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 "zbiór uczący" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Employing linear artificial neural networks in property appraisal and valuation – possible applications
    Zastosowanie liniowych sieci neuronowych w wycenie nieruchomości – możliwości aplikacyjne
    Autorzy:
    Górak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/100240.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    neural network
    artificial neuron
    training set
    property valuation
    database
    sieć neuronowa
    sztuczny neuron
    zbiór uczący
    wycena nieruchomości
    baza danych
    Opis:
    Transactional price is the result of some kind of free market game, and of independent decisions taken by the parties to the transaction. Prices depend on a number of factors, specific to the local real estate market. The impact of some factors is fixed, while others are dependent on the location of the property. Therefore, research into the determination of rules that would describe the relationship between the market price of the real estate, and its market characteristics, remain valid. The article presents the possibilities of applying linear artificial neural networks to real estate valuation. Using a database, the artificial linear neural network is developing a regression model, which produces the results that oscillate close to the market value of the property. The necessary condition is the creation of a database that is representative of the given real estate market.
    Cena transakcyjna to wynik pewnego rodzaju gry rynkowej oraz suwerennych decyzji podejmowanych przez strony transakcji. Ceny uzależnione są od szeregu czynników charakterystycznych dla danego lokalnego rynku nieruchomości. Wpływ pewnych czynników jest niezmienny, inne zaś zależne są od lokalizacji nieruchomości. Dlatego badania nad określeniem reguł opisujących zależność pomiędzy ceną rynkową nieruchomości a jej cechami rynkowymi są wciąż aktualne. Artykuł przedstawia możliwości aplikacyjne sztucznych liniowych sieci neuronowych w wycenie nieruchomości. Sztuczna liniowa sieć neuronowa na podstawie bazy danych, opracowuje model regresyjny uzyskujący wyniki oscylujące w pobliżu rynkowej wartości nieruchomości. Warunkiem koniecznym jest utworzenie bazy danych, reprezentatywnej dla danego rynku nieruchomości.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2017, 1; 17-24
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Konwersja obrazów cyfrowych do postaci zbiorów uczących dla potrzeb modelowania neuronowego
    Conversion of digital images into the form of teaching sets for the purposes of neural modeling
    Autorzy:
    Przybylak, A.
    Boniecki, P.
    Nowakowski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/287969.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Inżynierii Rolniczej
    Tematy:
    przetwarzanie obrazu
    analiza obrazu
    piksel
    zbiór uczący
    sieć neuronowa
    image processing
    image analysis
    pixel
    teaching set
    neural network
    Opis:
    Wykorzystanie sztucznych sieci neuronowych na potrzeby analizy obrazu wymaga prawidłowego przygotowania zbiorów uczących. W przypadku pozyskiwania informacji z obrazów cyfrowych konieczna jest ich konwersja do postaci akceptowanej przez sztuczną sieć neuronową. Niezwykle istotne jest, aby do struktury zbioru uczącego trafiły cechy reprezentatywne, pozwalające na poprawne działanie modelu neuronowego. W przedstawionym w pracy systemie użytkownik ma możliwość wyboru danych, które umieści w zbiorze uczącym. W aktualnej wersji systemu mogą to być informacje o barwie, na które składają się: histogram, tekstura oraz składowe modelu RGB.
    Using artificial neural networks for image analysis purposes requires proper preparation of teaching sets. In case of information acquisition from digital images it is necessary to convert them into the form accepted by an artificial neural network. It is extremely important to incorporate representative features allowing correct operation of neural model into the teaching set structure. In the system presented in this work user is able to select data, which will be included in the teaching set. In current system version this may be information on colour, which includes: histogram, texture and the RGB model components.
    Źródło:
    Inżynieria Rolnicza; 2009, R. 13, nr 9, 9; 201-206
    1429-7264
    Pojawia się w:
    Inżynieria Rolnicza
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Vehicles Classification Using the HRBF Neural Network
    Klasyfikacja pojazdów z wykorzystaniem sieci neuronowej HRBF
    Autorzy:
    Wantoch-Rekowski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/305921.pdf
    Data publikacji:
    2011
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    sieci neuronowe
    klasyfikacja sieci
    zbiór uczący
    Hyper Radial Basis Function network HRBF
    neural networks
    networks classification
    learning set
    HRBF
    Opis:
    The paper presents the problem of using a neural network for military vehicle classification on the basis of ground vibration. One of the main elements of the system is a unit called the geophone. This unit allows to measure the amplitude of ground vibration in each direction for a certain period of time. The value of the amplitude is used to fix the characteristic frequencies of each vehicle. If we want to fix the main frequency it is necessary to use the Fourier transform. In this case the fast Fourier transform FFT was used. Since the neural network (Hyper Radial Basis Function network) was used, a learning set has to be prepared. Please find the attached results of using the HRBF neural network, which include: examples of learning, validation and test sets, the structure of the networks and the learning algorithm, learning and testing results.
    W opracowaniu przedstawiono zagadnienie wykorzystania sieci neuronowej do klasyfikacji określonych typów pojazdów na podstawie analizy amplitudy drgań gruntu. Jednym z elementów systemu do pomiaru amplitudy drgań gruntu jest geofon. Umożliwia on pomiar amplitudy drgań gruntu w wybranym kierunku dla określonego przedziału czasu. Wartość wyznaczonej amplitudy wykorzystywana jest do wyznaczenia charakterystycznych częstotliwości drgań dla poszczególnych pojazdów. Do wyznaczenia charakterystycznych częstotliwości wykorzystywana jest transformata Fouriera FFT. Do klasyfikacji wykorzystana została sieć neuronowa z radialną funkcją aktywacji, dlatego też wymagane jest przygotowanie odpowiedniego zbioru uczącego. W opracowaniu przedstawiono wyniki użycia sieci HRBF. Przedstawiono strukturę oraz zawartość zbioru uczącego.
    Źródło:
    Biuletyn Instytutu Systemów Informatycznych; 2011, 7; 47-52
    1508-4183
    Pojawia się w:
    Biuletyn Instytutu Systemów Informatycznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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