Powiadomienia systemowe
- Sesja wygasła!
Tytuł artykułu
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
The analysis of the selected nonparametric automatic multidimensional object classifications method in nondestructive testing application
Języki publikacji
Abstrakty
Artykuł przedstawia problematykę nieparametrycznych metod klasyfikacji w odniesieniu do numerycznego modelu obiektu fizycznego. Głównym tematem jest analiza skuteczności algorytmów pod kątem zastosowań w nieniszczącej detekcji uszkodzeń. Szczególną uwagę zwrócono na parametryzację modelu, jako czynnika istotnego przy minimalizacji kosztów procesu uczenia.
The article presents the discussion on nonparametric classification methods in relation to the numerical model of a physical object. The main theme is the analysis of algorithms in applications to non-destructive testing of ferromagnetic materials. The particular attention was given to model parameterization as a significant factor in minimizing the cost of the learning process.
Wydawca
Czasopismo
Rocznik
Tom
Strony
234--237
Opis fizyczny
Bibliogr. 15 poz., rys., tab.
Twórcy
autor
- Politechnika Lubelska, Instytut Podstaw Elektrotechniki i Elektrotechnologii
autor
- Politechnika Lubelska, Instytut Podstaw Elektrotechniki i Elektrotechnologii
autor
- Politechnika Lubelska, Instytut Podstaw Elektrotechniki i Elektrotechnologii
autor
- Politechnika Lubelska, Instytut Podstaw Elektrotechniki i Elektrotechnologii
Bibliografia
- [1] Honkela T., Duch W., Girolami M., Kaski S., Artificial Neural Networks and Machines Learning-ICANN 2011, Springer 2011.
- [2] Principe J. C., Information Theoretic Learning, Springer 2010.
- [3] Hung-Chih Chiang Moses R.L., Potter L.C., Model-based classification of radar images, IEEE Transactions on Information Theory, Vol. 46, pp. 1842 - 1854, 2002.
- [4] El-Helw A.M., Moniri M., Chibelushi C.C., Error-resilient pattern classification using a combination of spreading and coding gains, IET Image Processing, Vol. 1, 2007.
- [5] Parekh R., Yang J., Honavar V., Constructive neural-network learning algorithms for pattern classification, IEEE Transactions on Neural Networks, Vol. 11, pp. 436-451, 2002.
- [6] Stąpor K., Automatyczna klasyfikacja obiektów. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2005.
- [7] Kukiełka L., Podstawy badań inżynierskich, Wydawnictwo Naukowe PWN, Warszawa 2002.
- [8] Seo S., Bode M., Obermayer K., Soft nearest prototype classification, IEEE Trans. on Neural Networks, Vol. 14, pp. 390 - 398, 2003.
- [9] Hemion G., The Classification of Knots and 3-Dimensional Spaces, Oxford University Press 1992.
- [10] Cichosz P., Systemy uczące się. Wydawnictwo Naukowo-Techniczne, Warszawa 2000.
- [11] Weinberger S., The Topological Classification of Stratified Spaces, Lectures in Mathematics, University of Chicago 1995.
- [12] Mayergoyz I. D., Mathematical Models of Hysteresis, Springer-Verlag, Berlin 2002.
- [13] Henze O., Rucker W.M., Identification procedures of Preisach model, IEEE Trans. Magn., Vol. 38, pp. 833 – 836, 2002.
- [14] Wac-Włodarczyk A., Goleman R., Giżewski T.: The experimental identification of the Preisach differential surface in the arrangement of AC bridge, Electrical Review 12/2010, pp. 160-163.
- [15] Wac-Włodarczyk A., Goleman R., Giżewski T.: The methodology of magnetic materials classification, Electrical Review 03/2011, pp. 216-219.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-c0018aac-7d38-45de-958c-752bd08fab50