Boosting trees in application to hand grenades fuzes

• Autorzy: Ampuła Dariusz

Identyfikatory

DOI

10.2478/jok-2021-0004

Warianty tytułu

PL

Wzmacniane drzewa w zastosowaniu do zapalników do granatów ręcznych

• Języki publikacji: EN

Abstrakty

EN

The article in the introduction presents a brief description of the decision tree, and the purpose of the article was defined. Then, the process of building boosting trees was characterized, paying attention to the algorithm of their building. A method of building boosting trees for UZRGM fuzes is described. The assortment of fuzes in which this type of fuze is used is indicated, and the individual features of the fuze are presented, which are checked during laboratory diagnostic tests. The importance classes that were used to classify the revealed inconsistencies were also described. A boosting classification tree for UZRGM fuzes was designed and built. An exemplary graph of the built tree and its structure and also a fragment of specific values predicted in individual analyzed classes are shown. The matrix of incorrect classifications was determined, which determines the accuracy of the incorrect predictions. On selected examples of the analyzed classes, the designed model was assessed on the basis of the lift chart and gains chart.

PL

We wstępie przedstawiono krótki opis drzew decyzyjnych oraz określono cel artykułu. Następnie, scharakteryzowano proces budowy wzmacnianych drzew, zwracając uwagę na algorytm ich budowy. Opisano metodę budowy drzew wzmacnianych dla zapalników typu UZRGM. Wskazano asortyment, w którym stosowane są tego typu zapalniki, oraz przedstawiono poszczególne cechy zapalnika, które sprawdzane są podczas prowadzonych laboratoryjnych badań diagnostycznych. Opisano również klasy ważności, które zostały zastosowane do klasyfikacji ujawnianych niezgodności. Zaprojektowano oraz zbudowano wzmacniane drzewo klasyfikacyjne dla zapalników typu UZRGM. Pokazano przykładowy wykres zbudowanego drzewa oraz jego strukturę, a także fragment określonych wartości przewidywanych w poszczególnych analizowanych klasach. Określono macierz błędnych klasyfikacji, która określa trafność błędnych predykcji. Na wybranych przykładach analizowanych klas, oceniono zaprojektowany model na podstawie wykresu przyrostu i wykresu zysku.

Słowa kluczowe

EN

boosting trees; artificial intelligence; feature; prediction; fuze

PL

wzmacniane drzewa; sztuczna inteligencja; cecha; predykcja; zapalnik

• Wydawca: Wydawnictwo Instytutu Technicznego Wojsk Lotniczych
• Czasopismo: Journal of KONBiN
• Rocznik: 2021
• Tom: Vol. 51, iss. 1
• Strony: 43--55
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Ampuła Dariusz

• Military Institute of Armament Technology (Wojskowy Instytut Techniczny Uzbrojenia)

Bibliografia

• 1. Amunicja wojsk lądowych. Ministry of National Defence Publishing House, Warszawa 1985.
• 2. Cards from laboratory tests of fuzes type UZRGM – archive Military Institute of Armament Technology (MIAT).
• 3. Electronic handbook "Statistica" – Statsoft Poland 2018.
• 4. Grabowska E.: Jak udoskonalić algorytm drzew decyzyjnych?, https://predictivesolutions.pl / jak – udoskonalić – algorytm – drzew – decyzyjnych.
• 5. Łapczyński M., Demski T.: Data mining – predictive methods. Statsoft Poland, materials from course, Cracow 2019.
• 6. Metodyka badań diagnostycznych amunicji – Indeks N-5001b – archive MIAT, 1985.
• 7. Reports from tests of ammunition – archive MIAT.
• 8. Statistica 13.3 PL – computer software, Statsoft Poland 2018.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).