PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Zastosowanie algorytmów mrówkowych do selekcji in formacji diagnostycznej

Autorzy
Identyfikatory
Warianty tytułu
EN
Application of ant algorithm to selection of diagnostic information
Języki publikacji
PL
Abstrakty
PL
Pozyskiwanie wiedzy diagnostycznej metodami uczenia maszynowego na podstawie danych z eksperymentów i obserwacji diagnostycznych, wymaga wstępnego przetworzenia tych danych. Przetwarzanie to obejmuje między innymi selekcję podzbioru cech spośród licznego zbioru cech. W breferacie przedstawiono wyniki badań dotyczących wyboru cech istotnych z uwagi na możliwość oceny stanu lub oceny rodzaju powstałej niesprawności diagnozowanego obiektu. Do selekcji cech zastosowano metodę z wykorzystaniem algorytmu uczenia maszynowego oraz algorytmu mrówkowego.
EN
Data used in a knowledge acquisition process should be preprocessed. One of the preprocessing stage is selection of attributes, called also selection of information. In the paper there are presented results of a research concerning diagnosis of a technical object - rotation machine. In the research the selection of attributes was earned out using the ant colony optimization approach combined with the wrapper approach.
Wydawca
Rocznik
Strony
134--135
Opis fizyczny
Bibliogr. 10 poz., wzory
Twórcy
autor
  • Politechnika Śląska, Katedra Podstaw Konstrukcji Maszyn
Bibliografia
  • [1] Bently Nevada: Rotor Kit. Instruction Manual No. TW8029319, Minden NV, 1996.
  • [2] Bonabeau E., Dorigo M., Theraulaz G.: From natural to artificial swarm intelligence. Oxford University Press, 1999.
  • [3] Ciupke K.: Metoda .selekcji i redukcji informacji w diagnostyce maszyn. Zeszyty Katedry Podstaw Konstrukcji Maszyn, Z. 118, Politechnika Śląska, Gliwice, 2001.
  • [4] Dorigo M., Di Caro G.: The ant colony optimization mc la-heuristic. W: Comne D., Dorigo M., Glover F. (cd.): New ideas in optimization. McGraw-Hill, London, ss. 11-32.
  • [5] Dorigo M., Di Caro G., Gambardella L.: Ant algorithms for discrete optimization. Atrificial Life, Vol. 5, No. 3, ss. 137-172, 1999.
  • [6] Jensen R., Shen Q.: Finding Rough Set Reducts with Ant Colony Optimization. Proceedings of the 2003 UK Workshop on Computational Intelligence, ss. 4, 15-22, 2003.
  • [7] Michalski R.; Machine learning, data mining and knowledge discovery. Principles and applications. Tutorial, IIS'97, IPI PAN, Zakopane, 1997.
  • [8] Pawlak Z.: Rough Sets: Theoretical Aspects of Reasoning About Data. Kluwer Academic Publishing. Dordrecht, 1991.
  • [9] See5: Internet: http://www.nileo.ucst.com
  • [10] Stawinoga J.: Badania porównawcze metod określania progów kwantyzacji cech ilościowych dla potrzeb diagnostyki maszyn. Praca dyplomowa, KPKM, Politechnika Śląska, 1997.
Uwagi
Badania zostały częściowo zrealizowane w ramach projektu badawczego nr 4 T07B 01 827 finansowanego przez MNiI
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-f15c5844-f954-4205-9b41-d063ee0919ac
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.