Wyniki wyszukiwania - BazTech

1

Backpropagation generalized delta rule for the selective attention Sigma-if artificial neural network

Huk M.

International Journal of Applied Mathematics and Computer Science

|

2012

|

Vol. 22, no. 2

449-459

EN

In this paper the Sigma-if artificial neural network model is considered, which is a generalization of an MLP network with sigmoidal neurons. It was found to be a potentially universal tool for automatic creation of distributed classification and selective attention systems. To overcome the high nonlinearity of the aggregation function of Sigma-if neurons, the training process of the Sigma-if network combines an error backpropagation algorithm with the self-consistency paradigm widely used in physics. But for the same reason, the classical backpropagation delta rule for the MLP network cannot be used. The general equation for the backpropagation generalized delta rule for the Sigma-if neural network is derived and a selection of experimental results that confirm its usefulness are presented.

2

Lokalizacja punktów pomiarowych w systemie do trójwymiarowego pozycjonowania ciała wybranymi metodami sztucznej inteligencji

Czechowicz A., Tokarczyk R.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2009

|

Vol. 20

67--79

PL

Fotogrametryczny system cyfrowy do pomiaru ciała ludzkiego dla celów badania wad postawy służy do wyznaczania przestrzennego położenia wybranych jego punktów. Wymaga on pomierzenia na zdjęciach cyfrowych trzech grup punktów, zwanych w tytule referatu punktami pomiarowymi: fotopunktów, markerów sygnalizowanych na pacjencie oraz źrenic oczu. Fotopunkty to czarno-białe sygnały pozwalające na orientację w przestrzeni modelu utworzonego ze zdjęć. Markery to styropianowe kulki o średnicy 4÷5 mm sygnalizujące wybrane elementy kośćca umieszczone na powierzchni ciała. Artykuł dotyczy wykorzystania sieci neuronowych do lokalizacji fotopunktów i styropianowych markerów. Zadaniem sieci jest klasyfikacja kolejnych fragmentów obrazu na zawierające obraz fotopunktu, markera lub niezawierające obrazu żadnego z nich. W ramach badań sprawdzono możliwość przeprowadzenia zdefiniowanej powyżej klasyfikacji sieciami o architekturze wielowarstwowego perceptronu (ang. Multi Layer Perceptron –MLP) ze wsteczną propagacją błędu oraz sieciami z radialnymi funkcjami bazowymi RBF (ang. Radial Basis Function Networks). Zweryfikowano przydatność reprezentacji opartej na informacji o rozkładzie wartości gradientu oraz jego kierunku dla celów wykrycia punktów pomiarowych. Wspomniana reprezentacja wywodzi się z badań nad selekcją podobrazów dla potrzeb dopasowania zdjęć lotniczych.

EN

A digital photogrammetric system for making measurements of the human body for the purpose of studying faulty posture is designed to determine the three-dimensional location of selected points in the human body. It requires the measurement of three groups of points on digital images, points referred to in this paper’s title as measurement points, i.e. control points, markers indicated on the patient’s body and pupils of the eyes. Control points are black and white signals permitting the correct orientation in space of a model created from the images. The markers are balls of polystyrene foam of 4-5 mm diameter, placed on the body, which indicate selected elements of the human skeleton. This paper describes the utilisation of neural networks to locate control points and markers. The aim of the networks is to classify consecutive fragments of an image as containing control points, containing markers or not containing any of these features. The research covered evaluation of the possibility of conducting this classification using Multi Layer Perceptron Networks with back propagation of errors as well as with Radial Basis Function Networks. The usefulness of a representation based on information about the distribution of gradient value and direction for the purpose of the detection of measurement points has been verified. This representation comes from earlier research on the selection of subimages for the purpose of matching the aerial pictures.

3

Analysis of concrete fatigue failure by the neuro-fuzzy network FWNN

Jakubek M., Waszczyszyn Z.

Archives of Civil Engineering

|

2007

|

Vol. 53, nr 1

3-22

EN

The paper is related to where the standard BPNNs (Back-Propagation Neural Networks) were applied to the analysis of concrete fatigue durability. Failure is related to the number N of compressive load cycles causing fatigue damage of laboratory specimens. About 450 results on laboratory concrete specimen tests were taken from. The main goals of the paper are to improve the neural approximation performed by the standard BPNN and to extend neural simulation also for data given in intervals of concrete strength and cycle frequencies. That is why a neuro-fuzzy NN called for short FWNN (Fuzzy Weght NN) was applied. This approach enables us to be closer to the experimental reality.

PL

Standardową sieć BPNN (Back-Propagation Neural Network) ze wsteczną propagacją błędów zastosowano do analizy liczby cykli ściskających powodujących zniszczenie próbek betonowych. Wykorzystano około 450 wyników doświadczeń laboratoryjnych. Podstawowymi celami pracy było uściślenie neuronowej aproksymacji oraz rozszerzenie symulacji neuronowej na dane podane w postaci przedziałowych wartości wytrzymałości betonów. Powyższy cel zrealizowano za pomocą sieci neuro-rozmytej EWNN (Fuzzy Weight NN). Przedstawione podejście jest bliższe rzeczywistości doświadczalnej.