Wyniki 1-10 spośród 30 dla zapytania: authorDesc:"Stanisław OSOWSKI"

Sztuczne sieci neuronowe - podstawowe struktury sieciowe i algorytmy uczące

Czytaj za darmo! »

Streszczenie. Praca przedstawia struktury i algorytmy uczenia trzech podstawowych rodzajów sieci neuronowych: sieci sigmoidalnej wielowarstwowej MLP, sieci RBF oraz SVM. Sieci te pełnią podobną rolę uniwersalnego aproksymatora zmiennych wielowymiarowych, różniąc się przede wszystkim rodzajem zastosowanych neuronów i algorytmem uczącym. Pokazano uniwersalność tych rozwiązań i ich użyteczność w wielu problemach praktycznych występujących w technice. Abstract. The paper presents the overview of the basic structures and learning algorithms of the most typical supervised neural networks. To the most important belong multilayer perceptron, radial basis function network and support vector machine. All of them fulfill the role of the universal approximators. The paper shows the universal cha[...]

Głębokie sieci neuronowe i ich zastosowania w eksploracji danych DOI:10.15199/59.2018.5.2


  W ostatnich latach ogromny postęp w eksploracji danych dokonał się za pośrednictwem tak zwanego głębokiego uczenia. Głębokie uczenie dotyczy wielowarstwowych sieci neuronowych, które pełnią jednocześnie funkcję generatora cech diagnostycznych dla analizowanego procesu oraz finalną funkcję klasyfikatora bądź układu regresyjnego. Uzyskuje się w ten sposób doskonałe narzędzie zastępujące człowieka przede wszystkim w trudnej dziedzinie opisu procesu za pomocą specjalizowanych deskryptorów, których stworzenie wymaga dużych zdolności eksperckich. Okazuje się przy tym, że takie podejście do bezinterwencyjnej metody generacji cech jest o wiele skuteczniejsze od stosowanych tradycyjnie metod generacji deskryptorów. Umożliwia przy tym poprawę dokładności działania systemu. Z tego powodu technologia sieci głębokich stała się ostatnio bardzo szybko jednym z najbardziej popularnych obszarów w dziedzinie nauk komputerowych. Za protoplastę tych sieci można uznać zdefiniowany na początku lat dziewięćdziesiątych wielowarstwowy neocognitron Fukushimy [1]. Prawdziwy rozwój tych sieci zawdzięcza się jednak profesorowi LeCun [2], który zdefiniował podstawową strukturę i algorytm uczący specjalizowanej sieci wielowarstwowej, zwanej Convolutional Neural Network (CNN). Obecnie CNN stanowi podstawową strukturę stosowaną na szeroką skalę w przetwarzaniu obrazów. Tymczasem powstało wiele odmian sieci, będących modyfikacją struktury podstawowej CNN (np. UNN), jak również sieci różniących się zasadniczo od CNN. Przykładem mogą być autoenkoder (AE), jako wielowarstwowe, nieliniowe uogólnienie liniowej sieci PCA [3], sieci rekurencyjne typu LSTM (Long Short- -Term Memory) [4], stanowiące skuteczne rozwiązanie problemu propagacji wstecznej w czasie lub ograniczona (wielowarstwowa) maszyna Boltzmanna RBM (Restricted Boltzmann Machine) używana w sieciach głębokiej wiarygodności DBN (Deep Belief Network) [5]. Cechą wspólną tych rozwiązań, zwłaszcza w przypadk[...]

Electrical power forecasting for small energetic railway region using SVM

Czytaj za darmo! »

The paper presents the Support Vector Machine (SVM) approach to the short term (24 hours ahead) load forecasting for small energetic region serving the railway system. The main problem in such forecasting is large diversity of load demand, changing from hour to hour. The proposed solution applies 24 SVM networks responsible for prediction of the load demand for each hour of the day. The results [...]

Morphological operations for blood cells extraction from the image of the bone marrow smear

Czytaj za darmo! »

The paper presents the morphological approach to the extraction of the blood cells on the basis of the image of the bone marrow smear. The basic operation leading to the segmentation of the cells is the watershed algorithm cooperating with the morphological operations like erosion, dilation opening and closing. On the basis of statistical results we have shown that morphological operations repre[...]

System for automatic recognition of cells in the bone marrow using Support Vector Machine

Czytaj za darmo! »

Referat przedstawia zastosowanie sieci neuronowej typu Support Vector Machine do rozpoznawania komórek krwiotwórczych na podstawie obrazu rozmazu szpiku kostnego. Praca dotyczy wszystkich etapów przetwarzania: ekstrakcji pojedynczych komórek z obrazu, przetworzenia obrazu komórki na cechy diagnostyczne, selekcji najlepszych cech oraz samego układu rozpoznania i klasyfikacji komórek. Główny nacisk pracy położony jest na element praktycznego wykorzystania opracowanego systemu komputerowego i omówienie uzyskanych wyników rozpoznania komórek dla pacjentów Instytutu Hematologii i Transfuzjologii w Warszawie. (System komputerowy rozpoznania komórek krwiotwórczych w leukemii przy zastosowaniu sieci SVM). Abstract. The paper presents the automatic system for blood cells recognition in the le[...]

Hierarchical approach to the optimal gene selection for cancer recognition on the basis of microarray gene expression data

Czytaj za darmo! »

Praca przedstawia hierarchiczne podejście do selekcji genów odpowiedzialnych za choroby nowotworowe. Metoda składa się z dwu etapów. W pierwszym etapie zastosowano 8 różnych metod wartościowania genów według ich zdolności rozpoznawczej, w tym 2 metod opartych na liniowej sieci SVM, dyskryminancie Fishera, analizie korelacyjnej danych oraz zastosowaniu hipotez statystycznych, (3 odmiany metody Kołmogorowa-Smirnowa oraz test Wilcoxona). Na podstawie statystycznych wyników selekcji 100 najlepszych genów wyselekcjonowanych przy użyciu każdej metody w drugim etapie przetwarzania poszukuje się cech wspólnych, które traktuje się jako cechy optymalne, najlepiej różnicujące próbki danych należących do różnych klas nowotworowych. W pracy skoncentrowano się na wynikach eksperymentów numerycznych[...]

Prognozowanie obciążeń 24-godzinnych w systemie elektroenergetycznym z użyciem zespołu sieci neuronowych

Czytaj za darmo! »

Streszczenie. Praca przedstawia zastosowanie zespołu sieci neuronowych w prognozowaniu zapotrzebowania 24-godzinnego na energię elektryczną w systemie elektroenergetycznym. Autorzy proponują zastosowanie wielu predyktorów neuronowych działających równolegle na tych samych danych wejściowych. Prognozy poszczególnych sieci są integrowane w jedną prognozę szeregu 24 wartości odpowiadających 24 godzinom doby z wyprzedzeniem jednodniowym. Zaproponowano i przebadano dwa różne warianty metod integracji porównując wyniki z prognozami wykonanymi przy zastosowaniu pojedynczego predyktora. Abstract. The paper presents the ensemble of neural network predictors to forecast the 24-hour load pattern for the next day in the power system. Four different structures of neural networks have been applied[...]

Diagnostic feature selection for efficient recognition of different faults of rotor bars in the induction machine

Czytaj za darmo! »

Praca przedstawia dwuetapową skuteczną metodę selekcji cech diagnostycznych dla potrzeb lokalizacji uszkodzonych prętów w maszynie indukcyjnej. Badania diagnostyczne prętów maszyny odbywają się na podstawie zarejestrowanych przebiegów czasowych prądu i napięcia stojana oraz strumienia wałowego rozproszenia. Wielkości te poddane są transformacji dyskretnej Fouriera (FFT) a uzyskane spektrum częstotliwościowe poddane jest analizie ukierunkowanej na wyłowienie cech diagnostycznych (harmonicznych) najbardziej różnicujących różne klasy uszkodzeń prętów maszyny. Zaproponowano dwustopniowy algorytm selekcji cech stosujący wielokrokową selekcje regresyjną eliminującą cechy skorelowane ze sobą i pozostawiającej w zbiorze jedynie cechy najlepiej skorelowane z rozpoznawaną klasą. Ten system sele[...]

PCA transformation and Support Vector Machine for recognition of the noisy images

Czytaj za darmo! »

The paper presents the application of principal component analysis (PCA) and Support Vector Machine (SVM) for recognition of face images. PCA is a well known method of optimal reduction of the dimensionality of the vectors, while preserving the most important part of the original information. It maps the N-dimensional original vector x into K-dimensional output vector y, where K

Comparison of methods of feature generation for face recognition DOI:10.12915/pe.2014.04.049

Czytaj za darmo! »

The paper is concerned with the recognition of faces at application of different methods of global feature generation. We check the selected choice of transformations of images, leading to the numerical representation of the face image. The investigated approaches include the linear and nonlinear methods of transformation: principal component analysis (PCA), Kernel PCA, Fisher linear discriminant analysis (FLD), Sammon transformation and stochastic neighbor embedding with t-distribution (tSNE). The representation of the image in the form of limited number of main components of transformation is put to the input of support vector machine classifier (SVM). The numerical results of experiments are presented and discussed. Streszczenie Praca przedstawia analizę porównawczą różnych metod wstępnego przetwarzania obrazów twarzy dla wygenerowania cech diagnostycznych zastosowanych w klasyfikacji. W badaniach uwzględniono metodę transformacji PCA, KPCA, FLD, transformację nieliniową Sammona oraz transformację tSNE. Cechy wygenerowane przy użyciu tych metod stanowią sygnały wejściowe dla klasyfikatora SVM dokonującego ostatecznego rozpoznania. W pracy pokazano i przedyskutowano wyniki przeprowadzonych eksperymentów rozpoznania twarzy przy uwzględnieniu zmiennej liczby cech dla różnej liczby klas. (Porównanie metod generacji cech dla rozpoznawania twarzy) Keywords: face recognition, transformation of data, classification, SVM. Słowa kluczowe: rozpoznawanie twarzy, metody generacji cech, klasyfikacja, SVM. doi:10.12915/pe.2014.04.49 Introduction A face recognition system is a computer application for automatically identifying or verifying a person from a digital image. The problem of recognition of images, especially the face, is crucial in many different applications [1,2,3]. It is typically used in security systems, fulfilling the role of the first verification of the set of images. The most important point in face recognition is generation of t[...]

 Strona 1  Następna strona »