Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: boosting trees

Sortuj według:

Ogranicz wyniki do:

Boosting trees in application to hand grenades fuzes

Ampuła Dariusz

Journal of KONBiN

2021

Vol. 51, iss. 1

43--55

The article in the introduction presents a brief description of the decision tree, and the purpose of the article was defined. Then, the process of building boosting trees was characterized, paying attention to the algorithm of their building. A method of building boosting trees for UZRGM fuzes is described. The assortment of fuzes in which this type of fuze is used is indicated, and the individual features of the fuze are presented, which are checked during laboratory diagnostic tests. The importance classes that were used to classify the revealed inconsistencies were also described. A boosting classification tree for UZRGM fuzes was designed and built. An exemplary graph of the built tree and its structure and also a fragment of specific values predicted in individual analyzed classes are shown. The matrix of incorrect classifications was determined, which determines the accuracy of the incorrect predictions. On selected examples of the analyzed classes, the designed model was assessed on the basis of the lift chart and gains chart.

We wstępie przedstawiono krótki opis drzew decyzyjnych oraz określono cel artykułu. Następnie, scharakteryzowano proces budowy wzmacnianych drzew, zwracając uwagę na algorytm ich budowy. Opisano metodę budowy drzew wzmacnianych dla zapalników typu UZRGM. Wskazano asortyment, w którym stosowane są tego typu zapalniki, oraz przedstawiono poszczególne cechy zapalnika, które sprawdzane są podczas prowadzonych laboratoryjnych badań diagnostycznych. Opisano również klasy ważności, które zostały zastosowane do klasyfikacji ujawnianych niezgodności. Zaprojektowano oraz zbudowano wzmacniane drzewo klasyfikacyjne dla zapalników typu UZRGM. Pokazano przykładowy wykres zbudowanego drzewa oraz jego strukturę, a także fragment określonych wartości przewidywanych w poszczególnych analizowanych klasach. Określono macierz błędnych klasyfikacji, która określa trafność błędnych predykcji. Na wybranych przykładach analizowanych klas, oceniono zaprojektowany model na podstawie wykresu przyrostu i wykresu zysku.

Selection of significant visual features for classification of scales using Boosting Trees model

Lechwar S.

Computer Methods in Materials Science

2013

Vol. 13, No. 2

289--294

The subject of this paper is to design and implement an efficient model for various kinds of scales recognition at the Hot Rolling Mill (HRM) in Kraków. Subsequently, the model and its most important variables can be used to describe and distinguish different kinds of scales. At the moment an extensive knowledge regarding the reasons of scale occurrence is gathered. Nevertheless, the real challenges nowadays seem to be measuring techniques of those phenomena, as well as reliable online classification. This paper describes the basics of automatic surface inspection system (ASIS) which was used as a source of entry data, as well as the method of interpretation of the data obtained from this system. The ASIS provided numerous features describing single image, which was considered as a defect. The objective of this paper was to supply information regarding the most important visual attributes, which will be subsequently used in building reliable classifier for scale recognition. It was done by use of data mining techniques. The result was a set of measurement data, stored in online production database. However, some kinds of scales could not be recognized efficiently. The reason behind that was the lack of unique features, which could distinguish them from the other defects. This problem will be solved in following studies by creating offline post processing rules.

Przedmiotem badań jest zaprojektowanie i wdrożenie skutecznego modelu klasyfikującego wszystkie rodzaje zgorzeliny występujące w walcowni gorącej w Krakowie. Model oraz jego kluczowe zmienne mogą opisać i rozróżnić poszczególne typy zgorzeliny. W ramach pracy postanowiono zająć się techniką pomiarową oraz wykorzystaniem danych pomiarowych do budowy optymalnego klasyfikatora wad tego zjawiska. Danych pomiarowych, dotyczących aspektów wizyjnych pojedynczych obszarów pasma, dostarczył automatyczny system kontroli powierzchni (ASIS), którego podstawy działania przedstawiono w pracy. Otrzymane dane pomiarowe zostały przeanalizowane z wykorzystaniem metod selekcji cech, a wybrane cechy posłużyły do budowy klasyfikatora dla wad powierzchni typu zgorzelina. Klasyfikator zaimplementowany został z wykorzystaniem metod eksploracji danych, które, wraz z otrzymanymi wynikami, zostały szczegółowo opisane w niniejszym artykule.