Wyniki wyszukiwania - BazTech

1

Analysis of the Effectiveness of Selected Machine Learning Algorithms in the Classification of Satellite Image Content Depending on the Size of the Training Sample

Kupidura Przemysław, Niemyski Stanisław

Teledetekcja Środowiska

|

2024

|

T. 64

24--38

EN

The article presents an analysis of the accuracy of 3 popular machine learning (ML) methods: Maximum Likelihood Classifier (MLC), Support Vector Machine (SVM), and Random Forest (RF) depending on the size of the training sample. The analysis involved performing the classification of the content of a Landsat 8 satellite image (divided into 6 basic land cover classes) in 10 different variants of the number of training samples (from 2664 to 34711 pixels), estimating individual results, and a comparative analysis of the obtained results. For each classification variant, an error matrix was developed and on their basis, accuracy metrics were calculated: f1-score, precision and recall (for individual classes) as well as overall accuracy and kappa index of agreement (generally for the entire classification). The analysis showed a stimulating effect of the size of the training sample on the accuracy of the obtained classification results in all analyzed cases, with the most sensitive to this factor being MLC, showing the best effectiveness with the largest training sample and the smallest - with the smallest, and the least SVM, characterized by the highest accuracy with the smallest training sample, comparing to other algorithms.

PL

Artykuł przedstawia analizę dokładności 3 popularnych metod uczenia maszynowego: Maximum Likelihood Classifier (MLC), Support Vector Machine (SVM) oraz Random Forest (RF) w zależności od liczebności próbki treningowej. Analiza polegała na wykonaniu klasyfikacji treści zdjęcia satelitarnego Landsat 8 (w podziale na 6 podstawowych klas pokrycia terenu) w 10 różnych wariantach liczebności próbek uczących (od 2664 do 34711 pikseli), oszacowaniu poszczególnych wyników oraz analizie porównawczej uzyskanych wyników. Dla każdego wariantu klasyfikacji opracowano macierz błędów, a na ich podstawie obliczono metryki dokładności: F1-score, precision and recall (dla pojedynczych klas) oraz ogólną dokładność i wskaźnik zgodności Kappa (ogólnie dla całej klasyfikacji). Analiza wykazała stymulujący wpływ rozmiaru próbki uczącej na dokładność uzyskiwanych wyników klasyfikacji we wszystkich analizowanych przypadkach, przy czym najbardziej wrażliwym na ten czynnik był MLC, wykazujący się najlepszą skutecznością przy największej próbce treningowej i najmniejszą - przy najmniejszej, a najmniej SVM, cechujący się największą dokładnością przy najmniejszej próbce treningowej, w porównaniu do pozostałych algorytmów.

2

Technological challenges in manufacturing of vacuum gauge thermionic cathode using thick-film technology

Jasińska Laura, Dzbik Krzysztof, Nowak Damian, Stojek Krzysztof, Chudzyńska Aleksandra, Politański Kamil, Malecha Karol

Materials Science Poland

|

2024

|

Vol. 42, No. 1

126--139

EN

This paper focuses on the development of a technological challenges of manufacturing the planar ceramic vacuum sensor based on the principles of hot-cathode ionization in the Bayard-Alpert configuration. The goal is to simplify the technological process by utilizing planar platinum structures with gold electrical paths instead of 3-dimensional structures. Various methods were tested, including the use of carbon-based SVM (Sacrifice Volume Materials) materials, but without success. Wet-etching using potassium hydroxide on Al2O3 substrates showed promise results. The findings highlight the challenges and progress made in developing the thermo-emittercomponent of the vacuum sensor.

3

The Use of Artificial Intelligence for Quality Assessment of Refill Friction Stir Spot Welded Thin Joints

Kubit Andrzej, Kłosowski Grzegorz, Berezowski Wojciech

Advances in Science and Technology. Research Journal

|

2024

|

Vol. 18, no 3

45--57

EN

This paper presents a machine learning and image segmentation based advanced quality assessment technique for thin Refill Friction Stir Spot Welded (RFSSW) joints. In particular, the research focuses on developing a predictive support vector machines (SVM) model. The purpose of this model is to facilitate the selection of RFSSW process parameters in order to increase the shear load capacity of joints. In addition, an improved weld quality assessment algorithm based on optical analysis was developed. The research methodology includes specimen preparation stages, mechanical tests, and algorithmic analysis, culminating in a machine learning model trained on experimental data. The results demonstrate the effectiveness of the model in selecting welding process parameters and assessing weld quality, offering significant improvements compared to standard techniques. This research not only proposes a novel approach to optimizing welding parameters but also facilitates automatic quality assessment, potentially revolutionizing and spreading the application of the RFSSW technique in various industries

4

Outlier detection in EEG signals

Duraj Agnieszka, Chomątek Łukasz

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

237--240

EN

In this paper, the topic of detection of outliers in EEG signals was discussed, which facilitates making decisions about the diagnosis of a patient based on this study. We used two methods to detect outliers: the support vector machine and the k nearest neighbors method. The experiments were performed on a publicly available dataset containing EEG test results for 500 patients. The obtained results showed that the methods we used allow for the outlier detection efficiency at the level of 93%.

PL

W niniejszej pracy podjęto temat detekcji wyjątków w sygnałach EEG, co pozwala na ułatwienie podejmowania decyzji co do diagnozy pacjenta na podstawie tego badania. Do detekcji wyjątków wykorzystaliśmy dwie metody: maszynę wektorów nośnych i metodę k najblizszych sąsiadów. Eksperymenty zostały przeprowadzone na ogólnodostępnym zbiorze danych zawieraj ącym wyniki badania EEG dla 500 pacjentów. Uzyskane wyniki pokazały, że u żyte przez nas metody pozwalają na uzyskanie skuteczności detekcji wyjątków na poziomie 93%.

5

Machine learning to diagnose breast cancer

Ismaeel Ghassan Ahmad

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

10--12

EN

As the number of breast cancer diseases is increasing rapidly every year, new technologies are utilized to predict and diagnose this disease for better women's lives worldwide. The development of Machine Learning can be utilized to contribute in this sense and help in the early diagnosis of breast cancer. This paper aims to predict and diagnose breast cancer using Machine Learning techniques such as support vector Machine (SVM) and Decision -tree and Nearest neighbour (KNN). The results show the out performance of SVM over the other methods. These methods can be very helpful to predict the breast cancer disease ahead of time.

PL

Ponieważ liczba zachorowań na raka piersi gwałtownie rośnie z roku na rok, nowe technologie są wykorzystywane do przewidywania i diagnozowania tej choroby w celu poprawy życia kobiet na całym świecie. Rozwój uczenia maszynowego może być wykorzystany do wniesienia wkładu w tym sensie i pomocy we wczesnej diagnozie raka piersi. Niniejszy artykuł ma na celu przewidywanie i diagnozowanie raka piersi przy użyciu technik uczenia maszynowego, takich jak maszyna wektora nośnego (SVM) oraz drzewo decyzyjne i najbliższy sąsiad (KNN). Wyniki pokazują wydajność SVM w porównaniu z innymi metodami. Metody te mogą być bardzo pomocne w przewidywaniu zgonów na raka piersi z wyprzedzeniem.

6

Continuous speech commands recognition with thai language used support vector machine technique: A case study of speech commands control for mobile robots

Muangjaroen Supavit, Udomsiri Sakol

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 6

181--187

EN

This article presents the application of an automatic speech recognition by continuous speech commands recognition with Thai language as a speaker verification model, this is a case study of speech commands control of mobile robots. The design of the automatic speech recognition system consisted of 3 steps: The first we analyzed the signal processing of the continuous speech commands and compared the accuracy of the speech recognition with a time frame adjustment and the overlapped period of signal filtered with the window function, The second we proceed to find the feature extraction of speech commands using format frequency techniques and configured the feature extraction with format frequencies of F1, F2, and F3,The last step was to design the recognition using Support Vector Machine technique to check the accuracy of an automatic speech recognition. These is support vector machine classification algorithm provides a comparison of the filtered function window and compares the accuracy of the time frame scaled and the overlapped time of the filtered, which gives different values of precision. From the experiment, the researcher found that are applied a Hanging function the test results of the test result of the "forward" speech commands has an accuracy of 81.92% but kind of Gaussian function the test results of the "backward" speech commands has an accuracy of 83.69%, the "turn left" speech commands had an accuracy of 82.81%, the "turn right" speech commands had an accuracy of 85.56% and the "Stop first" speech commands has an accuracy of 86.78% and speech recognition by continuous speech commands recognition with Thai language was applied an every function the test results of the overall performance of the speech commands has an accuracy of 83.88%.

PL

Artykuł przedstawia zastosowanie automatycznego rozpoznawania mowy poprzez ciągłe rozpoznawanie poleceń głosowych z językiem tajskim jako modelem weryfikacji mówiącego, jest to studium przypadku sterowania poleceniami głosowymi robotów mobilnych. Projekt systemu automatycznego rozpoznawania mowy składał się z 3 etapów: W pierwszym przeanalizowano przetwarzanie sygnału ciągłych poleceń głosowych i porównano dokładność rozpoznawania mowy z dopasowaniem przedziału czasowego i nakładającym się okresem sygnału filtrowanego funkcją okna, Następnie przystępujemy do znalezienia ekstrakcji funkcji poleceń głosowych przy użyciu technik formatowania częstotliwości i skonfigurowania ekstrakcji cech z częstotliwościami formatu F1, F2 i F3. Ostatnim krokiem było zaprojektowanie rozpoznawania przy użyciu techniki maszyny wektorów nośnych w celu sprawdzenia dokładności automatyczne rozpoznawanie mowy. Jest to algorytm klasyfikacji maszyny wektorów nośnych, który zapewnia porównanie przefiltrowanego okna funkcji i porównuje dokładność skalowanych ram czasowych oraz nakładających się czasów filtrowanych, co daje różne wartości precyzji. Na podstawie eksperymentu badacz odkrył, że po zastosowaniu funkcji wiszącej wyniki testu wyników poleceń głosowych „do przodu” mają dokładność 81,92%, ale rodzaj funkcji Gaussa wyniki testu poleceń głosowych „wstecz” mają dokładność 81,92% dokładność 83,69%, polecenia głosowe „skręć w lewo” miały dokładność 82,81%, polecenia głosowe „skręć w prawo” miały dokładność 85,56%, a polecenia głosowe „Najpierw zatrzymaj” mają dokładność 86,78%, a rozpoznawanie mowy przez zastosowano ciągłe rozpoznawanie poleceń głosowych w języku tajskim, a wyniki testu ogólnej wydajności poleceń głosowych mają dokładność 83,88%.

7

Advanced extreme learning machine for an hour PV forecast using general weather data

Farid Imam Wahyudi, Priyad Ardyono, Purnomo Mauridhi Hery, Abdillah Muhammad, Tjahjono Anang, Yorino Naoto

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

134--139

EN

In recent years, Indonesia has placed great attention on the use of renewable energy resources as a way to decrease gas emission. Located at the equator, Indonesia has many advantages in renewable energy resources, especially photovoltaic (PV). Photovoltaic offers a big opportunity to contribute to the power grid, yet it also comes with its challenges. The use of PV involves a major uncertainty as the inputs of PV are weather conditions that are constantly changing. With Indonesia planning to penetrate the PV farm into the power grid, it is necessary to be able to generate an accurate forecast to assist the power grid control operator. Many algorithms are applied to obtain a precise and accurate PV power generation. One of the algorithms generally used by researchers is the conventional back propagation neural network. It is one of the most commonly applied algorithms, yet it also has a complex setting and numerous parameters. To help overcome this issue, extreme learning machine (ELM) is applied alongside with backpropagation neural network (BPNN), resulting in a more promising result. However, the random value for ELM parameters has become another problem of its own. This paper discusses an advanced ELM to obtain a better PV forecast result. The combination of PV input, ambient temperature, global tilted irradiation (GTI), wind direction, wind velocity and humidity are applied on the kernel extreme learning machine (K-ELM). We found that K-ELM proposes a better performance compared to ELM in facing a nonlinear data, along with better learning capability, mapping ability, and an improved efficiency. We also developed the input data using BPNN, ELM and support vector machine (SVM) to compare training, testing and calculation time

PL

W ostatnich latach Indonezja przywiązywała dużą wagę do wykorzystania odnawialnych źródeł energii jako sposobu na zmniejszenie emisji gazów. Położona na równiku Indonezja ma wiele zalet w zakresie odnawialnych źródeł energii, zwłaszcza fotowoltaiki (PV). Fotowoltaika daje duże możliwości wniesienia wkładu w sieć energetyczną, ale wiąże się również z wyzwaniami. Korzystanie z PV wiąże się z dużą niepewnością, ponieważ wejścia PV to stale zmieniające się warunki pogodowe. Ponieważ Indonezja planuje penetrację farmy fotowoltaicznej do sieci energetycznej, konieczne jest wygenerowanie dokładnej prognozy, aby pomóc operatorowi kontroli sieci energetycznej. W celu uzyskania precyzyjnego i dokładnego wytwarzania energii PV stosuje się wiele algorytmów. Jednym z algorytmów powszechnie stosowanych przez badaczy jest konwencjonalna sieć neuronowa wstecznej propagacji. Jest to jeden z najpowszechniej stosowanych algorytmów, ale ma też złożoną nastawę i liczne parametry. Aby rozwiązać ten problem, zastosowano ekstremalną maszynę uczącą (ELM) wraz z siecią neuronową z propagacją wsteczną (BPNN), co daje bardziej obiecujący wynik. Jednak losowa wartość parametrów ELM stała się kolejnym problemem. W niniejszym artykule omówiono zaawansowane ELM w celu uzyskania lepszego wyniku prognozy PV. Kombinacja sygnału wejściowego PV, temperatury otoczenia, napromieniowania globalnego odchylenia (GTI), kierunku wiatru, prędkości wiatru i wilgotności jest stosowana na maszynie ekstremalnego uczenia jądra (K-ELM). Odkryliśmy, że K-ELM proponuje lepszą wydajność w porównaniu do ELM w obliczu danych nieliniowych, a także lepszą zdolność uczenia się, zdolność mapowania i lepszą wydajność. Opracowaliśmy również dane wejściowe za pomocą BPNN, ELM i maszyny wektorów nośnych (SVM) w celu porównania czasu szkolenia, testowania i obliczeń.

8

A novel hybrid framework to model the relationship of daily river discharge with meteorological variables

Shabbir Maha, Chand Sohail, Iqbal Farhat

Meteorology Hydrology and Water Management. Research and Operational Applications

|

2023

|

Vol. 11, Iss. 2

70--94

EN

River discharge is affected by many factors, such as water level, rainfall, and precipitation. This study proposes a new hybrid framework named LAES (LASSO-ANN-EMD-SVM) to model the relationship of daily river discharge with meteorological variables. This hybrid framework is a composite of the least absolute shrinkage and selection operator (LASSO), an artificial neural network (ANN), and an error correction method. In the first stage, LASSO identifies meteorological variables that have a significant influence on the generation of river discharge. Next, the ANN model is used to predict river discharge using meteorological variables selected by LASSO, and the error series is determined. The error series is decomposed into intrinsic mode functions and residuals using empirical mode decomposition (EMD). The EMD components are modeled using the support vector machine (SVM) model, and the error predictions are aggregated. In the last stage, the LASSO-ANN predictions and the predicted error series are aggregated as the final discharge prediction. The proposed hybrid framework is illustrated on the Kabul River of Pakistan. The performance of the proposed hybrid framework is compared with six models using various performance measures and the Diebold-Mariano test. These models include multiple linear regression (MLR), SVM, ANN, LASSO-MLR, LASSO-SVM, and LASSO-ANN models. The findings reveal that the proposed hybrid model outperforms all other models considered in the study. In the testing phase, the root mean square error (RMSE), mean absolute percentage error (MAPE), and mean absolute error (MAE) of the proposed LAES hybrid model are 337.143 m3/s, 32.354%, and 218.353 m3/s which are smaller than all other models compared in the study. Our proposed hybrid system is an efficient model for river discharge prediction that will be helpful in water management and protection against floods. Long-term prediction can help to identify the major effects of climate change and to make evidence-based environmental policies.

9

An Efficient Hybrid Classifier Model for Customer Churn Prediction

Anitha M. A., Sherly K. K.

International Journal of Electronics and Telecommunications

|

2023

|

Vol. 69, No. 1

11--18

EN

Customer churn prediction is used to retain customers at the highest risk of churn by proactively engaging with them. Many machine learning-based data mining approaches have been previously used to predict client churn. Although, single model classifiers increase the scattering of prediction with a low model performance which degrades reliability of the model. Hence, Bag of learners based Classification is used in which learners with high performance are selected to estimate wrongly and correctly classified instances thereby increasing the robustness of model performance. Furthermore, loss of interpretability in the model during prediction leads to insufficient prediction accuracy. Hence, an Associative classifier with Apriori Algorithm is introduced as a booster that integrates classification and association rule mining to build a strong classification model in which frequent items are obtained using Apriori Algorithm. Also, accurate prediction is provided by testing wrongly classified instances from the bagging phase using generated rules in an associative classifier. The proposed models are then simulated in Python platform and the results achieved high accuracy, ROC score, precision, specificity, F-measure, and recall.

10

The application of machine learning on the sensors of smartphones to detect falls in real-time

Benba Achraf, Akki Mouna, Sandabad Sara

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 2

50--55

EN

With the increasing prevalence of smartphones, they now come equipped with a multitude of sensors such as GPS, microphones, cameras, magnetometers, accelerators, and more, which can simplify our daily lives. When it comes to healthcare, smartphones can become indispensable.The detection of geriatric falls is crucial as even the slightest injury can havefatal consequences. Therefore, we proposed the use of accelerometers in our research to detect falls in the elderly. Our project involved the development of an automated, continuous, and reliable monitoring system that would generate a list of elderly people at risk of falling and present it on a webpage for emergency services. This approach aimed to minimize the long-term impacts and save lives promptly. We started by developing a mobile application and used MATLAB to classify the falls as either "fall" or "not fall." Finally, we created a webpage that would facilitate communication between the mobile application and MATLAB.

PL

Wraz z rosnącąpopularnością smartfonów są one wyposażone w wiele czujników, takich jak GPS, mikrofony, kamery, magnetometry, akceleratory i inne, które mogą uprościć nasze codzienne życie. Jeśli chodzi o opiekę zdrowotną, smartfony mogą stać się niezastąpione. Wykrywanie upadków geriatrycznych ma kluczowe znaczenie, ponieważ nawet najmniejszy uraz może mieć śmiertelne konsekwencje. Dlatego zaproponowanowykorzystanie w naszych badaniach akcelerometrów do wykrywania upadków osób starszych. Nasz projekt polegał na opracowaniu zautomatyzowanego, ciągłego i niezawodnego systemu monitoringu, który generowałby listę osób starszych zagrożonych upadkiem i prezentował ją na stronie internetowej służb ratowniczych. Podejście to miało na celu zminimalizowanie długoterminowych skutków i szybkie ratowanie życia. Rozpoczęto od opracowania aplikacji mobilnej i za pomocą MATLABa sklasyfikowano upadki jako „upadek” lub „nie upadek”. Ostatecznie stworzono stronę internetową, która ułatwiłaby komunikację między aplikacją mobilną a MATLABem.

11

Optimizing ultrasound image classification through transfer learning: fine-tuning strategies and classifier impact on pre-trained inner-layers

Bal-Ghaoui Mohamed, Alaoui Hachem El Yousfi, Jilbab Abdelilah, Bourouhou Abdennaser

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 4

27--33

EN

Transfer Learning (TL) is a popular deep learning technique used in medical image analysis, especially when data is limited. It leverages pre-trained knowledge from State-Of-The-Art (SOTA) models and applies it to specific applications through Fine-Tuning (FT). However, fine-tuning large models can be time-consuming, and determining which layers to use can be challenging. This study explores different fine-tuning strategies for five SOTA models (VGG16, VGG19, ResNet50, ResNet101, and InceptionV3) pre-trained on ImageNet. It also investigates the impact of the classifier by usinga linear SVM for classification. The experiments are performed on four open-access ultrasound datasets related to breast cancer, thyroid nodules cancer, and salivary glands cancer. Results are evaluated using a five-fold stratified cross-validation technique, and metrics like accuracy, precision, and recall are computed. The findings show that fine-tuning 15% of the last layers in ResNet50 and InceptionV3 achieves good results. Using SVM for classification further improves overall performance by 6% for the two best-performing models. This research provides insights into fine-tuning strategiesandthe importance of the classifier in transfer learning for ultrasound image classification.

PL

Transfer Learning (TL) to popularna technika głębokiego uczenia stosowana w analizie obrazów medycznych, zwłaszcza gdy ilość danych jestograniczona. Wykorzystuje ona wstępnie wyszkoloną wiedzę z modeli State-Of-The-Art (SOTA) i zastosowanie ich do konkretnych aplikacji poprzez dostrajanie (Fine-Tuning –FT). Jednak dostrajanie dużych modeli może być czasochłonne, a określenie, których warstw użyć, może stanowić wyzwanie.W niniejszym badaniu przeanalizowano różne strategie dostrajania dla pięciu modeli SOTA (VGG16, VGG19, ResNet50, ResNet101 i InceptionV3) wstępnie wytrenowanych na ImageNet. Zbadano również wpływ klasyfikatora przy użyciu liniowej SVM do klasyfikacji. Eksperymenty przeprowadzonona czterech ogólnodostępnych zbiorach danych ultrasonograficznych związanych z rakiem piersi, rakiem guzków tarczycy i rakiemgruczołów ślinowych. Wyniki są oceniane przy użyciu techniki pięciowarstwowej walidacji krzyżowej, a wskaźniki takie jak dokładność, precyzja i odzyskiwanie są obliczane. Wyniki pokazują, że dostrojenie 15% ostatnich warstw w ResNet50 i InceptionV3 osiąga dobre wyniki. Użycie SVM do klasyfikacjidodatkowo poprawia ogólną wydajność o 6% dla dwóch najlepszych modeli. Badania te zapewniają informacje na temat strategii dostrajania i znaczenia klasyfikatoraw uczeniu transferowym dla klasyfikacji obrazów ultrasonograficznych.

12

Novel hybrid algorithm using convolutional autoencoder with SVM for electrical impedance tomography and ultrasound computed tomography

Maciura Łukasz, Wójcik Dariusz, Rymarczyk Tomasz, Król Krzysztof

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 2

4--9

EN

This paper presents a new hybrid algorithm using multiple support vector machines models with a convolutional autoencoder forelectrical impedance tomography, and ultrasound computed tomography image reconstruction. The ultimate hybrid solution uses multiple SVM models to convert input measurements to individual autoencoder codes representing a given scene then the decoder part of the autoencoder can reconstruct the scene.

PL

Artykuł przedstawia nowy hybrydowy algorytm który używa modeli maszyn wektorów nośnych wraz z autoenkoderem konwolucyjnym do rekonstrukcji obrazu z elektrycznej tomografii impedancyjnej oraz ultrasonograficznej tomografii transmisyjnej. Ostateczne rozwiązanie hybrydowe używa wielu modeli SVM do konwersji pomiarów wejściowych do pojedynczych kodów autoenkodera reprezentujących daną scenę a wtedy dekoder wyciętyz autoenkodera może zrekonstruować daną scenę.

13

A novel Parkinson's disease detection algorithm combined EMD, BFCC, and SVM classifier

Boualoulou Nouhaila, Mounia Miyara, Nsiri Benayad, Behoussine Drissi Taoufiq

Diagnostyka

|

2023

|

Vol. 24, No. 4

art. no. 2023404

EN

Identifying and assessing Parkinson's disease in its early stages is critical to effectively monitoring the disease's progression. Methodologies based on machine learning enhanced speech analysis are gaining popularity as the potential of this field is revealed. Acoustic features, in particular, are used in a variety of algorithms for machine learning and could serve as indicators of the general health of subjects' voices. In this research paper, a novel method is introduced for the automated detection of Parkinson's disease through speech signal analysis, a support vector machines classifier (SVM) and an Artificial Neural Network (ANN) are used to evaluate and classify the data based on two acoustic features: Bark Frequency Cepstral Coefficients (BFCC) and Mel Frequency Cepstral Coefficients (MFCC). These features are extracted from the denoised signals using Empirical Mode Decomposition (EMD). The most relevant results obtained for a dataset of 38 participants are by the BFCC coefficients with an accuracy up to 92.10%. These results confirm that EMD-BFCC-SVM method can contribute to the detection of Parkinson's disease.

14

Applying Hunger Game Search (HGS) for selecting significant blood indicators for early prediction of ICU COVID-19 severity

Sayed Safynaz AbdEl-Fattah, ElKorany Abeer, Sayed Sabah

Computer Science

|

2023

|

T. 24 (1)

113--136

EN

This paper introduces an early prognostic model for attempting to predict the severity of patients for ICU admission and detect the most significant features that affect the prediction process using clinical blood data. The proposed model predicts ICU admission for high-severity patients during the first two hours of hospital admission, which would help assist clinicians in decision-making and enable the efficient use of hospital resources. The Hunger Game search (HGS) meta-heuristic algorithm and a support vector machine (SVM) have been integrated to build the proposed prediction model. Furthermore, these have been used for selecting the most informative features from blood test data. Experiments have shown that using HGS for selecting features with the SVM classifier achieved excellent results as compared with four other meta-heuristic algorithms. The model that used the features that were selected by the HGS algorithm accomplished the topmost results (98.6 and 96.5%) for the best and mean accuracy, respectively, as compared to using all of the features that were selected by other popular optimization algorithms.

15

Detection of distributed denial of service attacks for IoT-based healthcare systems

Kaur Gaganjot, Gupta Prinima

Computer Assisted Methods in Engineering and Science

|

2023

|

Vol. 30, no. 2

167--186

EN

One of the major common assaults in the current Internet of things (IoT) network-based healthcare infrastructures is distributed denial of service (DDoS). The most challenging task in the current environment is to manage the creation of vast multimedia data from the IoT devices, which is difficult to be handled solely through the cloud. As the software defined networking (SDN) is still in its early stages, sampling-oriented measurement techniques used today in the IoT network produce low accuracy, increased memory usage, low attack detection, higher processing and network overheads. The aim of this research is to improve attack detection accuracy by using the DPTCM-KNN approach. The DPTCMKNN technique outperforms support vector machine (SVM), yet it still has to be improved. For healthcare systems, this work develops a unique approach for detecting DDoS assaults on SDN using DPTCM-KNN.

16

Using SVM Classifier and Micro-Doppler Signature for Automatic Recognition of Sonar Targets

Saffari Abbas, Zahiri Seye Hamid, Khozein Ghanad Navid

Archives of Acoustics

|

2023

|

Vol. 48, No. 1

49--61

EN

In this paper, we propose using a propeller modulation on the transmitted signal (called sonar micro-Doppler) and different support vector machine (SVM) kernels for automatic recognition of moving sonar targets. In general, the main challenge for researchers and craftsmen working in the field of sonar target recognition is the lack of access to a valid and comprehensive database. Therefore, using a comprehensive mathematical model to simulate the signal received from the target can respond to this challenge. The mathematical model used in this paper simulates the return signal of moving sonar targets well. The resulting signals have unique properties and are known as frequency signatures. However, to reduce the complexity of the model, the 128-point fast Fourier transform (FFT) is used. The selected SVM classification is the most popular machine learning algorithm with three main kernel functions: RBF kernel, linear kernel, and polynomial kernel tested. The accuracy of correctly recognizing targets for different signal-to-noise ratios (SNR) and different viewing angles was assessed. Accuracy detection of targets for different SNRs (−20, −15, −10, −5, 0, 5, 10, 15, 20) and different viewing angles (10, 20, 30, 40, 50, 60, 70, 80) is evaluated. For a more fair comparison, multilayer perceptron neural network with two back-propagation (MLP-BP) training methods and gray wolf optimization (MLP-GWO) algorithm were used. But unfortunately, considering the number of classes, its performance was not satisfactory. The results showed that the RBF kernel is more capable for high SNRs (SNR = 20, viewing angle = 10) with an accuracy of 98.528%.

17

Evaluation of stock price prediction based on the support vector

Izsák Tilla, Marák László, Ormos Mihály

Applied Computer Science

|

2023

|

Vol. 19, no 3

64--82

EN

In recent years with the advent of computational power, Machine Learning has become a popular approach in financial forecasting, particularly for stock price analysis. In this paper, the authors develop a non-recurrent active trading algorithm based on stock price prediction, using Support Vector Machines on high frequency data, and compare its risk adjusted performance to the returns of a statistical portfolio predicted by the Capital Asset Pricing Model. The authors selected the three highest volume securities from a pool of 100 initially selected stock dataset to investigate the algorithmic trading strategy. The abnormal return estimates are significant and positive, and the systematic risk is lower than unity in all cases, suggesting lower risk compared to the market. Moreover, the estimated beta values for all stocks were close to zero, indicating a market independent process. The correlation analysis revealed weak correlations among the processes, supporting the potential for risk reduction and volatility mitigation through portfolio diversification. The authors tested an equally weighted portfolio of the selected three assets and demonstrated a remarkable return of 1348% during the evaluation period from July 1st, 2020, to January 1st, 2023. The results suggest that the weak form of market efficiency can be questioned, as the algorithmic trading strategy, employing a Support Vector Machine binary classification model, has consistently generated statistically significant and substantial abnormal returns using historical market data.

18

Analiza pracy przekształtnika SMC sterowanego metodą wektora przestrzennego

Suliga Mateusz

Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika

|

2022

|

z. 39

83--92

PL

Artykuł prezentuje badania symulacyjne pośredniego przekształtnika matrycowego o topologii Sparse Matrix Converter (SMC). W porównaniu do standardowego układu przekształtnika matrycowego, topologia SMC wykorzystuje mniej elementów półprzewodnikowych, co zmniejsza cenę wykonania układu. Do sterowania łącznikami została wybrana metoda sterowania wektorowego, Space Vector Modulation (SVM). Wynikiem przeprowadzonych badań są przebiegi kształtowanych napięć wyjściowego oraz prądów wejściowych przekształtnika. Wyznaczone spektrum harmonicznych przebiegów potwierdza poprawność działania zaprojektowanego modelu przekształtnika oraz przedstawia procentową zawartość wyższych harmonicznych. Układ typu SMC spełnia założenia związane z przekształtnikami matrycowymi, przy jednoczesnym wykorzystaniu mniejszej ilości elementów półprzewodnikowych.

EN

This article presents simulation studies of Sparse Matrix Converter (SMC). Compared to the standard Indirect Matrix Converter (IMC), the SMC topology uses fewer semiconductor elements, witch reduces cost of the converter. The Space Vector Modulation (SVM) is used to control each of the switches. The results of the conducted tests are waveform of output voltages and input currents of the converters. The determined spectrum of harmonic waveforms confirms the correct operation of the designed converter model and presents the percentage content of higher harmonics. The SMC topology meet the assumptions related to matrix converters, while using fewer number of semiconductor elements.

19

Classifying transformer winding fault type, location and extent using FRA based on support vector machine

Ezziane Hassane, Houassine Hamza, Moulahoum Samir, Chaouche Moustafa Sahnoune

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 1

23--33

EN

In this paper, four common winding faults in power transformers (axial displacement (AD), serial capacitance variation (VSC), ground capacitance variation (VGC), open circuit (OC)) are simulated on a transformer winding model to classify the fault type, location and extent, by applying an intelligent methodology for diagnosing transformer faults, depends on building a comprehensive database by collecting Frequency Responses Analysis (FRA) related to health and faulty conditions and analyzing them using statistical and mathematical indicators, this base that can inventory all possible faults in terms of location and extent, which is used to train a support vector machine (SVM) classifier on the faults included in it, which is then able to classify any new data . The results of the tests showed that the proposed method is characterized by high accuracy in detecting the type of defect, determining its location and the extent of its occurrence, It also contributes to the development of the application of machine learning on transformers.

PL

W tym artykule symulowane są cztery typowe uszkodzenia uzwojeń w transformatorach mocy (przemieszczenie osiowe (AD), szeregowa zmiana pojemności (VSC), zmiana pojemności uziemienia (VGC), obwód otwarty (OC)) na modelu uzwojenia transformatora w celu sklasyfikowania typu zwarcia , lokalizacji i zasięgu, poprzez zastosowanie inteligentnej metodologii diagnozowania uszkodzeń transformatorów, polega na zbudowaniu kompleksowej bazy danych poprzez zbieranie Analizy Odpowiedzi Częstotliwości (FRA) związanej ze stanami zdrowia i wadliwymi oraz analizowanie ich za pomocą wskaźników statystycznych i matematycznych, tej bazy, która może inwentaryzować wszystkie możliwych błędów pod względem lokalizacji i zasięgu, który jest używany do trenowania klasyfikatora maszyny wektora nośnego (SVM) na zawartych w nim błędach, który jest następnie w stanie sklasyfikować dowolne nowe dane. Wyniki badań wykazały, że proponowana metoda charakteryzuje się dużą dokładnością w wykrywaniu rodzaju defektu, określaniu jego lokalizacji oraz zasięgu jej występowania, przyczynia się również do rozwoju zastosowania uczenia maszynowego na transformatorach.

20

PM 2.5 modelling during paddy stubble burning months using artificial intelligence techniques

Sangwan V., Deswal S.

Journal of Achievements in Materials and Manufacturing Engineering

|

2022

|

Vol. 110, nr 1

16--26

EN

Purpose: In this study, the artificial intelligence techniques namely Artificial Neural Network, Random Forest, and Support Vector Machine are employed for PM 2.5 modelling. The study is carried out in Rohtak city of India during paddy stubble burning months i.e., October and November. The different models are compared to check their respective efficacies and also sensitivity analysis is performed to know about the most vital parameter in PM 2.5 modelling. Design/methodology/approach: The air pollution data of October and November months from the year 2016 to 2020 was collected for the study. The months of October and November are chosen as paddy stubble burning and major festivities using fireworks occur during these months. The untoward data entries viz. zero values, blank data, etc. were eliminated from the gathered data set and thereafter 231 observations of each parameter were left for the conduct of the presented study. The different models i.e., ANN, RF, SVM, etc. had PM 2.5 as an output variable while relative humidity, sulfur dioxide, nitrogen dioxide, nitric oxide, carbon monoxide, ozone, temperature, solar radiation, wind direction and wind speed acted as input variables. The prototypes created from the training data set are verified on the testing data set. A sensitivity analysis is also done to quantify impact of various parameters on output variable i.e., PM 2.5. Findings: The performance of the SVM_RBF based model turned out to be the best with the performance parameters being the coefficient of determination, root mean square error, and mean absolute error. In the sensitivity test, sulphur dioxide (SO2) was adjudged as the most vital variable. Research limitations/implications: The quantification capacity of the generated models may go beyond the used data set of observations. Practical implications: The artificial intelligence techniques provide precise estimation and forecasting of PM 2.5 in the air during paddy stubble burning months of October and November. Originality/value: Unlike the past research work that focus on modelling of various air pollution parameters, this study in specific focuses on the modelling of most vital air pollutant i.e., PM 2.5 that too specifically during the paddy stubble burning months of October and November when the air pollution is at its peak in northern India.