing, because it can extract better and more information from the signal effectively. Based on wavelet packet energy and the neural network, the islanding phenomenon of the ADN can be detected. Firstly, the wavelet packet is used to decompose current and voltage signals of the public coupling point between the distributed photovoltaic (PV) system and power grid, and calculate the energy value of each decomposed frequency band. Secondly, the network is trained using the constructed energy characteristic matrix as a neural network learning sample. At last, in order to achieve the function of identification for islanding detection, lots of samples are trained in the neural network. Based on the actual circumstance of PV operation in the ADN, the MATLAB/SIMULINK simulation model of the ADN is established. After the simulation, there are good output results, which show that the method has the characteristics of high identification accuracy and strong generalization ability.
Źródło:: Archives of Electrical Engineering; 2019, 68, 4; 703-717
1427-4221
2300-2506
Pojawia się w:: Archives of Electrical Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Prognozowanie wskaźników makroekonomicznychz uwzględnieniem transformaty falkowejna przykładzie wskaźnika inflacji
Forecasting macroeconomic indicators including wavelet transform. The example of inflation rate
Autorzy:: Hadaś-Dyduch, Monika
Powiązania:: https://bibliotekanauki.pl/articles/541181.pdf
Data publikacji:: 2013
Wydawca:: Wyższa Szkoła Bankowa we Wrocławiu
Tematy:: inflacja
analiza falkowa
sztuczna sieć neuronowa
inflation
wavelet analysis
artificial neural network
Opis:: Celem artykułu jest przedstawienie niekonwencjonalnego sposobu predykcji wskaźników makroekonomicznych, tzn. predykcji na podstawie prostego autorskiego modelu integrującego analizę falkową oraz sztuczne sieci neuronowe. Przykładową predykcję proponowanego modelu przedstawiono dla wskaźnika inflacji. Zasadniczo proponowaną metodę predykcji wskaźników makroekonomicznych oparto w przeważającym stopniu na transformacie falkowej, ponieważ funkcje falkowe charakteryzują dobre własności lokalizacyjne zarówno względem czasu, jak i częstotliwości.
The purpose of this article is present an unconventional method of prediction of macroeconomic indicators, which is based on a simple model that integrates proprietary wavelet analysis and artificial neural networks. An example of prediction of the proposed model shows the rate of inflation. Basically, the proposed method of predicting macroeconomic indicators are to a large degree based levels of wavelet transform, since wavelet functions are characterized by good localization properties both in time and frequency.
Źródło:: Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu; 2013, 2(34); 175-186
1643-7772
Pojawia się w:: Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Prediction of Psychoacoustic Metrics Using Combination of Wavelet Packet Transform and an Optimized Artificial Neural Network
Autorzy:: Pourseiedrezaei, Mehdi
Loghmani, Ali
Keshmiri, Mehdi
Powiązania:: https://bibliotekanauki.pl/articles/177762.pdf
Data publikacji:: 2019
Wydawca:: Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:: sound quality measurement
psychoacoustic metrics
wavelet packet transform
optimized artificial neural network
Opis:: In this paper, a modified sound quality evaluation (SQE) model is developed based on combination of an optimized artificial neural network (ANN) and the wavelet packet transform (WPT). The presented SQE model is a signal processing technique, which can be implemented in current microphones for predicting the sound quality. The proposed method extracts objective psychoacoustic metrics including loudness, sharpness, roughness, and tonality from sound samples, by using a special selection of multi-level nodes of the WPT combined with a trained ANN. The model is optimized using the particle swarm optimization (PSO) and the back propagation (BP) algorithms. The obtained results reveal that the proposed model shows the lowest mean square error and the highest correlation with human perception while it has the lowest computational cost compared to those of the other models and software.
Źródło:: Archives of Acoustics; 2019, 44, 3; 561-573
0137-5075
Pojawia się w:: Archives of Acoustics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Intelligent fault diagnosis of rolling bearings based on continuous wavelet transform-multiscale feature fusion and improved channel attention mechanism
Autorzy:: Zhang, Jiqiang
Kong, Xiangwei
Cheng, Liu
Qi, Haochen
Yu, Mingzhu
Powiązania:: https://bibliotekanauki.pl/articles/24200817.pdf
Data publikacji:: 2023
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: deep learning
continuous wavelet transform
improved channel attention mechanism
multi-conditions
convolutional neural network
Opis:: Accurate fault diagnosis is critical to operating rotating machinery safely and efficiently. Traditional fault information description methods rely on experts to extract statistical features, which inevitably leads to the problem of information loss. As a result, this paper proposes an intelligent fault diagnosis of rolling bearings based on a continuous wavelet transform(CWT)-multiscale feature fusion and an improved channel attention mechanism. Different from traditional CNNs, CWT can convert the 1-D signals into 2-D images, and extract the wavelet power spectrum, which is conducive to model recognition. In this case, the multiscale feature fusion was implemented by the parallel 2-D convolutional neural networks to accomplish deeper feature fusion. Meanwhile, the channel attention mechanism is improved by converting from compressed to extended ways in the excitation block to better obtain the evaluation score of the channel. The proposed model has been validated using two bearing datasets, and the results show that it has excellent accuracy compared to existing methods.
Źródło:: Eksploatacja i Niezawodność; 2023, 25, 1; art. no. 16
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Forecasting Stock Price using Wavelet Neural Network Optimized by Directed Artificial Bee Colony Algorithm
Autorzy:: Khuat, T. T.
Le, Q. C.
Nguyen, B. L.
Le, M. H.
Powiązania:: https://bibliotekanauki.pl/articles/308651.pdf
Data publikacji:: 2016
Wydawca:: Instytut Łączności - Państwowy Instytut Badawczy
Tematy:: Artificial Bee Colony algorithm
Artificial Neural Network
back-propagation algorithm
stock price forecasting
wavelet transform
Opis:: Stock prediction with data mining techniques is one of the most important issues in finance. This field has attracted great scientific interest and has become a crucial research area to provide a more precise prediction process. This study proposes an integrated approach where Haar wavelet transform and Artificial Neural Network optimized by Directed Artificial Bee Colony algorithm are combined for the stock price prediction. The proposed approach was tested on the historical price data collected from Yahoo Finance with different companies. Furthermore, the prediction result was found satisfactorily enough as a guide for traders and investors in making qualitative decisions.
Źródło:: Journal of Telecommunications and Information Technology; 2016, 2; 43-52
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: 15.

Tytuł:: Development of a Sound Quality Evaluation Model Based on an Optimal Analytic Wavelet Transform and an Artificial Neural Network
Autorzy:: Pourseiedrezaei, Mehdi
Loghmani, Ali
Keshmiri, Mehdi
Powiązania:: https://bibliotekanauki.pl/articles/1953511.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:: analytic wavelet transform
AWT
sound quality evaluation
SQE
psychoacoustic metrics
back propagation neural network
BPNN
Opis:: The purpose of this study was to develop a sound quality model for real time active sound quality control systems. The model is based on an optimal analytic wavelet transform (OAWT) used along with a back propagation neural network (BPNN) in which the initial weights and thresholds are determined by particle swarm optimisation (PSO). In the model the input signal is decomposed into 24 critical bands to extract a feature matrix, based on energy, mean, and standard deviation indices of the sub signal scalogram obtained by OAWT. The feature matrix is fed into the neural network input to determine the psychoacoustic parameters used for sound quality evaluation. The results of the study show that the present model is in good agreement with psychoacoustic models of sound quality metrics and enables evaluation of the quality of sound at a lower computational cost than the existing models.
Źródło:: Archives of Acoustics; 2021, 46, 1; 55-65
0137-5075
Pojawia się w:: Archives of Acoustics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 16.

Tytuł:: Time - frequency method and artificial neural network classifier for induction motor drive system defects classification
Autorzy:: Behim, Meriem
Merabet, Leila
Saad, Salah
Powiązania:: https://bibliotekanauki.pl/articles/31341644.pdf
Data publikacji:: 2024
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:: energy
L-kurtosis
wavelet packet decomposition
multilayer perceptron neural network
induction motor defects
vibratory signals
Opis:: In this paper, by introducing two statistical parameters, energy and L-kurtosis, a new fault diagnostic system combining Wavelet Packet Decomposition and Multilayer Perceptron Neural Network is designed to improve efficiency and precision of induction motor defects diagnosis. This method is applied to vibratory signals of asynchronous motor running at two different rotational speeds (1500 rpm and 2000 rpm) at a sampling frequency of 8 KHz to detect three main types of defects: bearing faults, load imbalance and misalignment. These speeds are considered as the usual medium running speeds of induction motor. According to the results, the high performance and accuracy of this new faults diagnostic system is proved and confirmed, thus it can be used in the detection of other machines defects.
Źródło:: Diagnostyka; 2024, 25, 1; art. no. 2024110
1641-6414
2449-5220
Pojawia się w:: Diagnostyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 17.

Tytuł:: Effect of Feature Extraction on Automatic Sleep Stage Classification by Artificial Neural Network
Autorzy:: Prucnal, M.
Polak, A. G.
Powiązania:: https://bibliotekanauki.pl/articles/220360.pdf
Data publikacji:: 2017
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: sleep stage classification
EEG signal
power spectral density
discrete wavelet transform
empirical mode decomposition
artificial neural network
Opis:: EEG signal-based sleep stage classification facilitates an initial diagnosis of sleep disorders. The aim of this study was to compare the efficiency of three methods for feature extraction: power spectral density (PSD), discrete wavelet transform (DWT) and empirical mode decomposition (EMD) in the automatic classification of sleep stages by an artificial neural network (ANN). 13650 30-second EEG epochs from the PhysioNet database, representing five sleep stages (W, N1-N3 and REM), were transformed into feature vectors using the aforementioned methods and principal component analysis (PCA). Three feed-forward ANNs with the same optimal structure (12 input neurons, 23 + 22 neurons in two hidden layers and 5 output neurons) were trained using three sets of features, obtained with one of the compared methods each. Calculating PSD from EEG epochs in frequency sub-bands corresponding to the brain waves (81.1% accuracy for the testing set, comparing with 74.2% for DWT and 57.6% for EMD) appeared to be the most effective feature extraction method in the analysed problem.
Źródło:: Metrology and Measurement Systems; 2017, 24, 2; 229-240
0860-8229
Pojawia się w:: Metrology and Measurement Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 18.

Tytuł:: Analysis of the mining torque signal with Continuous Wavelet Transform
Analiza sygnału momentu urabiania za pomocą ciągłej transformaty falkowej
Autorzy:: Jonak, J.
Jedliński, Ł.
Gajewski, J.
Powiązania:: https://bibliotekanauki.pl/articles/369043.pdf
Data publikacji:: 2010
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: ciągła transformata falkowa
głowica wielonożowa
sztuczna sieć neuronowa
continuous wavelet transform (CWT)
multi-tool head
artificial neural network
Opis:: This paper presents an analysis of the excavation torgue signal with the use of a Continuous Wavelet Transform. The article also presents results of preliminary research on utilising neural networks to identify excavating cutting tools type used in multi-tool excavating heads of mechanical coal miners. Selected wavelet coefficients were used as data to teach artificial neural network. The research is necessary to identify rock excavating process with a given head, and design adaptation system for control of mining process with such a head. The results of numerical analyses conducted with the use of Neural Networks are presented.
Artykuł przedstawia analizę sygnału momentu urabiania z wykorzystaniem ciągłej transformaty falkowej. Praca przedstawia ponadto rezultaty wstępnych badań nad wykorzystaniem sztucznej sieci neuronowej do oceny rodzaju narzędzi urabiających głowic wielonarzędziowych kombajnu górniczego. Do nauki sieci neuronowej wykorzystano wybrane współczynniki falkowe. Badania te niezbędne są do identyfikacji procesu urabiania w celu opracowania adaptacyjnego systemu sterowania pracą głowicy kombajnu. W artykule przedstawiono wyniki analiz numerycznych, wykorzystując sztuczne sieci neuronowe.
Źródło:: Mechanics and Control; 2010, 29, 4; 169-173
2083-6759
2300-7079
Pojawia się w:: Mechanics and Control
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 19.

Tytuł:: Diagnostyka wibroakustyczna silnika spalinowego o zapłonie samoczynnym na końcu linii montażowej
Vibroacoustic diagnosis of the internal combustion diesel engine at the end of assembly line
Autorzy:: Janczewski, Ł.
Nowakowski, J.
Powiązania:: https://bibliotekanauki.pl/articles/133432.pdf
Data publikacji:: 2013
Wydawca:: Polskie Towarzystwo Naukowe Silników Spalinowych
Tematy:: test zimny
transformacja falkowa
sieci neuronowe
diagnostyka silnika spalinowego
cold test
wavelet transformation
neural network
engine fault diagnosis
Opis:: W referacie przedstawiono wibroakustyczną metodę oceny jakości silnika spalinowego o zapłonie samoczynnym opartą o wykorzystanie informacji zebranych podczas realizacji testu zimnego, zastosowanie transformacji falkowej oraz metod sztucznej inteligencji. W wyniku przeprowadzonych badań stwierdzono, że połączenie metody transformacji oraz sztucznych sieci neuronowych pozwala na uzyskanie wysokiej skuteczności klasyfikacji stanów wibroakustycznych silnika. Natomiast z uwagi możliwość wystąpienia błędnej klasyfikacji stanów uważa się, że metoda ta może stanowić wyłącznie element diagnostycznego systemu doradczego.
Method for quality evaluation of internal combustion diesel engine based on the wavelet transformation of the cold test vibroacoustic data and artificial inteligence methodology has been presented. Based on the presented investigations conclusion has been made that application of wavelet transformation and artificial neural network enables efficient classification of the different engine states. Because false egine states classification is still possible this method should not be used for purpose of binary classification (good-bad) but can be used as part of the diagnostic expert system.
Źródło:: Combustion Engines; 2013, 52, 3; 936-943
2300-9896
2658-1442
Pojawia się w:: Combustion Engines
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 20.

Tytuł:: Klasyfikacja rodzaju i stopnia uszkodzenia zębów kół przekładni oparta na ciągłej transformacie falkowej i sieci neuronowej typu MLP - koncepcja wykorzystania danych z modelu i rzeczywistej przekładni
Classification of kinds and degee of tooth gear fail by using continuous wavelet transform and MLP neural network - conception of using dates from the model and real gearbox
Autorzy:: Czech, P.
Łazarz, B.
Powiązania:: https://bibliotekanauki.pl/articles/328338.pdf
Data publikacji:: 2007
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:: diagnostyka
przekładnia zębata
sztuczna sieć neuronowa
ciągła transformata falkowa
diagnostics
gear fault
neural network
continuous wavelet transform (CWT)
Opis:: W opracowaniu przedstawiono wyniki próby zastosowania sztucznej sieci neuronowej jako klasyfikatora rodzaju i stopnia uszkodzenia zębów kół w przekładni. Klasyfikator neuronowy oparto na sztucznej sieci neuronowej typu MLP. Dane wejściowe do klasyfikatora stanowiła macierz złożona z miar statystycznych otrzymanych z ciągłej analizy falkowej. Zidentyfikowany model przekładni zębatej pracującej w układzie napędowym oraz stanowisko mocy krążącej FZG posłużyły do generacji zbiorów uczących i testujących zastosowanych w eksperymencie.
The work presents results of an experiment that employs the artificial neuronal network in the task of identification of kinds and degree of tooth failure. Neural Networks were based on the Multi Layer Perceptrons. Statistical measures that describe the emergence and degree of tooth gear diagnostic served as input data for the artificial neural networks. The measures employed in the experiment were obtained from signals through the continuous wavelet transform. In the experiment the dynamic model of gearbox and power circulating gear testing machine was used as generator of data.
Źródło:: Diagnostyka; 2007, 2(42); 75-82
1641-6414
2449-5220
Pojawia się w:: Diagnostyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 21.

Tytuł:: Odszumianie danych rejestrowanych wielokanałowo z użyciem transformaty falkowej
Multi-channel registered data denoising using wavelet trans form
Autorzy:: Jedliński, Ł.
Powiązania:: https://bibliotekanauki.pl/articles/1366285.pdf
Data publikacji:: 2012
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: odszumianie danych
transformata falkowa
sztuczne sieci neuronowe
przekładnia stożkowa
denoising
wavelet transform
artificial neural network
spiral bevel gear
Opis:: W celu uzyskania informacji o interesującym nas zjawisku lub obiekcie najczęściej rejestrowane są wybrane sygnały pomiarowe otrzymane za pośrednictwem czujników. Niestety uzyskane sygnały oprócz pożądanej informacji zawierają również zakłócenia, które są spowodowane m.in. właściwościami toru pomiarowego i procesami towarzyszącymi działaniu obiektu. W wielu przypadkach zachodzi potrzeba pomiaru takiej samej wielkości w różnych miejscach obiektu i/lub kierunkach. Potrzebne są zatem narzędzia do poprawy stosunku sygnału do szumu sygnałów rejestrowanych wielokanałowo. Transformata falkowa jest stosunkowo nową metodą przetwarzania danych, która znalazła zastosowanie w różnych dziedzinach takich jak technika i fizyka. W odniesieniu do sygnałów może być używana do odszumiania, kompresji, wykrywaniu trendu czy nieciągłości sygnału. W pracy tej transformata falkowa została użyta od odszumiania sygnałów drgań zarejestrowanych z dwóch trójosiowych czujników. Obiektem badań była przekładnia zębata stożkowa. Odszumianie sygnałów miało na celu poprawę skuteczności diagnozy uszkodzenia kół zębatych przekładni.
In order to obtain information regarding given phenomenon or object, it is usually necessary to register selected measurement signals obtained using sensors. Unfortunately, obtained signals, apart form desired information, contain disturbances caused by, amongst many other, properties of the measurement channel and processes associated with object operation. In many cases it is necessary to measure the same value in different places and/or directions. Thus, there is a demand for a tool improving signal to noise ration of the multi-channel registered signals.Wavelet transform is a relatively new method of data processing used in different fields (e.g. technique and physics). In case of signals it can be used for denoising, compression, trend detection or discontinuity detection. In this work it was used to denoise vibration signals registered by two three-axis sensors. Object of investigation was the bevel toothed gear. Signals denoising was to improve efficiency of the diagnosis of transmission gears teeth damage.
Źródło:: Eksploatacja i Niezawodność; 2012, 14, 2; 145-149
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 22.

Tytuł:: Wykorzystanie analizy WPT i sieci neuronowych PNN w diagnozowaniu zakłóceń w dopływie paliwa do cylindrów
The application of a wavelet packet transform and PNN neural network for disturbances in the fuel inflow SI engine detection
Autorzy:: Czech, P.
Madej, H.
Powiązania:: https://bibliotekanauki.pl/articles/256599.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:: diagnostyka
silnik spalinowy
analiza falkowa (WPT)
sieć neuronowa PNN
diagnostics
SI engine
wavelet packet transform
WPT
PNN neural network
Opis:: W artykule przedstawiono wyniki badań diagnostycznych silnika spalinowego przy zastosowaniu pakietu analizy falkowej (WPT) i probabilistycznej sieci neuronowej. Obiektem badań był czterocylindrowy silnik spalinowy z zapłonem iskrowym. Głównym celem badań było określenie wpływu symulowanego braku dopływu paliwa do poszczególnych cylindrów na sygnał przyspieszeń drgań kadłuba silnika. Zarejestrowane sygnały przyspieszeń drgań zostały poddane analizie za pomocą WPT w celu określenia entropii sygnału na poszczególnych poziomach dekompozycji. Określona wartość entropii stanowiła podstawę do budowy wzorców stanów pracy silnika przeznaczonych do uczenia sieci neuronowych. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania analizy WPT i probabilistycznych sztucznych sieci neuronowych do diagnozowania uszkodzeń silników spalinowych.
An investigation of a fault diagnostic technique for internal combustion engine using wavelet packet transform (WPT) and probabilistic neural network is presented in this paper. The object of research was a four-cylinder spark ignition engine. The main purpose of the research was to determine the effect of the lack of fuel inflow to an individual cylinder of the engine block vibration signal. The vibration signals are decomposed by WPT to obtain the approximated and detailed coefficient and to calculate wavelet packet node entropy. The value of entropy was used as a basis in the construction of the states of engine operation intended for teaching probabilistic neural network. The experimental results indicated that the proposed system using the engine block vibration signal is effective and can be used for fault detection of an IC engine.
Źródło:: Problemy Eksploatacji; 2009, 1; 17-26
1232-9312
Pojawia się w:: Problemy Eksploatacji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 23.

Tytuł:: A mathematical model for file fragment diffusion and a neural predictor to manage priority queues over BitTorrent
Autorzy:: Napoli, C.
Pappalardo, G.
Tramontana, E.
Powiązania:: https://bibliotekanauki.pl/articles/331212.pdf
Data publikacji:: 2016
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: P2P model
neural network
wavelet
diffusion
file sharing
model P2P
sieć neuronowa
falka
dyfuzja
wymiana plików
Opis:: BitTorrent splits the files that are shared on a P2P network into fragments and then spreads these by giving the highest priority to the rarest fragment. We propose a mathematical model that takes into account several factors such as the peer distance, communication delays, and file fragment availability in a future period also by using a neural network module designed to model the behaviour of the peers. The ensemble comprising the proposed mathematical model and a neural network provides a solution for choosing the file fragments that have to be spread first, in order to ensure their continuous availability, taking into account that some peers will disconnect.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2016, 26, 1; 147-160
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: 24.

Tytuł:: Identification of a Backlash Zone in an Electromechanical System Containing Changes of a Mass Inertia Moment Based on a Wavelet–Neural Method
Autorzy:: Tomczyk, Marcin
Borowik, Barbara
Mikulski, Mariusz
Powiązania:: https://bibliotekanauki.pl/articles/118045.pdf
Data publikacji:: 2018
Wydawca:: Polskie Towarzystwo Promocji Wiedzy
Tematy:: inertia moment
induction motor
wavelet transformation
backlash zone
neural network weights
moment bezwładności
silnik indukcyjny
transformacja falkowa
strefa luzu
sieci neuronowe
Opis:: In this article a new method of identification of a backlash zone width in a structure of an electromechanical system has been presented. The results of many simulations in a tested model of a complex electromechanical system have been taken while changing a value of a reduced masses inertia moment on a shaft of an induction motor drive. A wavelet analysis of tested signals and analysis of weights that have been obtained during a neural network supervised learning - have been applied in a diagnostic algorithm. The proposed algorithm of detection of backlash zone width, represents effective diagnostic method of a system at changing dynamic conditions, occurring also as a result of mass inertia moment changes.
Źródło:: Applied Computer Science; 2018, 14, 4; 54-69
1895-3735
Pojawia się w:: Applied Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 25.

Tytuł:: Entropia dyskretnej transformaty falkowej i radialne sieci neuronowe jako narzędzia diagnostyki nieszczelności zaworu wylotowego w silniku ZS
Entropy of discrete wavelet transform and radial neural networks as a diagnosis tool of diesel engine exhaust valve fault
Autorzy:: Czech, P.
Powiązania:: https://bibliotekanauki.pl/articles/198343.pdf
Data publikacji:: 2011
Wydawca:: Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:: transformata falkowa
sieć neuronowa
diagnostyka
zawór wydechowy
silnik z zapłonem samoczynnym
wavelet transform
neural network
diagnostics
exhaust valve
compression-ignition engine
Opis:: W przypadku diagnozowania silnika spalinowego metodami drganiowymi nie można zapominać o występowaniu wielu źródeł drgań, co jest przyczyna wzajemnego zakłócania symptomów uszkodzeń. Ze względu na konieczność analizy sygnałów niestacjonarnych i impulsowych w niniejszym artykule wykorzystano dyskretna transformatę falkową (DWT). Na podstawie sygnałów zdekomponowanych za jej pomocą wyznaczono wartość entropii, która stanowiła podstawę do budowy wzorców stanów pracy silnika, przeznaczonych do uczenia sieci neuronowych. Z przeprowadzonych badań wynika, że istnieje możliwość wykorzystania radialnych sztucznych sieci neuronowych do oceny nieszczelności zaworu wylotowego w silniku ZS.
In case of diagnosing combustion engines by vibration methods, the presence of numerous sources of vibration cannot be neglected, which are the reason for reciprocal interference of symptoms of fault. Owing to the necessity of analyzing non-stationary and impulse signals, a discrete wavelet transform (DWT) has been applied in this study. Based on the signals' decomposition performed by means of the transform, the value of entropy was determined, which served as a basis in the construction of the states of engine operation intended for teaching neural networks. As results from the research, there is a possibility of using radial neural networks to assess the diesel engine exhaust valve fault.
Źródło:: Zeszyty Naukowe. Transport / Politechnika Śląska; 2011, 73; 15-20
0209-3324
2450-1549
Pojawia się w:: Zeszyty Naukowe. Transport / Politechnika Śląska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 26.

Tytuł:: A wavelet-SARIMA-ANN hybrid model for precipitation forecasting
Hybrydowy model wavelet-SARIMA-ANN do prognozowania opadów
Autorzy:: Shafaei, M.
Adamowski, J.
Fakheri-Fard, M.
Dinpashoh, Y.
Adamowski, K.
Powiązania:: https://bibliotekanauki.pl/articles/292320.pdf
Data publikacji:: 2016
Wydawca:: Instytut Technologiczno-Przyrodniczy
Tematy:: artificial neural network (ANN)
precipitation forecasting
seasonal auto regressive integrated moving average (SARIMA)
water resources management
wavelet
gospodarka zasobami wodnymi
metoda wavelet
prognozowanie opadów
sezonowa zintegrowana autoregresja z ruchomą średnią
sztuczne sieci neuronowe
Opis:: Given its importance in water resources management, particularly in terms of minimizing flood or drought hazards, precipitation forecasting has seen a wide variety of approaches tested. As monthly precipitation time series have nonlinear features and multiple time scales, wavelet, seasonal auto regressive integrated moving average (SARIMA) and hybrid artificial neural network (ANN) methods were tested for their ability to accurately predict monthly precipitation. A 40-year (1970–2009) precipitation time series from Iran’s Nahavand meteorological station (34°12’N lat., 48°22’E long.) was decomposed into one low frequency subseries and several high frequency sub-series by wavelet transform. The low frequency sub-series were predicted with a SARIMA model, while high frequency subseries were predicted with an ANN. Finally, the predicted subseries were reconstructed to predict the precipitation of future single months. Comparing model-generated values with observed data, the wavelet-SARIMA-ANN model was seen to outperform wavelet-ANN and wavelet-SARIMA models in terms of precipitation forecasting accuracy.
Prognozowanie opadów, ze względu na ich znaczenie w gospodarce zasobami wodnymi, szczególnie w zmniejszaniu ryzyka powodzi czy susz, było już przedmiotem wielu badań. Serie miesięcznych opadów mają właściwości nieliniowe i różne skale czasowe, w związku z czym przetestowano różne metody: wavelet, metodę zintegrowanej sezonowej autoregresji z ruchomą średnią (SARIMA) i hybrydową metodę sztucznych sieci neuronowych (ANN) pod kątem ich zdolności do dokładnego przewidywania miesięcznych opadów. Czterdziestoletnią (1970–2009) serię opadów z irańskiej stacji meteorologicznej w Nahavand (34°12’N, 48°22’E) rozłożono na jedną podserię o niskiej częstotliwości i kilka podserii o wysokiej częstotliwości występowania opadów przez transformację falkową. Podserie o niskiej częstotliwości prognozowano za pomocą modelu SARIMA, podczas gdy podserie o wysokiej częstotliwości prognozowano, stosując ANN. Na koniec prognozowane podserie zrekonstruowano celem przewidywania opadów w poszczególnych miesiącach w przyszłości. Porównanie wartości generowanych przez model z danymi z obserwacji wykazało lepszą dokładność prognozowania opadów za pomocą modelu wavelet-SARIMA-ANN niż za pomocą modeli wavelet-ANN i wavelet-SARIMA.
Źródło:: Journal of Water and Land Development; 2016, 28; 27-36
1429-7426
2083-4535
Pojawia się w:: Journal of Water and Land Development
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 27.

Tytuł:: Hybrid deep learning method for detection of liver cancer
Autorzy:: Deshmukh, Sunita P.
Choudhari, Dharmaveer
Amalraj, Shankar
Matte, Pravin N.
Powiązania:: https://bibliotekanauki.pl/articles/38701864.pdf
Data publikacji:: 2023
Wydawca:: Instytut Podstawowych Problemów Techniki PAN
Tematy:: liver cancer detection
deep learning
fully convolutional neural network
hybrid approach
discrete wavelet transform
wykrywanie raka wątroby
uczenie głębokie
neuronowa sieć konwulcyjna
podejście hybrydowe
dyskretna transformata falkowa
Opis:: Liver disease refers to any liver irregularity causing its damage. There are several kinds of liver ailments. Benign growths are rarely life threatening and can be removed by specialists. Liver malignant tumor is leading causes of cancer death. Identifying malignant growth tissue is a troublesome and tedious task. There is significantly less information and statistical analysis presented related to cholangiocarcinoma and hepatoblastoma. This research focuses on the image analysis of these two types of cancer. The framework’s performance is evaluated using 2871 images, and a dual hybrid model is used to accomplish superb exactness. The aftereffects of both neural networks are sent into the result prioritizer that decides the most ideal choice for image arrangement. The relevance of elements appears to address the appropriate imaging rules for each class, and feature maps matching the original picture voxel features. The significance of features represents the most important imaging criteria for each class. This deep learning system demonstrates the concept of illuminating elements of a pre-trained deep neural network’s decision-making process by an examination of inner layers and the description of attributes that contribute to predictions.
Źródło:: Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 151-165
2299-3649
Pojawia się w:: Computer Assisted Methods in Engineering and Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "wavelet neural network" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język