Wyniki wyszukiwania - BazTech

1

Using neural networks to examine trending keywords in Inventory Control

Sadowski Adam, Sadowski Michał, Engelseth Per, Galar Zbigniew, Skowron-Grabowska Beata

Production Engineering Archives

|

2023

|

Vol. 29, Iss. 4

474-489

EN

Inventory control is one of the key areas of research in logistics. Using the SCOPUS database, we have processed 9,829 articles on inventory control using triangulation of statistical methods and machine learning. We have proven the usefulness of the proposed statistical method and Graph Attention Network (GAT) architecture for determining trend-setting keywords in inventory control research. We have demonstrated the changes in the research conducted between 1950 and 2021 by presenting the evolution of keywords in articles. A novelty of our research is the applied approach to bibliometric analysis using unsupervised deep learning. It allows to identify the keywords that determined the high citation rate of the article. The theoretical framework for the intellectual structure of research proposed in the studies on inventory control is general and can be applied to any area of knowledge.

2

Aspekty techniczne zarządzania systemem(WSE) dedykowane dla spółdzielni energetycznych

Sadowski Michał, Suchecka Anna

Energetyka

|

2021

|

nr 7

535--540

PL

W artykule opisano system besmart.energy – czyli narzędzia AI i Big Data dla nowoczesnej energetyki. System wspiera cztery główne funkcje, niezbędne z punktu widzenia zarządzania systemem(WSE), czyli – gromadzenie danych, tworzenie predykcji, bilansowanie i rozliczanie. Przeprowadzenie transformacji w kierunku energetyki rozproszonej nie będzie możliwe bez cyfryzacji. Technologia i innowacyjne podejście są kluczowe, by móc zarządzać systemami(WSE). Oprócz cyfryzacji kluczowa jest inteligentna infrastruktura, czyli sieć liczników, z którymi można komunikować się w czasie rzeczywistym. Istotną częścią aplikacji jest również autorski moduł udostępniający precyzyjną prognozę pogody. Aplikacja umożliwia wygenerowanie danej pogodowej dla każdego punktu kraju. Oprócz danych o ścisłym charakterze energetycznym system obejmuje również zagadnienia typowo kosztowe. Do predykcji wykorzystywane są algorytmy sztucznej inteligencji, które na bazie cech przebiegów historycznych generują przewidywane ceny energii. W ramach projektu besmart.energy zdecydowano się także na stworzenie inteligentnego licznika energii nowej generacji. Opisane rozwiązanie ze względu na skalowalność, elastyczność i koszty jest szczególnie interesujące dla energetyki obywatelskiej i społeczności energetycznych, które w dużej mierze mają pozwalać na lepsze lokalne bilansowanie energii.

EN

Described is the besmart.energy system – i.e. AI and Big Data tools for the modern energy industry. The system supports four main functions indispensable from the system(WSE) management point of view, namely collecting data, creation of predictions, balancing and clearance of accounts. Carrying out of transition in the direction of distributed generation will not be able without digitalisation. Technology and an innovative attitude are vital elements of systems(WSE) manageability. Except digitalisation, an essential thing is an intelligent infrastructure i.e. a network of meters that can be contacted in a real time. A substantial part of the application is also the author's module allowing an access to a precise weather forecast. This application enables generation of weather data for every point in the country. Except data of a strict energy character the system covers also the typical cost issues. For predictions, the AI algorithms are used, which on the basis of historical courses' features generate the expected prices of energy. It was also decided – within the frames of the besmart.energy project – to develop an intelligent energy meter of new generation. The described solution because of its scalability, elasticity and costs is particularly interesting for citizens energy and energy communities and in large part it can serve the better local balancing of energy.

3

Image Inpainting with Gradient Attention

Sadowski Michał, Grzegorczyk Aleksandra

Schedae Informaticae

|

2018

|

Vol. 27

81--91

EN

We present a novel modification of context encoder loss function, which results in more accurate and plausible inpainting. For this purpose, we introduce gradient attention loss component of loss function, to suppress the common problem of inconsistency in shapes and edges between the inpainted region and its context. To this end, the mean absolute error is computed not only for the input and output images, but also for their derivatives. Therefore, model concentrates on areas with larger gradient, which are crucial for accurate reconstruction. The positive effects on inpainting results are observed both for fully-connected and fully-convolutional models tested on MNIST and CelebA datasets.