Sieć liniowa SVM do wyznaczenia przemieszczeń pionowych

• Autorzy: Mrówczyńska M.

Warianty tytułu

EN

A linear SVM network for determination of vertical displacement

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono podstawowe zasady budowania i uczenia sieci neuronowych, zwane techniką wektorów podtrzymujących (ang. Support Vector Machine - SVM), wraz z perspektywą aplikacji tego rodzaju sieci. Sieci SVM znajdują zastosowanie głównie w rozwiązywaniu zadań klasyfikacji danych liniowo separowalnych i liniowo nieseparowalnych oraz zadań regresji. W podjętej pracy sieci SVM wykorzystano do klasyfikacji danych separowalnych liniowo, w celu sformułowania modelu przemieszczeń punktów reprezentujących monitorowany obiekt. Zagadnienie uczenia sieci wymaga implementacji programowania kwadratowego w poszukiwaniu punktu optymalnego funkcji Lagrange’a względem optymalizowanych parametrów. Estymowane parametry decydują o położeniu hiperpłaszczyzny maksymalizującej margines separacji obu klas.

EN

The article presents an approach for constructing and teaching networks called the SVM (Support Vector Machine) technique. The SVM network is used for classifying linearly separable and linearly inseparable data, and the problem of regression. In this paper the SVM technique is used for classifying linearly separable data in the form of vertical displacements of points in a measurement-control geodetic network set up on a building situated on expansive soil.

Słowa kluczowe

PL

przemieszczenia pionowe; sieci neuronowe; technika wektorów podtrzymujących

EN

vertical displacement; neural netwoks; support vector machine (SVM)

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Geodezyjny
• Rocznik: 2014
• Tom: R. 86, nr 3
• Strony: 14--17
• Opis fizyczny: Bibliogr. 7 poz., wykr.

Twórcy

autor

Mrówczyńska M.

• Uniwersytet Zielonogórski. Wydział Inżynierii Lądowej i Środowiska

Bibliografia

• [1] Bishop C. M.: Pattern Recognition and Machine Learninguport, Springer 2006
• [2] Gil J.: Badanie nieliniowego geodezyjnego modelu przemieszczeń (na przykładzie obciążonego podłoża gruntowego). Wydawnictwo Wyższej Szkoły Inżynierskiej w Zielonej Górze, Zielona Góra 1995
• [3] Gunn S. M.: Support Victor Machines for Classification or Regression. Technical Report, 1998
• [4] Haykin S.: Neural networks, a comprehensive foundation. Macmillan College Publishing Company, New York 1994
• [5] Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006
• [6] Vapnik V.: Statistical learning theory. Wiley, New York, 1998
• [7] Zanni L., Serafini T., Zanghirati G.: Parallel Software for Training Large Scale Support Victor Machines on Multiprocessor Systems. Journal of Machine Learning Research 7, 1467-1492, 2006