Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: algorytm ekstrakcji wiedzy

Sortuj według:

Ogranicz wyniki do:

Improved fuzzy ant colony optimization to recommend cultivation in Tamil Nadu, India

Ezhilarasi Thamarai Pugazhendhi, Rekha Karthikeyan Sashi

Acta Geophysica

2022

Vol. 70, no 6

2873--2887

The crop recommendation of the rural farmers is important in our country; this research work aim is to increase the profit of the farmers by suggesting the suitable crop recommendation in towns and villages of Tamil Nadu. The agriculture sectors are widespread that requires thorough preparation and judgement. Artificial intelligence and machine learning algorithms are extended practically in every major area, including agriculture. Data on Tamil Nadu’s agricultural production were obtained through an open data platform and also from the manual of the Economic and Statistical Department of Tamil Nadu which is published each year. Their main objective was to collect knowledge through data that could be applied to obtain useful predictable results. Hence, to achieve these objectives, fuzzy ant clustering with detection of cluster similarity and cluster combination along with association rule mining is used to provide crop recommendation to farmers depending on the current season and soil type. By evaluating the previous year’s agriculture production record, analyse the yield produced in the previous year by various crops and seasons. An algorithm using fuzzy ant clustering with detecting and combining the overlapping nodes to reduce the redundancy and improve the quality of the clusters was developed. The evaluation results show that the fuzzy ant colony with overlapping cluster detection algorithm provides good RS of the crops as the error rate is decreased to 8 percentage and accuracy is increased to 91.9 percentage when compared with results obtained from crop recommendation system with ant colony clustering and association rule mining.

Algorytm ekstrakcji wiedzy z sieci neuronowej na przykładzie procesu cynkowania ogniowego

Golak S., Grosman F., Wieczorek T.

Informatyka w Technologii Materiałów

2003

T. 3, Nr 2

72-78

Omówiony algorytm ekstrakcji wiedzy z nauczonej sieci neuronowej pozwala interpretować działanie modeli neuronowych realizujących regresję uogólnioną. Opisane narzędzie może być stosowane dla dowolnej sieci MLP, jeżeli wszystkie jej neurony realizują podwójnie różniczkowalną funkcję przejścia. Miary istotności Ia i synergiczności S ab pozwalają w większości rzeczywistych procesów scharakteryzować oddziaływanie parametrów wejściowych. Procesy, w których kierunki wzajemnego oddziaływania parametrów i wpływu na wyjście są różne w poszczególnych obszarach przestrzeni atrybutów mogą być opisane przy pomocy reguł wygenerowanych przy użyciu omówionego algorytmu genetycznego. Analiza procesu cynkowania ogniowego przy wykorzystaniu omówionej metody pozwoliła na uzyskanie informacji o istotności oraz kierunku oddziaływania poszczególnych parametrów procesu. Natomiast analiza synergiczności dla tego procesu nie wskazała na występowanie synergii pomiędzy parametrami technologicznymi uwzględnianymi przez model neuronowy.

One of the major disadvantages of neural networks is that they can be considered as black boxes, since no satisfactory explanation of their work. A method for the analysis of regression neural networks, which provides physical interpretation of examined processes, is described in the paper. Method was verified on a base of test and empirical data of hot-dip zinc coating process.