Wyniki wyszukiwania - BazTech

1

Model of the text classification system using fuzzy sets

Salahor Dmytro, Smołka Jakub

Journal of Computer Sciences Institute

|

2021

|

Vol. 19

144--150

PL

Klasyfikacja tematyki pracy według słów kluczowych jest aktualnym i ważnym zadaniem. W artykule opisano algorytmy klasyfikowania słów kluczowych według obszaru tematycznego. Model został opracowany przy użyciu dwóch algorytmów i przetestowany na danych testowych. Uzyskane wyniki porównano z wynikami innych istniejących algorytmów odpowiednich do tego zadania. Uzyskane wyniki modelu analizowano. Algorytm ten może być stosowany w zadaniach rzeczywistych.

EN

Classification of work’s subject area by keywords is an actual and important task. This article describes algorithms for classifying keywords by subject area. A model was developed using both algorithms and tested on test data. The results were compared with the results of other existing algorithms suitable for these tasks. The obtained results of the model were analysed. This algorithm can be used in real-life tasks.

2

Efficient image retrieval by fuzzy rules from boosting and metaheuristic

Korytkowski Marcin, Senkerik Roman, Scherer Magdalena M., Angryk Rafal A., Kordos Miroslaw, Siwocha Agnieszka

Journal of Artificial Intelligence and Soft Computing Research

|

2020

|

Vol. 10, No. 1

57--69

EN

Fast content-based image retrieval is still a challenge for computer systems. We present a novel method aimed at classifying images by fuzzy rules and local image features. The fuzzy rule base is generated in the first stage by a boosting procedure. Boosting meta-learning is used to find the most representative local features. We briefly explore the utilization of metaheuristic algorithms for the various tasks of fuzzy systems optimization. We also provide a comprehensive description of the current best-performing DISH algorithm, which represents a powerful version of the differential evolution algorithm with effective embedded mechanisms for stronger exploration and preservation of the population diversity, designed for higher dimensional and complex optimization tasks. The algorithm is used to fine-tune the fuzzy rule base. The fuzzy rules can also be used to create a database index to retrieve images similar to the query image fast. The proposed approach is tested on a state-of-the-art image dataset and compared with the bag-of-features image representation model combined with the Support Vector Machine classification. The novel method gives a better classification accuracy, and the time of the training and testing process is significantly shorter.

3

A comparative study of fuzzy logic-based models for groundwater quality evaluation based on irrigation indices

Vadiati Meysam, Nalley Deasy, Adamowski Jan, Nakhaei Mohammad, Asghari-Moghaddam Asghar

Journal of Water and Land Development

|

2019

|

no. 43

158--170

EN

Groundwater quality modelling plays an important role in water resources management decision making processes. Accordingly, models must be developed to account for the inherent uncertainty that arises from the sample measurement stage through to the data interpretation stages. Artificial intelligence models, particularly fuzzy inference systems (FIS), have been shown to be effective in groundwater quality evaluation for complex aquifers. Applying fuzzy set theory to groundwater-quality related decision-making in an agricultural production context, the Mamdani, Sugeno, and Larsen fuzzy logic-based models (MFL, SFL, and LFL, respectively) were used to develop a series of new, generalized, rule-based fuzzy models for water quality evaluation using widely accepted irrigation indices. Rather than drawing upon physiochemical groundwater quality parameters, the present study employed widely accepted agricultural indices (e.g., irrigation criteria) when developing the MFL, SFL and LFL groundwater quality models. These newly-developed models, generated significantly more consistent results than the United States Soil Laboratory (USSL) diagram, addressed the inherent uncertainty in threshold data, and were effective in assessing groundwater quality for agricultural uses. The SFL model is recommended because it had the best performance in terms of accuracy when assessing groundwater quality using irrigation indices.

PL

Modelowanie jakości wód podziemnych odgrywa ważną rolę w procesach podejmowania decyzji dotyczących zarządzania zasobami wodnymi. W związku z tym należy opracować modele uwzględniające naturalną niepewność, która pojawia się od etapu pomiaru próbki, aż do interpretacji danych. Wykazano, że modele sztucznej inteligencji, w szczególności systemy wnioskowania rozmytego (FIS), są skuteczne w ocenie jakości wód podziemnych w odniesieniu do złożonych warstw wodonośnych. Zastosowanie teorii zbiorów rozmytych do podejmowania decyzji związanych z jakością wód podziemnych w kontekście produkcji rolnej, modele oparte na logice rozmytej Mamdaniego, Sugeno i Larsena (odpowiednio MFL, SFL i LFL) zostały wykorzystane do opracowania serii nowych, uogólnionych modeli, opartych na regułach rozmytych, do oceny jakości wody z wykorzystaniem powszechnie akceptowanych wskaźników nawadniania. Zamiast czerpać z jakościowych parametrów fizykochemicznych wód gruntowych, w niniejszym badaniu zastosowano powszechnie przyjęte wskaźniki rolne (np. kryteria nawadniania) podczas opracowywania modeli jakości wód podziemnych MFL, SFL i LFL. Za pomocą tych nowo opracowanych modeli, wygenerowano znacznie bardziej spójne wyniki niż z zastosowaniem diagramu Amerykańskiego Laboratorium Gleby (USSL), uwzględniono nieodłączną niepewność danych progowych. Modele te były skuteczne w ocenie jakości wód podziemnych do zastosowań rolniczych. Model SFL jest zalecany, ponieważ miał najlepszą efektywność pod względem dokładności w ocenie jakości wód podziemnych z użyciem wskaźników nawadniania.

4

Knowledge-based in medical decision support system based on subjective intelligence

Fujita H.

Journal of Medical Informatics & Technologies

|

2013

|

Vol. 22

13--19

EN

Emotional Intelligence as cybernetics approach is using cognitive reasoning to collect the subjective attribute of human subject interacted with a system for providing technical advice. This talk contributes in new Cybernetics paradigm on using multidisciplinary in decision making. It is related to the construction of Avatar that can interact with human subject for collecting subjective attributes (emotional and cognitive) and objective attributes (physical), for decision making. paper extends reasoning issues on medical diagnosis related to Virtual Doctor System (VDS). Intuitionistic fuzzy aggregation functions have been used to represent concept reflective to the mental model of the VDS. The VDS project used two physical ontology model and mental ontology model aligned on medical ontology for reasoning. In this paper the mental ontology related to medical diagnosis is the main emphasis. The mental Ontology is represented as two models: Emotion state model, and ego state model. The attributes of mental state are represented as fuzzy intuitionistic criteria. The emotion state related attributes are represented using harmonic hybrid weighted Ordered Intuitionistic fuzzy aggregation function. The ego state related attributes are represented using Bonferroni hybrid weighted average aggregate function. The both aggregate functions as well as the physical ontology aggregate functions are aligned on medical knowledge based for producing aligned inquiry for reasoning in medical knowledge. The model is built for testing.

5

An approach to guidelines implementation in e-health system supporting chronic care

Szwed P., Duplaga M.

Automatyka / Automatics

|

2013

|

Vol. 17, no. 2

241--252

EN

Guidelines developed in line with Evidence-Based Medicine paradigm usually take form of narrative recommendations formulated on the basis of available evidence resulting from clinical trials and other types of studies. For past ten years there were developed several Formal Guidelines Representation languages that attempted to express them in form of algorithms or processes. Analysis of specific requirements related to e-health and in particular telemonitoring systems indicated, that a process oriented formalization of guidelines is in this case inappropriate, as such systems should be reactive, event driven and enable adaptation to cope with the quality of entered data. In this paper we describe an approach to guidelines implementation in the e-health system. Contrary to various FGR languages developed earlier the decision support will be based on the set of fuzzy rules that on the technical level will be implemented as XQuery transformations of XML data. We discuss this approach on an example related to the management of bronchial asthma, as customization of the system to this disease was selected as one of the proof-of-concept exemplifications of the system.

PL

Wytyczne medyczne tworzone zgodnie z paradygmatem medycyny opartej na dowodach mają formę tekstowych rekomendacji popartych opisem przeprowadzonych badań klinicznych i obserwacji. W ostatnich dziesięciu latach rozwijano szereg języków formalnej reprezentacji wytycznych, za pomocą których przedstawiano je w postaci algorytmów lub procesów. Analiza wymagań związanych z systemami typu e-health, a zwłaszcza systemów telemonitorowania wskazała, że procesowo zorientowana formalizacja wytycznych jest dla nich niewłaściwa, ponieważ takie systemy powinny być reaktywne, sterowane zdarzeniowo i powinny mieć wbudowane mechanizmy adaptacji pozwalające na dostosowanie się do zmiennej jakości wprowadzanych danych. W procesie telemonitorowania zaproponowano wykorzystanie rozmytych reguł, które będą zaimplementowane jako transformacje XQuery dla danych XML. Podejście to jest dyskutowane na przykładzie astmy oskrzelowej, ponieważ wsparcie dla tej choroby zostało wybrane jako przykład wdrożenia systemu.

6

Photovoltaic Power Plant power output prediction using fuzzy rules

Prokop L., Misak S., Snášel V., Krömer P., Platoš J.

Prace Instytutu Elektrotechniki

|

2012

|

Z. 258

167-177

EN

Photovoltaic Power Plants (PVPP) are classified as power energy sources with non-stabile supply of electric energy. It is necessary to back up power energy from PVPP for stabile electric network operation. We can set an optimal value of back up power energy with using a variety of prediction models and methods for PVPP Power output prediction. Fuzzy classi?ers and fuzzy rules can be informally defined as tools that use fuzzy sets or fuzzy logic for their operations. In this paper, we use genetic programming to evolve a fuzzy classi?er in the form of a fuzzy search expression to predict PVPP Power output.

PL

Elektrownie fotowoltaiczne (EF) są klasyfikowane jako źródła prądu elektrycznego o niestabilnej dostawie energii elektrycznej. Dla stabilnej pracy sieci elektrycznej konieczne jest wspieranie dostawy prądu z EF. Możemy ustalić optymalną wartość wspierającej dostawy prądu, stosując różne modele przewidywania i metody dla predykcji mocy wyjściowej z EF. Możliwe jest nieformalne określenie rozmytych klasyfikatorów i zasad jako narzędzi do ich działania, opartych na zbiorach rozmytych i logice rozmytej. W tej pracy stosujemy genetyczne programowanie do opracowania klasyfikatora rozmytego wyrażenia poszukiwania mocy wyjściowej EF.

7

CSLDA and LDA fusion based face recognition

Razzak M. I., Khan M. K., Alghathbar K., Yusof R.

Przegląd Elektrotechniczny

|

2011

|

R. 87, nr 1

210-214

EN

Face recognition has great demands and become one of the most important research area of pattern recognition but there are several issues involved in it. Unsupervised statistical methods i.e. PCA, LDA, ICA are the most popular algorithms in face recognition that finds the set of basis images and represents faces as linear combination of those images. This paper presents a novel layered face recognition method based on CSLDA and LDA. The basic aim is to decrease FAR by reducing the face dataset to very small size through layered linear discriminant analysis. Although the computational complexity at the time of recognition is much higher than conventional PCA and LDA because weights are computed for small subspace at time of recognition but it provide a good results especially for large dataset. CSLDA of LDA is insensitive to large dataset and also small sample size and it provided 84% accuracy on Banca face database. The proposed approach is also applicable on other applications and recognition methods i.e. PCA, KDA, DLDA etc.

PL

Rozpoznawanie twarzy jest jedną z bardziej ważnych metod graficznego rozpoznawania wzorów. Najbardziej popularnymi metodami są tu PCA, LDA, ICA gdzie twarz jest reprezentowana jako liniowa kombinacja bazowych komponentów. Artykuł prezentuje inną metodę bazującą na CSLDA i LDA. Głównym celem jest zmniejszenie FAR przez zredukowanie bazy danych do bardzo małych rozmiarów przez warstwową liniową dyskryminację. Złożoność komputerowa metody jest nieco większa, ale otrzymane rezultaty, głównie zmniejszenie błędu są zachęcające.

8

Cellular automata: structures and some applications

Burzyński M., Cudny W., Kosiński W.

Journal of Theoretical and Applied Mechanics

|

2004

|

Vol. 42 nr 3

461-482

EN

A new approach to the modelling of various nature phenomena such as predator and prey ecological system, heat transport, spreading of oil slick and traffic flow is introduced. Cellular automata (CA) are discrete dynamical systems whose behaviour is completely specified in terms of simple local relations. They are mathematical models of spatialy distributed processes; however they can lead to an appropriate simulation of comlex dynamic processes. Applications to heat transfer and problems of environmental simulations are done. A discrete automaton model with fuzzy rules to simulate one-way traffic flow is also described. Results of simulations are consistent with phenomena observed in reality. It gives a base to propose the cellular automata tool as an option in modelling and solving problems of complex (and some times, not completely known) nature.

PL

W pracy zaprezentowano metodę modelowania układów i zjawisk obserwowanych w przyrodzie, takich jak dynamika systemu ekologicznego drapieżnik-ofiara, przewodzenie ciepła, rozprzestrzenianie się plamy ropy naftowej po wycieku na wodzie czy ruch strumienia pojazdów na drodze miejskiej. Metodę oparto na tzw. automatach komórkowych, które są układami dyskretnymi o zachowaniach ściśle zdeterminowanych prostymi relacjami o charakterze lokalnym. Automaty komórkowe to matematyczne modele procesów przestrzennych, mogące z powodzeniem opisywać złożone zjawiska dynamiczne. W pracy przedstawiono aplikację do zagadnienia przewodzenia ciepła oraz kilku symulacji środowiskowych. Przedstawiono także model automatowy z regułami rozmytymi opisujący jednokierunkowy ruch pojazdów na drodze. Wyniki symulacji okazały się zgodne z obserwacjami rzeczywistych układów. Zachęcające rezultaty badań skłaniają do postrzegania automatów komórkowych jako efektywnej opcji w modelowaniu i rozwiązywaniu problemów o złożonej (czasem nie całkiem rozpoznanej) naturze.

9

Wiarygodność reguł rozmytych otrzymanych w procesie uczenia

Zajdel R.

Pomiary Automatyka Kontrola

|

2003

|

R. 49, nr 4

28-30

PL

Opisano miniaturowy robot mobilny Khepera. Zaprezentowano układ nawigacyjny realizujący zadanie omijania przeszkód w oparciu o regulator rozmyty Takagi - Sugeno. Zdefiniowano współczynnik wiarygodności reguł otrzymanych w wyniku uczenia. Zaprezentowano wyniki sterowania robotem mobilnym Khepera.

EN

The Khepera miniature robot is described. The fuzzy control system to obstacle avoidance is proposed. The Takagi - Sugeno system with rules obtained in learning process was used. A credibility factor of learned rules is proposed. The experiment result is presented.

10

Generation of interpretable fuzzy granules by a double-clustering technique

Castellano G., Fanelli A. M., Mencar C.

Archives of Control Sciences

|

2002

|

Vol. 12, no. 4

397-410

EN

This paper proposes an approach to derive fuzzy granules from numerical data. Granules are first formed by means of a double-clustering technique, and then properly fuzzyfied so as to obtain interpretable granules, in the sense that they can be described by linquistic labels. The double-clustering technique involves two steps. First, information granules are induced in the space of numerical data via the FCM algorithm. In the second step, the prototypes obtained in the first step are further clustered along each dimension via a hierarchical clustering, in order to obtain one-dimensional granules that are afterwards quantified as fuzzy sets. The derived fuzzy sets can be used as building blocks of fuzzy rule-based model. The approach is illustrated with the aid of a benchmark classification example that provides insight into the interpretability of the induced granules and their effect on the results of classification.

11

Effect of fuzzy discretization in fuzzy rule-based systems for classification problems with continuous attributes

Ishibuchi H., Yamamoto T.

Archives of Control Sciences

|

2002

|

Vol. 12, no. 4

351-377

EN

Continuous attributes are usually discretized into intervals in machine learning and data mining. Our knowledge representation is, however, not always based on such discretization. For example, we usually use linguistic terms for dividing our ages into some categories with fuzzy boundaries. In this paper, we examine the effect of fuzzy discretization on the classification performance of fuzzy rule-based systems through computer simulations on simple numerical examples and real-world pattern classification problems. For exulting such computer simulations, we introduce a control parameter that specifies the overlap grade between adjacent antecedent fuzzy sets in fuzzy discretization. Interval discretization can be viewed as a special case of fuzzy discretization with no overlap. Computer simulations are performed using fuzzy discretization with various specifications of the overlap grade. Simulation results show that fuzzy rules have high generalization ability even when the domain interval of each continuous attribute is homogeneously partitioned into linguistic terms. On the other hand, generalization ability of rule-based systems strongly depends on the choice of theshold values in the case of interval discretization.

12

An Algorithm of granulation on numeric attributes for association rules mining

Chien B.-C., Lin Z.-L., Chen Y.-X., Hong T.-P.

Archives of Control Sciences

|

2002

|

Vol. 12, no. 4

379-395

EN

Mining association rules from numeric data is relatively more difficult than categorical data. The main reason is that the domain of real number lacks of the user's abstraction on reality. In this paper, we propose an algorithm to granualte numeric intervals automatically. The proposed method defines two threshold factors, information density-similarity and information closeness, to measure the condition if two granules should be merged and construct an abstraction hierarchy of intervals. For abstracting the best level of interval from the interval hierarchy automatically, we develop a determination function based on the threshold factors. After the intervals are determined, the fuzzy membership functions for each interval can be generated.Then an algorithm for mining fuzzy association rules can be used mine qualified association rules from the fuzzy intervals.

13

Neural methods of knowledge extraction

Duch W., Adamczak R., Grąbczewski K., Jankowski N.

Control and Cybernetics

|

2000

|

Vol. 29, no 4

997-1017

EN

Contrary to the common opinion, neural networks may be used for knowledge extraction. Recently, a new methodology of logical rule extraction, optimization and application of rule-based systems has been described. C-MLP2LN algorithm, based on constrained multilayer perceptron network, is described here in details and the dynamics of a transition from neural to logical system illustrated. The algorithm handles real-valued features, determining appropriate linguistic variables or membership functions as a part of the rule extraction process. Initial rules are optimized by exploring the accuracy/simplicity tradeoff at the rule extraction stage and the one between reliability of rules and rejection rate at the optimization stage. Gaussian uncertainties of measurements are assumed during application of crisp logical rules, leading to "soft trapezoidal" membership functions and allowing to optimize the linguistic variables using gradient procedures. Comments are made on application of neural networks to knowledge discovery in the benchmark and real life problems.