Wyniki wyszukiwania - BazTech

1

Evaluation of shallow groundwater quality under impact zones of livestock and poultry farms using self-organizing maps

Chen Jiayu, Gui Herong

Acta Geophysica

|

2023

|

Vol. 71, no. 5

2465--2479

EN

The shifting of livestock and poultry production systems from traditional small householder farms to semi-intensive and intensive farms has led to a gradual deterioration in the quality of shallow groundwater, which has attracted considerable attention from researchers. In this study, a combination of self-organizing map technology was used to identify the effects of livestock and poultry farms on shallow groundwater hydrochemistry. NO3–N content in the livestock and poultry farm water samples in summer and winter, as well as the NH4–N and NO2–N content in the water samples of livestock and poultry farm, respectively, in winter, were more vulnerable to external influences. Agricultural and industrial activities were important sources of Cl- and SO42- leaching in shallow groundwater in the study area. Silicate weathering is an important source of conventional ions in the shallow groundwater at these two sites. The water quality at livestock farms was mainly affected by farm activities and agricultural pollution in summer and winter, whereas that at poultry farms was mainly affected by industrial sources and natural sources.

2

Multiscale evaluation of a thin-bed reservoir

Lis-Śledziona Anita

Geology, Geophysics and Environment

|

2021

|

Vol. 47, no. 1

5--20

EN

A thin-bed laminated shaly-sand reservoir of the Miocene formation was evaluated using two methods: high resolution microresistivity data from the XRMI tool and conventional well logs. Based on high resolution data, the Earth model of the reservoir was defined in a way that allowed the analyzed interval to be subdivided into thin layers of sandstones, mudstones, and claystones. Theoretical logs of gamma ray, bulk density, horizontal and vertical resistivity were calculated based on the forward modeling method to describe the petrophysical properties of individual beds and calculate the clay volume, porosity, and water saturation. The relationships amongst the contents of minerals were established based on the XRD data from the neighboring wells; hence, the high-resolution lithological model was evaluated. Predicted curves and estimated volumes of minerals were used as an input in multimineral solver and based on the assumed petrophysical model the input data were recalculated, reconstructed and compared with the predicted curves. The volumes of minerals and input curves were adjusted during several runs to minimalize the error between predicted and recalculated variables. Another approach was based on electrofacies modeling using unsupervised self-organizing maps. As an input, conventional well logs were used. Then, the evaluated facies model was used during forward modeling of the effective porosity, horizontal resistivity and water saturation. The obtained results were compared and, finally, the effective thickness of the reservoir was established based on the results from the two methods.

3

Anomalous and traditional diffusion modelling in SOM learning

Hrebik Radek, Kukal Jaromir

Archives of Control Sciences

|

2019

|

Vol. 29, No. 4

699--717

EN

The traditional self organizing map (SOM) is learned by Kohonen learning. The main disadvantage of this approach is in epoch based learning when the radius and rate of learning are decreasing functions of epoch index. The aim of study is to demonstrate advantages of diffusive learning in single epoch learning and other cases for both traditional and anomalous diffusion models. We also discuss the differences between traditional and anomalous learning in models and in quality of obtained SOM. The anomalous diffusion model leads to less accurate SOM which is in accordance to biological assumptions of normal diffusive processes in living nervous system. But the traditional Kohonen learning has been overperformed by novel diffusive learning approaches.

4

Soft computing tools for virtual drug discovery

Hagan D., Hagan M.

Journal of Artificial Intelligence and Soft Computing Research

|

2018

|

Vol. 8, No. 3

173--189

EN

In this paper, we describe how several soft computing tools can be used to assist in high throughput screening of potential drug candidates. Individual small molecules (ligands) are assessed for their potential to bind to specific proteins (receptors). Committees of multilayer networks are used to classify protein-ligand complexes as good binders or bad binders, based on selected chemical descriptors. The novel aspects of this paper include the use of statistical analyses on the weights of single layer networks to select the appropriate descriptors, the use of Monte Carlo cross-validation to provide confidence measures of network performance (and also to identify problems in the data), the addition of new chemical descriptors to improve network accuracy, and the use of Self Organizing Maps to analyze the performance of the trained network and identify anomalies. We demonstrate the procedures on a large practical data set, and use them to discover a promising characteristic of the data. We also perform virtual screenings with the trained networks on a number of benchmark sets and analyze the results.

5

Technologie programistyczne do tworzenia interfejsu użytkownika w systemach wbudowanych

Lisowiec A., Książek L., Gacek A., Makowiecki K.

Elektronika : konstrukcje, technologie, zastosowania

|

2018

|

Vol. 59, nr 12

8--10

PL

W artykule przedstawiono technologie informatyczne do tworzenia graficznego interfejsu użytkownika w systemach wbudowanych. Podano przykład stworzenia takiego interfejsu za pomocą platformy Angular w urządzeniu medycznym do terapii polem magnetycznym i światłem.

EN

In the paper the information technologies for graphical user interface construction have been presented. As an example the graphical user interface designed with Angular framework for medical device for therapy has been presented.

6

Sztuczne sieci neuronowe ANN : sieci Kohonena

Iljaszewicz Paweł

Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka

|

2018

|

vol. 8, nr 1

34--39

PL

Artykuł omawia sztuczne sieci neuronowe (ang. ANN- Artificial neural networks). Jedną z odmian są sieci Kohonena zwane Mapą Samoorganizującą (ang. SOM – Self Organizing Map) realizują one proces uczenia się sieci neuronowych samodzielnie tzn. rozpoznają relacje występujące w skupieniach poprzez wykrycie wewnętrznej struktury i kategoryzują je w procesie samouczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej do przestrzeni jednowymiarowej lub dwuwymiarowej. Główną cechą SOM jest to, że tworzy on nieliniową projekcję wielowymiarową kolektora danych na regularnej, niskowymiarowej (zwykle 2D) sieci. Na wyświetlaczu klastrowanie przestrzeni danych, jak również relacje metryczno-topologiczne elementów danych, są wyraźnie widoczne. Jeśli elementy danych są wektorami, składniki, których są zmiennymi z określone znaczenie, takie jak deskryptory danych statystycznych lub pomiary, które opisują proces, siatka SOM może być wykorzystana, jako podstawa, na której może znajdować się każda zmienna wyświetlane osobno przy użyciu kodowania na poziomie szarości lub pseudo koloru. Ten rodzaj projekcji został uznany za bardzo przydatny do zrozumienia wzajemnych zależności między zmiennymi, a także strukturami zbioru danych.

EN

The article discusses artificial neural networks (ANN). One of the varieties is the Kohonen network, called the Self Organizing Map (SOM), that perform the learning process of neural networks independently, i.e. they recognize relationships occurring in clusters by detecting an internal structure and categorizing them in the process of self-learning. SOM is used to form mapping from a multidimensional space to a one-dimensional or two-dimensional space. The main feature of SOM is that it creates a non-linear multi-dimensional projection of a data collector on a regular, low-dimensional (usually 2D) network. On the display, data space clustering as well as metric-topological relations of data elements are clearly visible. If the data elements are vectors, the components of which are variables with defined meanings, such as statistical data descriptors or measurements that describe the process, the SOM grid can be used as a basis on which each variable can be displayed separately using gray or pseudo-color coding. This type of projection has been found to be very useful for understanding the interrelationships between variables as well as data set structures.

7

ITR-SOM-33735 – system w module do zastosowań w warunkach przemysłowych

Nowakowski A., Broda K., Przybysz R., Wlazło P.

Elektronika : konstrukcje, technologie, zastosowania

|

2017

|

Vol. 58, nr 12

3--5

PL

System w module (ang. System On Module - SOM) jest rozwiązaniem integrującym funkcjonalność systemu na jednej płytce drukowanej - w jednym module. W artykule przedstawiono informacje dotyczące opracowanego w ITR rozwiązania SOM, wykorzystującego innowacyjne rozwiązanie firmy Octavo Systems [1], OSD335x System w Pakiecie (ang. System-in-Package SiP). Porównano go z innymi rozwiązaniami dostępnymi na rynku. Zaprezentowano parametry techniczne i zalety jakie powstają z jego zastosowania w urządzeniach przeznaczonych do pracy w warunkach przemysłowych.

EN

System On Module (SOM) is a solution that integrates the functionality of a system on one PCB - in one module. This article provides information on the SOM solution developed by ITR, using the innovative Octavo Systems [1], OSD335x System-in-Package (SiP) solution. It was compared to other solutions available on the market. The technical parameters and advantages of its use in industrial equipment are presented.

8

E-autobusy w Szczecińskim Obszarze Metropolitarnym : nowy kierunek rozwoju komunikacji miejskiej

Mysłowski J.

Autobusy : technika, eksploatacja, systemy transportowe

|

2017

|

R. 18, nr 7-8

507--511

PL

Artykuł opisuje możliwości reorganizacji transportu zbiorowego poprzez zastosowani e–autobusów w Szczecińskim Obszarze Metropolitarnym. Przedstawiono ten nowy kierunek rozwoju komunikacji miejskiej jego zalety oraz perspektywy. Opierając się na faktycznych danych z różnych obszarów Europy Zachodniej autor przekonuje o słuszności tej koncepcji. Omówiono wady i zalety różnych systemów oraz opcje i możliwości na które trzeba zwrócić uwagę przy zakupie.

EN

This article describes the possibilities of reorganizing collective transport through the use of e-buses in Szczecin Metropolitan Area. This new direction of urban transport has been presented in its advantages and prospects. Based on the actual data from various areas of Western Europe, the author argues for the validity of this concept. The advantages and disadvantages of different systems are discussed, as well as the options and possibilities that should be considered when purchasing.

9

Wykorzystanie sieci neuronowej Kohonena do wizualizacji danych MPG

Oszutowska-Mazurek D. A.

Problemy Nauk Stosowanych

|

2016

|

T. 4

19--30

PL

Wstęp i cel: Zastosowanie sieci neuronowych Kohonena zapewnia zmniejszenie wielowymiarowości danych. Wizualizacja w postaci map samoorganizujących się (SOM) jest użytecznym narzędziem do wstępnego kastrowania (grupowania) danych. Materiał i metody: Wizualizację przeprowadzona dla rzeczywistych danych, udostępnionych przez uniwersytet w Kalifornii za pomocą oprogramowania SNNS v.4.3. Głównym celem pracy jest zastosowanie sieci neuronowych Kohonena zapewniające zmniejszenie wielowymiarowości danych. Wyniki: Otrzymano wizualizacje danych wskazujące jednoznacznie na dodatnie i ujemne korelacje danych MPG. Wniosek: Mapy samoorganizujące się mogą być dedykowane wizualizacji danych wielowymiarowych jednak wyniki zależą od sposobu mapowania danych wejściowych, zwłaszcza o charakterze jakościowym, nawet jeśli stosowana jest normalizacja każdego z parametrów.

EN

Introduction and aim: The use of Kohonen neural network ensures the decrease of data multidimensionality. Visualisation called Self organized maps is useful tool for preliminary data clustering. Material and methods: The visualisation of real data set was obtained with the use of program SNNS v.4.3 for real dataset from California University. The main aim of this paper is the use of Kohonen neural network to ensure the reduction of multidimensional data. Results: Obtained visualisations of data indicate unambiguously positive and negative correlations for MPG data Conclusion: Self organising maps could be dedicated to multidimensional data visualisation and preliminary quality assessment, but the results depend on the mapping method of input data, especially quantity type, even if normalisation of every parameter is provided.

10

Zastosowanie sieci samoorganizującej do identyﬁkacji struktur odmienionych węgla kamiennego

Skiba M., Młynarczuk M.

Prace Instytutu Mechaniki Górotworu PAN

|

2016

|

T. 18, nr 3

61--66

PL

Wewnętrzna budowa węgla, możliwa do obserwacji wyłącznie pod mikroskopem, może wykazywać pewne cechy (takie jak: obecność spękań, struktury kataklastyczne czy mylonityczne), które wpływają na zwiększoną pojemność gazową oraz wskazują na pokład szczególnie zagrożony wyrzutami gazów i skał. Problematyka ta była przedmiotem zainteresowania licznych badaczy, którzy dokonali klasyfikacji węgla odmienionego, wyróżniając różne typu strukturalne takiego węgla. W pracy do identyfikacji poszczególnych struktur zastosowano mapę samoorganizującą (SOM). Może ona posłużyć do ujawnienia takich cech w zbiorze danych, które są często niedostrzegalne w wypadku zastosowania sieci neuronowej uczonej z nauczycielem. Badania wykonane zostały na zdjęciach mikroskopowych, a każdą z analizowanych klas opisano za pomocą 7-wymiarowej przestrzeni cech. Zastosowanie sieci samoorganizującej skutkowało klasyfikacją badanych struktur na poziomie 82% skuteczności.

EN

The internal structure of the coal, observable microscopically only, may have certain features (such as the presence of cracks, cataclastic or mylonitic structures) that affect the increased gas capacity and point to the seams particularly endangered by gas and rock outbursts. The issue was the subject of interest for many researchers who have made a classifi cation of structurally altered coal, distinguishing different types of such coal structure. In this paper, individual structures were identified using self-organizing map (SOM). It can be used to reveal such features in the data set, which are often invisible in the case of the use of neural network learning with a teacher. Tests were performed on microscopic photographs, each of the analyzed grades were described using a 7-dimensional feature space. The use of a self-organizing map resulted in the effectiveness of the classification of these structures at the level of 82%.

11

Porównanie skuteczności wybranych klasyﬁkatorów neuronowych w identyﬁkacji grup macerałów węgla kamiennego oraz materii nieorganicznej

Skiba M., Młynarczuk M.

Prace Instytutu Mechaniki Górotworu PAN

|

2016

|

T. 18, nr 4

133--138

PL

Jednym z podstawowych zastosowań sztucznych sieci neuronowych jest rozpoznawanie i klasyfikacja wzorców. W ramach pracy przeprowadzono automatyczną identyfikację grup macerałów oraz materii nieorganicznej za pomocą trzech klasyfikatorów neuronowych: dwuwarstwowej sieci jednokierunkowej (Multi-Layer Perceptron, MLP), sieci o radialnych funkcjach bazowych (Radial Basis Function, RBF) oraz samoorganizującej mapy Kohonena (Self- -Organizing Maps, SOM). Do analiz wykorzystano zbiór 3000 mikroskopowych zdjęć próbek węgla kamiennego. Każde z nich opisano 12 – wymiarowym wektorem cech. Dla każdej z rozpatrywanych sieci dokonano 100 – krotnego powtórzenia losowego wyboru ciągu uczącego, treningu sieci oraz rozpoznania badanych obiektów. Analizy wykazały wysoką skuteczność zastosowanych klasyfikatorów neuronowych w identyfikacji grup macerałów oraz materii nieorganicznej. Najlepsze rezultaty, na poziomie przekraczającym 98% poprawnych rozpoznań, uzyskano dla klasyfikatorów bazujących na uczeniu nadzorowanym (MLP oraz RBF). Nieznacznie niższą skuteczność rozpoznań otrzymano w przypadku sieci SOM – 95,9% klasyfikacji zgodnych z decyzjami obserwatora.

EN

One of the main applications of artificial neural networks is the recognition and classification of different patterns. In the framework of the work an automatic identification of maceral groups and inorganic matter was carried. Three neural classifiers were used: a Multi-Layer Perceptron (MLP), a network of Radial Basis Function (RBF) and Kohonen Self-Organizing Maps (SOM). For the purposes of the analysis a collection of 3,000 images of microscopic samples of coal was used. Each image was described by 12-dimensional feature vector. For each network were carried out: a hundredfold draw of learning set, the network training and classification of objects under study. The analyses have shown high effectiveness of the neural classifi ers used to identify maceral groups and inorganic matter. The best results were obtained for the classifiers based on supervised learning (MLP and RBF). They were at a level exceeding 98% of correct diagnoses. Slightly lower efficiency of diagnosis was obtained in the case of SOM network – 95.9% of classification compatible with the observer decisions.

12

Zastosowanie metod czarnej skrzynki do prognozowania wartości wybranych wskaźników jakości ścieków dopływających do oczyszczalni komunalnej

Szeląg B., Bartkiewicz L., Studziński J.

Ochrona Środowiska

|

2016

|

Vol. 38, nr 4

39--46

PL

Prognozowanie ilości i jakości ścieków dopływających do oczyszczalni komunalnej z odpowiednim wyprzedzeniem czasowym daje możliwość optymalnego sterowania wieloma parametrami procesów oczyszczania ścieków. Dlatego prowadzi się badania mające na celu opracowanie modeli matematycznych (fizykalnych deterministycznych i operatorowych statystycznych), prognozujących zarówno ilość, jak i jakość ścieków dopływających do oczyszczalni. W artykule zbadano możliwość zastosowania prostszych modeli operatorowych do prognozowania wartości wybranych wskaźników jakości ścieków na dopływie do oczyszczalni (BZT5, zawiesiny ogólne, azot ogólny i amonowy, fosfor ogólny) jedynie na podstawie wyników pomiarów natężenia przepływu ścieków oraz – w celu porównania – na podstawie ich zmierzonych wartości. Do tego celu zastosowano metody czarnej skrzynki typu MARS oraz lasy losowe (RF). Dodatkowo przedstawiono możliwość połączenia metody lasów losowych z modelem klasyfikacyjnym (RF+SOM). Do identyfikacji danych określających zmienność wybranych wskaźników jakości ścieków zastosowano metody drzew wzmacnianych (BT) i analizy składowych głównych (PCA). Modele opracowano na podstawie wyników ciągłych pomiarów dobowych przeprowadzonych w latach 2013–2015 w oczyszczalni ścieków komunalnych w Rzeszowie.

EN

Forecasting the amount and quality of wastewater flowing into a treatment plant sufficiently in advance, enables effective control of numerous treatment process parameters. Therefore, mathematical (physical deterministic and time series statistical) models forecasting both the amount and quality of wastewater inflow into a sewage treatment plant are under development. In this paper, a possibility of simpler time series models application to forecasting values of selected indicators (biochemical oxygen demand (BOD5), total suspended solids (TSS), total nitrogen (TN), total phosphorus (TP) and ammonium (NH4+)) of sewage quality in the inflow into a treatment plant was investigated. The research was based solely on sewage flow rate data and – for the purpose of comparison – the actual measured indicator values. For this purpose, MARS type black-box and random forest (RF) methods were used. Also, a possibility of combining the RF method with a classification model (RF+SOM) was investigated. Boosted trees (BT) and principal component analysis (PCA) methods were applied for identification of data that determine variability of the selected sewage quality indicators. The models were developed on the basis of continuous daily measurements performed in the period of 2013–2015 in the municipal sewage treatment plant in Rzeszow.

13

Adaptive modelling of spatial diversification of soil classification units

Urbański K., Gruszczyński S.

Journal of Water and Land Development

|

2016

|

no. 30

127--139

EN

The article presents the results of attempts to use adaptive algorithms for classification tasks different soils units. The area of study was the Upper Silesian Industrial Region, which physiographic and soils parameters in the form of digitized was used in the calculation. The study used algorithms, self-organizing map (SOM) of Kohonen, and classifiers: deep neural network, and two types of decision trees: Distributed Random Forest and Gradient Boosting Machine. Especially distributed algorithm Random Forest (algorithm DRF) showed a very high degree of generalization capabilities in modeling complex diversity of soil. The obtained results indicate, that the digitization of topographic and thematic maps give you a fairly good basis for creating useful models of soil classification. However, the results also showed that it cannot be concluded that the best algorithm presented in this research can be regarded as a general principle of system design inference.

PL

Wraz z rozwojem technologii informatycznych następuje stopniowa zmiana podejścia do dokumentacji kartograficznej obiektów przyrodniczych, w tym gleb. Podstawowymi cechami dowolnej klasyfikacji, których przedmiotem są gleby, jest wielowymiarowość jednostek (nie ma pojedynczej właściwości, możliwej do wyznaczenia w drodze pomiaru, która wystarczałaby do jednoznacznego przypisania pedonu do określonej klasy w stosowanych skalach klasyfikacyjnych gleb), w związku z czym właściwe wydaje się wykorzystanie do tego celu dostępnych komputerowych metod przetwarzania danych. Modelowanie przestrzennego zróżnicowania gleb na podstawie przesłanek natury fizjograficznej, odtworzonych na podstawie digitalizacji istniejących materiałów kartograficznych, jest podstawą do tworzenia przestrzennych baz danych przechowywanych w wersji cyfrowej. Inaczej niż w typowej kartografii tematycznej zawierającej treści glebowo-siedliskowe, modele te wskazują na prawdopodobieństwo a priori występowania określonej jednostki glebowej w określonym położeniu, nie zaś bezwzględną przynależność terenu do niej. Taka interpretacja wymaga zbudowania stosownego algorytmu wiążącego czynniki natury geologicznej i fizjograficznej z jednostkami glebowymi. Do tego celu często wykorzystuje się tak zwane algorytmy adaptacyjne, umożliwiające elastyczne tworzenie modeli zależności bazujących na danych. W pracy przedstawiono dwa warianty doboru parametrów przetwarzania danych fizjograficzno-glebowych potencjalnie przydatnych do tych celów. Wykorzystano dane pochodzące z bazy danych fizjograficznoglebowych z rejonu GOP (Górnośląski Okręg Przemysłowy) uzyskanych w wyniku digitalizacji materiałów kartograficznych. Analizie poddano wyłącznie tereny użytków rolnych: gruntów ornych (R) i trwałych użytków zielonych (Ł i Ps). Na obszarze o powierzchni 1 km2 wyodrębniono 6,4 mln jednostek tworzących siatkę kwadratów o rozmiarach 20 × 20 m. Wykorzystane zostały algorytmy samoorganizującej mapy (SOM) Kohonena oraz klasyfikatory – głęboka sieć neuronowa, oraz dwa rodzaje drzew decyzyjnych – rozproszony las losowy (ang. Distributed Random Forest) i wzmacniane drzewa losowe (ang. Gradient Boosting Machine). Szczególnie algorytm rozproszonego lasu losowego (algorytm DRF) wykazał bardzo wysoki stopień zdolności generalizacyjnej w modelowaniu zróżnicowania kompleksów glebowych.

14

Tailwater habitat stability after dam removal and return to a natural hydrological regime

Tszydel M., Kruk A.

Oceanological and Hydrobiological Studies

|

2015

|

Vol. 44, No. 3

410--425

EN

The study was conducted from 2000 to 2003 in the tailwater of the Drzewieckie Lake, an artificial reservoir in Central Poland. Short-term peaks in water flow were generated for the purpose of the operation of a whitewater slalom canoeing track built just downstream of the dam. In 2002, the reservoir was drawn down. The patterns in habitat samples were recognized with a Kohonen’s unsupervised artificial neural network (SOM). The SOM spatial gradient was stronger than the SOM temporal gradient, which shows that the removal of the studied dam did not have a destructive impact on habitats’ features, as shown in other studies, and that the patchy nature of the riverbed has been maintained. The complete emptying of the Drzewieckie Lake took place at the beginning of the vegetation season, which allowed plants to cover the exposed bottom of the reservoir and, consequently, reduce the downstream flow of organic matter accumulated there. Patterns in the displacement of aquatic macrophytes, inorganic substratum and different fractions of particulate organic matter are discussed. The amount of dissolved oxygen decreased because of the lack of intensive water discharge from the reservoir into the river, which would result in high water turbulence. Results of this study are important for planning the ecologically sound dam removals.

15

A class of neuro-computational methods for assamese fricative classification

Patgiri C., Sarma M., Sarma K. K.

Journal of Artificial Intelligence and Soft Computing Research

|

2015

|

Vol. 5, No. 1

59--70

EN

In this work, a class of neuro-computational classifiers are used for classification of fricative phonemes of Assamese language. Initially, a Recurrent Neural Network (RNN) based classifier is used for classification. Later, another neuro fuzzy classifier is used for classification. We have used two different feature sets for the work, one using the specific acoustic-phonetic characteristics and another temporal attributes using linear prediction cepstral coefficients (LPCC) and a Self Organizing Map (SOM). Here, we present the experimental details and performance difference obtained by replacing the RNN based classifier with an adaptive neuro fuzzy inference system (ANFIS) based block for both the feature sets to recognize Assamese fricative sounds.

16

Kohonen Artificial Neural Networks and the IndVal Index as Supplementary Tools for the Quantitative Analysis of Palaeoecological Data

Płóciennik M., Kruk A., Michczyńska D. J., Birks J. B.

Geochronometria

|

2015

|

Vol. 42, no.1

189--201

EN

We applied two widely-used methods for data partitioning — constrained incremental sum-of-squares (CONISS) and Optimal Partitioning (OP) along with two supplementary methods, a Kohonen artificial neural network (self-organising map, SOM) and the indicator value (IndVal) index, for the quantitative analysis of subfossil chironomid assemblages from a palaeolake in Central Poland. The samples, taken from 79 core depths, were divided into 5–11 groups (five by SOM, seven by CONISS, 11 by OP), for which different numbers of indicator taxa were determined with the use of the IndVal index (18 for CONISS, 15 for SOM, 11 for OP). Only six indicator taxa were common to all three methods. The number of highly specific (p < 0.001) taxa was highest for SOM. Only the SOM analysis clearly reflected the rate of the changes in chironomid assemblages, which occurred rapidly in the Late Glacial (as a result of greater climate variability) and slowly in the Holocene (as a reflection of slow long-term changes in the local habitat, such as paludification). In summary, we recommend using SOM and the IndVal index in combination with CONISS and/or OP in order to detect different aspects of temporal variability in complex multivariate palaeoecological data.

17

Music Mood Visualization Using Self-Organizing Maps

Plewa M., Kostek B.

Archives of Acoustics

|

2015

|

Vol. 40, No. 4

513--525

EN

Due to an increasing amount of music being made available in digital form in the Internet, an automatic organization of music is sought. The paper presents an approach to graphical representation of mood of songs based on Self-Organizing Maps. Parameters describing mood of music are proposed and calculated and then analyzed employing correlation with mood dimensions based on the Multidimensional Scaling. A map is created in which music excerpts with similar mood are organized next to each other on the two-dimensional display.

18

Klasyfikacja mikroskopowych obrazów skał przy wykorzystaniu sieci neuronowych

Młynarczuk M., Bielecka M., Ślipek B.

Zeszyty Naukowe Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN

|

2014

|

nr 86

27--38

PL

Klasyfikacja skał stanowi ważny aspekt w wielu zagadnieniach górnictwa i geologii inżynierskiej. Automatyzacja procesu klasyfikacji mikroskopowych obrazów skał może przyczynić się do usprawniania przetwarzania ogromnych zbiorów fotografii skał, poprzez jego przyspieszenie i wyeliminowanie wpływu subiektywnej oceny obserwatora na końcowy wynik klasyfikacji. Podczas pierwszego etapu badan opisanych w tym artykule wykorzystano zbiór 2700 mikroskopowych obrazów szlifów cienkich 9 skał, różniących się od siebie cechami petrograficznymi. Próbki skał zostały opisane 13-wymiarowym wektorem cech. Przy użyciu trzech różnych sieci neuronowych: dwuwarstwowej sieci jednokierunkowej (multi-layer feed-forward perceptron, MLP), samoorganizującej mapy Kohonena (self organizing Kohonen maps, SOM) oraz kwantyzacji wektorowej (learning vector quantization, LVQ), fotografie, po wcześniejszym treningu sieci odseparowanymi podzbiorami próbek, zostały poddane procesowi automatycznej klasyfikacji. Stukrotne powtarzanie losowania podzbiorów wykorzystywanych do treningu sieci oraz powtarzanie algorytmu uczenia sieci i rozpoznawania zdjęć pozwoliło na uzyskanie statystycznie wiarygodnych wyników, których wartość średnia wyniosła 99,4%. Następnie zbiór skał został zwiększony do łącznej wielkości 6300 zdjęć reprezentujących 21 różnych skał, a badania zostały powtórzone z zachowanie wektora cech oraz parametrów nauki sieci. Wynik średni poprawnych klasyfikacji dla powiększonego zbioru obrazów wyniósł 98,30%.

EN

Rock classification is an inherent part of numerous aspects of geology and engineering geology. Automating the classification of the microscopic images of rocks may result in improvements in analyzing vast sets of rocks' images by speeding up their recognition and eliminating the influence of the observer's subjective judgment in the final classification results. A set of 2,700 microscopic images of thin sections of 9 rocks, which differ in petrographic features, was used during the first step of the study described in the following article. Samples were displayed in a thirteen-dimensional feature space. With the use of three different neural networks multi-layer feed-forward perceptron (MLP), self-organizing Kohonen maps (SOM), and learning vector quantization (LVQ) ? images were subjected to an automated classification process preceded by the network's training with the use of isolated subset samples. Centuple repetition of subset drawings, which were used to train the network by repeating the self-learning network and images recognition algorithm, led to the achievement of statistically trustworthy results with a mean at the level of 99.4 %, and for the best drawing at 99.71%. Afterwards, the rocks set was extended to a total volume of 6,300 images of 21 different rocks, and the test was repeated preserving the feature space and self-learning network parameters. The average score of correct classifications for the extended images set was 98.30%, with the best score at 98.95%.

19

The perspectives of using railway facilities in Szczecin Metropolitan Area (SOM)

Wolnowska A., Rymer W., Czarnecki K.

Logistyka

|

2014

|

nr 6

EN

In the article, the results of Szczecin railway connections analysis were depicted. Historical SST projects were also taken into consideration together with re-using existing railway facilities in SOM, and also with connecting different available means of transport in order to create an efficient transport system.

20

Efektywność pracy w gospodarstwach o zbilansowanej odnawialności substancji organicznej

Sawa J., Kocira S.

Problemy Inżynierii Rolniczej

|

2013

|

R. 21, nr 2

11--20

PL

Celem pracy jest określenie efektywności pracy w gospodarstwach o różnym poziomie odnawialności glebowej substancji organicznej (GSO), ocenianych w aspekcie uzyskiwanych tam efektów produkcyjnych i ponoszonych nakładów materiałowo-energetycznych. Efektywność pracy określono jako relacje między poziomem dochodu rodziny a ponoszonymi nakładami pracy w czterech grupach badanych gospodarstw, zestawionych wg poziomu odnawialności GSO, w tym: <0,2; 0,2 ≤ 0,5; 0,5 ≤ 1,0; ≤1,0 t·ha-1 UR, gdzie odnawialność GSO na poziomie 0,5 ≤ 1,0 t·ha-1 UR uznano jako zbilansowaną. Systemy produkcji w gospodarstwach z takim bilansem odnawialności, pozwalające uzyskać efektywność pracy na poziomie 15,2 zł·rbh-1, nie zapewniają tak wysokiego poziomu efektywności pracy (54,0 zł·rbh-1), jaki występuje w gospodarstwach o najmniejszej wartości wskaźnika GSO (poniżej 0,2 t·ha-1 UR). Stwierdzono, że w gospodarstwach o największej odnawialności GSO, efektywność pracy jest najmniejsza i wynosi 10,0 zł·rbh-1. Wyniki badań wskazują na konieczność podjęcia dyskusji nad dotychczasowymi zasadami dopłat obszarowych do dużych, ale ekstensywnych gospodarstw rodzinnych, lub gospodarstw o systemach produkcji, które uniemożliwiają utrzymanie minimalnego poziomu odnawialności GSO. Gospodarstwa te wykorzystują możliwości zwiększenia dochodu rodziny nieproporcjonalnie do swojego zaangażowania w rozwój zintegrowanych procesów produkcyjnych i rolnictwa zrównoważonego.

EN

An attempt was made to determine the labour effectiveness in the family farms with different renewability levels of soil organic matter (SOM), evaluated in aspect of obtained production results and born material and energy inputs. The scope of study included 45 family farms of the acreage ranging from 8.58 to 150 ha AL, located in different regions of the country, surveyed in 2010. The labour efficiency was defined as a relationship between the level of farmer’s family income and operation expenditures incurred in four groups of surveyed farms, compiled at the level of SOM renewability: <0.2; 0.2 ≤ 0.5; 0.5 ≤ 1.0; ≤1.0 t·ha-1 AL, where the renewal of 0.5 ≤ 1.0 t·ha-1 AL was considered as a balanced one. It was stated that the lowest labour efficiency (10.0 PLN·work-hr) occurred in the farms with highest SOM renewability. These farms have particular difficulties with collection developing investment funds, incurred in the amount of 2.35 thous. PLN per ha AL, what is possible to be completed within about 12 years. In other farms the efficiency is high enough to complete these funds within 1.5, or even 0.43 years, as in the farms with lowest rate of SOM renewability. Farms of balanced SOM renewability present the average level of labour efficiency, what is related to specialization of farms in animal production, still associated with high labour inputs of the farmer’s family members and low degree of mechanization.