Wyniki wyszukiwania - BazTech

1

Application of unsupervised learning algorithms for analysis the vibrations of an oscillator forced by a random series of impulses

Ozga Agnieszka, Sulewski Marek

Vibrations in Physical Systems

|

2023

|

Vol. 34, nr 1

art. no. 2023121

EN

Paper discusses a mathematical model describing the vibrations of a linear oscillator forced by a random series of impulses. The study aims at checking how precisely the distributions of values of the impulses forcing the vibrations of an oscillator can be differentiated. The analysis was carried out in the MatLab environment with the use of hierarchical clustering algorithms of unsupervised machine learning, for samples generated from computer simulation. The time series are non-stationary. The studies showed that high precision could be achieved in distinguishing two very similar distributions forcing the vibrations, on the basis of an analysis of the two first moments calculated from the movement.

2

Approach to creating an ensemble on a hierarchy of clusters using model decisions correlation

Manziuk Eduard A., Wójcik Waldemar, Barmak Olexander V., Krak Iurii V., Kulias Anatolii I., Drabovska Vira A., Puhach Vitalina M., Sundetov Samat, Mussabekova Aisha

Przegląd Elektrotechniczny

|

2020

|

R. 96, nr 9

108--113

EN

In the article, an approach based on clustering is proposed, according to which the influence of an individual model is inversely proportional to the volumes of aggregated groups. With this approach, the influence of an individual solution of the model, which differs from others, is significantly increased. Aggregation of groups is made in direct proportion to the correlation of decisions. Moreover, the aggregation of groups of models is performed according to the hierarchical structure of the ensemble. The solutions of strongly correlated groups of models are replaced by a single cluster solution. This solution at the next level can be grouped with other closest groups of models. Due to this architecture, the level of influence of a single solution of the model is increased. The main advantage of the proposed approach is the determination of the structure of the ensemble depending on the correlation of model decisions. Clusterization of decisions for features of similarity enhances the role of diversity and allows levelling out the error of an individual decision at a local level and to provide acceptable global indicators of cluster efficiency. Advantage of the proposed approach is the possibility of building an ensemble based on the properties of the correlation parameters.

PL

W artykule zaproponowano podejście oparte na grupowaniu, zgodnie z którym wpływ modelu indywidualnego jest odwrotnie proporcjonalny do wielkości grup zagregowanych. Dzięki takiemu podejściu wpływ indywidualnego rozwiązania modelu, różniącego się od innych, jest znacząco zwiększony. Agregacja grup jest dokonywana w sposób wprost proporcjonalny do korelacji decyzji. Ponadto agregacja grup modeli odbywa się zgodnie z hierarchiczną strukturą zespołu. Rozwiązania silnie skorelowanych grup modeli są zastępowane przez jedno rozwiązanie klastrowe. Rozwiązanie to na kolejnym poziomie może być grupowane z innymi najbliższymi grupami modeli. Ze względu na taką architekturę zwiększa się poziom wpływu pojedynczego rozwiązania modelu. Główną zaletą proponowanego podejścia jest określenie struktury zespołu w zależności od korelacji decyzji modelowych. Klasteryzacja decyzji dla cech podobieństwa zwiększa rolę różnorodności i pozwala na wyrównanie błędu pojedynczej decyzji na poziomie lokalnym oraz zapewnienie akceptowalnych globalnych wskaźników efektywności klastra. Zaletą proponowanego podejścia jest możliwość budowania zespołu w oparciu o właściwości parametrów korelacji.

3

Anomaly detection in a cutting tool by k-means clustering and support vector machines

Lahrache A., Cocconcelli M., Rubini R.

Diagnostyka

|

2017

|

Vol. 18, No. 3

21--29

EN

This paper concerns the analysis of experimental data, verifying the applicability of signal analysis techniques for condition monitoring of a packaging machine. In particular, the activity focuses on the cutting process that divides a continuous flow of packaging paper into single packages. The cutting process is made by a steel knife driven by a hydraulic system. Actually, the knives are frequently substituted, causing frequent stops of the machine and consequent lost production costs. The aim of this paper is to develop a diagnostic procedure to assess the wearing condition of blades, reducing the stops for maintenance. The packaging machine was provided with pressure sensor that monitors the hydraulic system driving the blade. Processing the pressure data comprises three main steps: the selection of scalar quantities that could be indicative of the condition of the knife. A clustering analysis was used to set up a threshold between unfaulted and faulted knives. Finally, a Support Vector Machine (SVM) model was applied to classify the technical condition of knife during its lifetime.

4

Identifying warehouse location using hierarchical clustering

Škerlič S., Mucha R.

Transport Problems

|

2016

|

T. 11, z. 3

121--129

EN

Identifying the optimal warehouse location involves a series of qualitative and quantitative factors. The purpose of this study was to use hierarchical clustering to identify the optimal location for a warehouse, which would ensure the lowest cost, a high level of quality in supplying customers and connect the selling and purchasing activities of the businesses operating in the Slovenian automotive industry into a system. The study also aims to demonstrate the applicability of the selected method for identifying warehouse locations in more demanding cases because the very process of identifying a location is dependent upon a company's logistic strategy. The advantage of the method used in this study is that it enables the user to use a combination of the data that is the most important for a company in a given period as well as consistent with the company's chosen business strategy.

PL

Wybór optymalnej lokalizacji magazynu jest zależny od różnych czynników jakościowych i ilościowych. Wykorzystując metodę grupowania hierarchicznego, chcieliśmy określić optymalną lokalizację magazynu, która gwarantuje najniższe koszty, wysokiej jakości obsługę klientów i łączy w spójny system sprzedażową i nabywczą działalność przedsiębiorstw w słoweńskim przemyśle motoryzacyjnym. W badaniu chcieliśmy również udowodnić, że wybrana metoda ma zastosowanie przy wyborze bardziej wymagającego miejsca magazynowania, ponieważ sam proces wyboru lokalizacji jest podporządkowany strategii logistycznej danego przedsiębiorstwa. Zaletą wykorzystanej metody jest to, że umożliwia ona zastosowanie kombinacji tych danych, które w danym okresie są dla przedsiębiorstwa najważniejsze oraz zgodne z wybraną strategią.

5

Health index synthetization and remaining useful life estimation for turbofan engines based on run-to-failure datasets

Shi J., Li Y., Wang G., Li X.

Eksploatacja i Niezawodność

|

2016

|

Vol. 18, no. 4

621--631

EN

Turbofan engines will gradually degrade until failure occurs or life ends if without maintenance. Reliable degradation assessment and remaining useful life (RUL) estimation make sense on both aviation safety and rational maintenance decisions. This paper proposes a data-driven prognostic method on the premise of run-to-failure (RtF) data which are multivariate sensory data collected from the engines operating from normal to failure. After necessary pre-processing to the data, clustering analysis is executed to generate the clusters which represent the multi-states of the degradation process. The failure state cluster is extracted, and then the distance between the pre-processed data and the cluster is calculated. Therefore, one-dimensional time series are generated and defined as the health indices. Afterwards the degradation models are built based on the health indices. Finally, the RUL of a testing unit can be estimated by similarity analysis with the models. Hierarchical clustering (HC) and relevance vector machine (RVM) are the main algorithms employed in this paper. To validate the proposition, a case study is performed on turbofan engines data from Prognostics Center of Excellence (PCoE) at NASA Ames Research Center, and sufficient comparisons were given.

PL

Silniki turbowentylatorowe niepoddane konserwacji ulegają stopniowej degradacji aż do czasu wystąpienia uszkodzenia lub zakończenia cyklu życia. Rzetelna ocena degradacji oraz pozostałego okresu użytkowania (RUL) mają wpływ zarówno na bezpieczeństwo maszyn lotniczych jak i racjonalne podejmowanie decyzji dotyczących utrzymania ruchu. W artykule zaproponowano sterowaną danymi metodę prognostyczną opartą na danych o pracy do czasu uszkodzenia (run-to failure, RTF), które są wielowymiarowymi danymi sensorycznymi zbieranymi podczas normalnej pracy silnika aż do jego uszkodzenia. Po niezbędnej wstępnej obróbce danych, przeprowadzono analizę skupień w celu wygenerowania skupień reprezentujących multi-stany procesu degradacji. Wyodrębniono klaster stanów uszkodzenia, a następnie obliczono odległość między wstępnie przetworzonymi danymi a wyodrębnionym klastrem. Następnie wygenerowano jednowymiarowe szeregi czasowe, które zdefiniowano jako wskaźniki stanu technicznego. Na podstawie tych wskaźników zbudowano modele degradacji. Wreszcie, w oparciu o analizę podobieństwa do opracowanych modeli oceniono RUL jednostki testowej. Główne algorytmy zastosowane w niniejszym opracowaniu to algorytmy grupowania hierarchicznego (HC) oraz maszyny wektorów istotnych (RVM). Aby zweryfikować zaproponowaną w pracy metodę, przeprowadzono studium przypadku z wykorzystaniem danych dot. silników turbowentylatorowych pochodzące z Prognostic Center of Excellence (PCoE) przy NASA Ames Research Center oraz przedstawiono odpowiednie porównania.

6

Visualization of medical rule-based knowledge bases

Nowak-Brzezińska A., Rybotycki T.

Journal of Medical Informatics & Technologies

|

2015

|

Vol. 24

91--98

EN

In this work the topic of applying clustering as a knowledge extraction method from real-world data is discussed. The authors propose hierarchical clustering method and visualization technique for knowledge base representation in the context of medical knowledge bases for which data mining techniques are successfully employed and may resolve different problems. What is more, the authors analyze the impact of different clustering parameters on the result of searching through such a structure. Particular attention was also given to the problem of cluster visualization. Authors review selected, two-dimensional approaches, stating their advantages and drawbacks in the context of representing complex cluster structures.

7

Nowa metoda grupowania danych koszyka sklepowego

Gramacki A., Gramacki J.

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2008

|

R. 81, nr 6

714-716

PL

Rozważono pewien problem z dziedziny eksploracji danych - grupowanie danych z tzw. koszyka sklepowego. Dane takie są najczęściej przedstawiane jako macierz, gdzie wiersze reprezentują poszczególne transakcje, natomiast kolumny reprezentują produkty. Macierz ta jest niemal zawsze macierzą bardzo rzadką. Przedstawiono nową metodę grupowania danych z koszyka sklepowego, wykorzystującą pewne dodatkowe informacje, zwykle przechowywane razem z danymi o koszyku sklepowym. Mimo tego, że informacje te są zwykle dostępne w praktyce, większość istniejących metod grupowania danych koszyka sklepowego ich nie wykorzystuje.

EN

In this paper we explore the problem of market-basket data clustering. Market-basket schemes are characterized by very large dimensionality and sparsity. They are organized as a matrix of transactions and items. This matrix is usually sparse because the number of totally available items is very big comparing to these included in particular transactions. Clustering of such transactions plays important role in practical applications. We devise a hierarchical method for clustering of market-basket data, which utilize taxonomy knowledge as well as some other elements typical to market-basket data (net values of particular transactions). Although a taxonomy scheme and net values are usually available in practice, most clustering methods does not take them into consideration.