Wyniki wyszukiwania - BazTech

1

Spatial differentiation of the level of ecological development of polish voivodeship

Bluszcz Anna, Tobór-Osadnik Katarzyna, Wyganowska Małgorzata, Mansor Nur Suhaili, Awang Hapini

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2024

|

z. 191

77--88

EN

Purpose: The aim of the research is the evaluation of the ecological state of development based on statistical data from voivodeships in Poland. Design/methodology/approach: The research uses selected methods of multivariate comparative analysis, in particular, linear ordering. The analysis of the differentiation of the level of ecological development by voivodeships in Poland made it possible to order the provinces according to the indicators that represent the state of the environmental situation. After the process of ordering, the process of grouping voivodeships was possible. The relevant calculations were made using QGIS and Statistica software. Findings: The result of the analysis presents a tree main cluster with similar voivodeships according to ecological situation. Practical implications: The presented methods enable continuous monitoring and control of progress in the implementation of the assumed ecological goals. Green development assessment methods can also help monitor progress towards the Sustainable Development Goals over time. This can help identify trends and patterns and provide feedback on the effectiveness of policies and programs. The results of the analyses may be a useful tool for monitoring and evaluating Poland's progress in achieving the assumed ecological goals of the European Union by 2030. Originality/value: These studies are a very useful tool in identifying the ecological situation and directing administrative activities to the appropriate regions in the country.

2

Analysis of the Effectiveness of Selected Machine Learning Algorithms in the Classification of Satellite Image Content Depending on the Size of the Training Sample

Kupidura Przemysław, Niemyski Stanisław

Teledetekcja Środowiska

|

2024

|

T. 64

24--38

EN

The article presents an analysis of the accuracy of 3 popular machine learning (ML) methods: Maximum Likelihood Classifier (MLC), Support Vector Machine (SVM), and Random Forest (RF) depending on the size of the training sample. The analysis involved performing the classification of the content of a Landsat 8 satellite image (divided into 6 basic land cover classes) in 10 different variants of the number of training samples (from 2664 to 34711 pixels), estimating individual results, and a comparative analysis of the obtained results. For each classification variant, an error matrix was developed and on their basis, accuracy metrics were calculated: f1-score, precision and recall (for individual classes) as well as overall accuracy and kappa index of agreement (generally for the entire classification). The analysis showed a stimulating effect of the size of the training sample on the accuracy of the obtained classification results in all analyzed cases, with the most sensitive to this factor being MLC, showing the best effectiveness with the largest training sample and the smallest - with the smallest, and the least SVM, characterized by the highest accuracy with the smallest training sample, comparing to other algorithms.

PL

Artykuł przedstawia analizę dokładności 3 popularnych metod uczenia maszynowego: Maximum Likelihood Classifier (MLC), Support Vector Machine (SVM) oraz Random Forest (RF) w zależności od liczebności próbki treningowej. Analiza polegała na wykonaniu klasyfikacji treści zdjęcia satelitarnego Landsat 8 (w podziale na 6 podstawowych klas pokrycia terenu) w 10 różnych wariantach liczebności próbek uczących (od 2664 do 34711 pikseli), oszacowaniu poszczególnych wyników oraz analizie porównawczej uzyskanych wyników. Dla każdego wariantu klasyfikacji opracowano macierz błędów, a na ich podstawie obliczono metryki dokładności: F1-score, precision and recall (dla pojedynczych klas) oraz ogólną dokładność i wskaźnik zgodności Kappa (ogólnie dla całej klasyfikacji). Analiza wykazała stymulujący wpływ rozmiaru próbki uczącej na dokładność uzyskiwanych wyników klasyfikacji we wszystkich analizowanych przypadkach, przy czym najbardziej wrażliwym na ten czynnik był MLC, wykazujący się najlepszą skutecznością przy największej próbce treningowej i najmniejszą - przy najmniejszej, a najmniej SVM, cechujący się największą dokładnością przy najmniejszej próbce treningowej, w porównaniu do pozostałych algorytmów.

3

Evaluating the feasibility of thermographic images for predicting breast tumor stage using DCNN

Khomsi Zakaryae, El Fezazi Mohamed, Elouerghi Achraf, Bellarbi Larbi

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 1

99--104

EN

Early-stage and advanced breast cancer represent distinct disease processes. Thus, identifying the stage of tumor is a crucial procedure for optimizing treatment efficiency. Breast thermography has demonstrated significant advancements in non-invasive tumor detection. However, the accurate determination of tumor stage based on temperature distribution represents a challenging task, primarily due to the scarcity of thermal images labeled with the stage of tumor. This work proposes a transfer learning approach based on Deep Convolutional Neural Network (DCNN) with thermal images for predicting breast tumor stage. Various tumor stage scenarios including early and advanced tumors are embedded in a 3D breast model using the Finite Element Method (FEM) available on COMSOL Multiphysics software. This allows the generation of the thermal image dataset for training the DCNN model. A detailed investigation of the hyperparameters tuning process has been conducted to select the optimal predictive model. Thus, various evaluation metrics, including accuracy, sensitivity, and specificity, are computed using the confusion matrix. The results demonstrate the DCNN model's ability to accurately predict breast tumor stage from thermographic images, with an accuracy of 98.2%, a sensitivity of 98.8%, and a specificity of 97.7%. This study indicates the promising potential of thermographic images in enhancing deep learning algorithms for the non-invasive prediction of breast tumor stage.

PL

Wczesny i zaawansowany rak piersi stanowią odrębne procesy chorobowe. Dlatego też identyfikacja stadium nowotworu jest kluczową procedurą dla optymalizacji skuteczności leczenia. Termografia piersi wykazała znaczny postęp w nieinwazyjnym wykrywaniu nowotworów. Jednak dokładne określenie stopnia zaawansowania nowotworu na podstawie rozkładu temperatury stanowi trudne zadanie, głównie ze względu na niedobór obrazów termicznych oznaczonych stopniem zaawansowania nowotworu. W niniejszej pracy zaproponowano podejście uczenia transferowego oparte na głębokiej konwolucyjnej sieci neuronowej (DCNN) z obrazami termicznymi do przewidywania stadium guza piersi. Różne scenariusze stadium nowotworu, w tym guzy wczesne i zaawansowane, są osadzone w trójwymiarowym modelu piersi przy użyciu metody elementów skończonych (MES) dostępnej w oprogramowaniu COMSOL Multiphysics. Pozwala to na wygenerowanie zestawu danych obrazów termicznych do trenowania modelu DCNN. Przeprowadzono szczegółowe badanie procesu dostrajania hiperparametrów w celu wybrania optymalnego modelu predykcyjnego. W związku z tym różne wskaźniki oceny, w tym dokładność, czułość i swoistość, są obliczane przy użyciu macierzy pomyłek. Wyniki pokazują zdolność modelu DCNN do dokładnego przewidywania stadium guza piersi na podstawie obrazów termograficznych, z dokładnością 98,2%, czułością 98,8% i swoistością 97,7%. Badanie to wskazuje na obiecujący potencjał obrazów termograficznych w ulepszaniu algorytmów głębokiego uczenia się w celu nieinwazyjnego przewidywania stadium guza piersi.

4

Deep learning method for classifying items into categories for dutch auctions

Bobulski Janusz, Szymoniak Sabina

Computer Assisted Methods in Engineering and Science

|

2024

|

Vol. 31, no. 1

67--79

EN

Artificial Intelligence (AI) methods are widely used in our lives (phones, social media, self-driving cars, and e-commerce). In AI methods, we can find convolutional neural networks (CNN). First of all, we can use these networks to analyze images. This paper presents a method for classifying items into particular categories on an auction site. The technique prompts the seller to which category assign the item when creating a new auction. We choose a neural network with a number of image convolution layers as the best available approach to address this task. All tests were carried out in the Matlab environment using GPU and CPU. Then, the tested and verified solution was implemented in the TensorFlow environment with a CPU processor. Thanks to the cross-validation method, the effectiveness of the recognition system was fully verified in several stages. We obtained promising results. Consequently, we implemented the developed method by adding a new sales offer on the Clemens website.

5

Classification of cognitive states using clustering-split time series framework

Ramakrishna J. Siva, Ramasangu Hariharan

Computer Assisted Methods in Engineering and Science

|

2024

|

Vol. 31, no. 2

241--260

EN

Over the last two decades, functional Magnetic Resonance Imaging (fMRI) has provided immense data about the dynamics of the brain. Ongoing developments in machine learning suggest improvements in the performance of fMRI data analysis. Clustering is one of the critical techniques in machine learning. Unsupervised clustering techniques are utilized to partition the data objects into different groups. Supervised classification techniques applied to fMRI data facilitate the decoding of cognitive states while a subject is engaged in a cognitive task. Due to the high dimensional, sparse, and noisy nature of fMRI data, designing a classifier model for estimating cognitive states becomes challenging. Feature selection and feature extraction techniques are critical aspects of fMRI data analysis. In this work, we present one such synergy, a combination of Hierarchical Consensus Clustering (HCC) and the Statistics of Split Timeseries (SST) framework to estimate cognitive states. The proposed HCC-SST model’s performance has been verified on StarPlus fMRI data. The obtained experimental results show that the proposed classifier model achieves 99% classification accuracy with a smaller number of voxels and lower computational cost.

6

Zastosowanie spektrometrii oscylacyjnej w analizie fitozwiązków i substancji odżywczych w produktach naturalnych i spożywczych

Mazurek Sylwester, Szostak Roman

Wiadomości Chemiczne

|

2023

|

[Z] 77, 7-8

745--774

EN

The prevalence of lifestyle diseases and trends related to healthy eating contribute to the constant search for chemical compounds with specific biological activity. Studies are conducted on plants and substances of natural origin that have been used in medicine for millennia. Techniques of vibrational spectroscopy are an underrated group of methods enabling direct analysis of plant raw material and food in their native forms. The presented examples of Arabidopsis tissues, various species and hybrids of poplar and Cistus herb classification, as well as quantitative analyses of active compounds in plant material and pharmaceutical products and determination of physicochemical parameters of common food (i.e. milk, yoghurts, pasta and flour), demonstrate the possibility of using vibrational spectroscopy for comprehensive analysis of samples of natural origin. Typical measurement techniques and chemometric methods are briefly described in this paper. The scheme of quantitative analysis based on vibrational spectra is shown and the impact of selected experimental parameters on the accuracy of the obtained results is discussed. The imaging techniques used to analyse the changes in plant tissue structures caused by genetic mutations were also presented.

7

Eksploracja danych. Analiza dużych zbiorów danych

Ciupke Krzysztof

Utrzymanie Ruchu

|

2023

|

Nr 1

32--36

PL

Analiza danych jest ciągle rozwijającym się procesem, składającym się z wielu etapów. W artykule przedstawiony został główny etap – eksplorowanie danych. Jak wybrać odpowiednią metodę eksploracji danych?

8

Application of deep learning techniques in identification of the structure of selected road materials

Mazurek Grzegorz, Durlej Małgorzata, Šrámek Juraj

Structure and Environment

|

2023

|

Vol. 15, no. 3

159--167

EN

In research, there is a growing interest in using artificial intelligence to find solutions to difficult scientific problems. In this paper, a deep learning algorithm has been applied using images of samples of materials used for road surfaces. The photographs showed cross-sections of random samples taken with a CT scanner. Historical samples were used for the analysis, located in a database collecting information over many years. The deep learning analysis was performed using some elements of the VGG16 network architecture and implemented using the R language. The learning and training data were augmented and cross-validated. This resulted in the high level of 96.4% quality identification of the sample type and its selected structural features. The photographs in the identification set were correctly identified in terms of structure, mix type and grain size. The trained model identified samples in the domain of the dataset used for training in a very good way. As a result, in the future such a methodology may facilitate the identification of the type of mixture, its basic properties and defects.

PL

W badaniach naukowych obserwuje się coraz większe zainteresowanie wykorzystaniem sztucznej inteligencji do poszukiwania rozwiązań trudnych problemów naukowych. W niniejszym artykule został zastosowany algorytm głębokiego uczenia z użyciem obrazów próbek materiałów wykorzystywanych do budowy nawierzchni drogowych. Fotografie przedstawiały przekroje losowych próbek wykonane za pomocą tomografu komputerowego. Do analizy wykorzystano próbki historyczne, znajdujące się w bazie danych zbierającej informacje z wielu lat. Analizę głębokiego uczenia wykonano przy użyciu niektórych elementów architektury sieci VGG16 i zaimplementowano, stosując język R. Dane uczące oraz treningowe poddano augmentacji oraz walidacji krzyżowej. W rezultacie uzyskano wysoki poziom 96,4% jakości identyfikacji rodzaju próbki oraz jej wybranych cech strukturalnych. Fotografie w zbiorze identyfikacyjnym zostały poprawnie zidentyfikowane pod względem struktury, typu mieszanki oraz uziarnienia. Wytrenowany model w bardzo dobry sposób zidentyfikował próbki w obszarze dziedziny trenowanego zbioru danych. W rezultacie taka metodyka może w przyszłości ułatwić identyfikację rodzaju mieszanki, jej podstawowych właściwości oraz defektów.

9

Patient specific channel optimization using entropy and CNN deep learning for epileptic seizure prediction

Cherouati Brahim, Senouci Mohamed

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 7

106--110

EN

Predicting epileptic seizures in advance improves greatly the life of epileptic patients. In this paper we present a new approach based on patient specific channel optimization using four different features namely entropy, variance, kurtosis and skewness. After selecting three best channels for each method, we then use Convolutional Neural Network (CNN) to classify raw EEG signal in order to discriminate between interictal and preictal state. With entropy, our method achieves a good degree of prediction in terms of accuracy 97.09%, sensitivity 97.67% and specificity 96.51% for patient 01 using channels 4, 8 and 20.

PL

Przewidywanie napadów padaczkowych z wyprzedzeniem znacznie poprawia życie chorych na padaczkę. W tym artykule prezentujemy nowe podejście oparte na optymalizacji kanałów specyficznych dla pacjenta przy użyciu czterech różnych metod, a mianowicie entropii, wariancji, kurtozy i skośności. Po wybraniu trzech najlepszych kanałów dla każdej z metod, wykorzystujemy Neuronową Sieć Konwolucyjną (CNN) do klasyfikacji surowego sygnału EEG w celu rozróżnienia pomiędzy stanem międzynapadowym i przednapadowym. Dzięki entropii nasza metoda osiąga dobry stopień predykcji w zakresie dokładności 97,09%, czułości 97,67% i specyficzności 96,51% dla pacjenta 01 przy użyciu kanałów 4, 8 i 20.

10

Machine learning to diagnose breast cancer

Ismaeel Ghassan Ahmad

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

10--12

EN

As the number of breast cancer diseases is increasing rapidly every year, new technologies are utilized to predict and diagnose this disease for better women's lives worldwide. The development of Machine Learning can be utilized to contribute in this sense and help in the early diagnosis of breast cancer. This paper aims to predict and diagnose breast cancer using Machine Learning techniques such as support vector Machine (SVM) and Decision -tree and Nearest neighbour (KNN). The results show the out performance of SVM over the other methods. These methods can be very helpful to predict the breast cancer disease ahead of time.

PL

Ponieważ liczba zachorowań na raka piersi gwałtownie rośnie z roku na rok, nowe technologie są wykorzystywane do przewidywania i diagnozowania tej choroby w celu poprawy życia kobiet na całym świecie. Rozwój uczenia maszynowego może być wykorzystany do wniesienia wkładu w tym sensie i pomocy we wczesnej diagnozie raka piersi. Niniejszy artykuł ma na celu przewidywanie i diagnozowanie raka piersi przy użyciu technik uczenia maszynowego, takich jak maszyna wektora nośnego (SVM) oraz drzewo decyzyjne i najbliższy sąsiad (KNN). Wyniki pokazują wydajność SVM w porównaniu z innymi metodami. Metody te mogą być bardzo pomocne w przewidywaniu zgonów na raka piersi z wyprzedzeniem.

11

Klasyfikacja metalowych pokryć samonośnych

Patoka Krzysztof

Materiały Budowlane

|

2023

|

nr 8

72--73

12

Trendy w budownictwie na bazie włókien

Kram Dorota, Gołąb Paweł

Inżynier Budownictwa

|

2023

|

nr 6

84--89

13

Mieszanki związane spoiwami hydraulicznymi według serii norm 14227

Ciołczyk Adrian, Szołtysik Joanna

Inżynier Budownictwa

|

2023

|

nr 4

70--77

14

Usage of artificial neural networks in the diagnosis of knee joint disorders

Witkowski Konrad, Wieczorek Mikołaj

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 4

11--14

EN

Following article address the issue of automatic knee disorder diagnose with usage of neural networks. We proposed several hybrid neuralnet architectures which aim to successfully classify abnormalityusing MRI (magnetic resonance imaging) images acquired from publicly available dataset. To construct such combinations of modelswe used pretrainedAlexnet, Resnet18 and Resnet34 downloaded from Torchvision. Experiments showedthat for certain abnormalities our models can achieve up to 90% accuracy.

PL

Niniejszy artykuł porusza temat automatycznej diagnozy uszkodzenia stawu kolanowego z zastosowaniem sieci neuronowych. Zaproponowanokilka hybrydowych sieci neuronowych, które podjęły próbę poprawnej klasyfikacji nieprawidłowości wykorzystując zdjęcia rezonansu magnetycznego pochodzące z publicznie dostępnego zbioru. Do konstrukcjikombinacji sieci skorzystanoz pretrenowanych modeli (Alexnet, Resnet18, Resnet34) pobranychz Torchvision. Eksperyment pokazał, że dla klasyfikacji niektórych schorzeń modele osiągnęły nawet 90% skuteczności.

15

Urban traffic crash analysis using deep learning techniques

Sobhana Mummaneni, Vemulapalli Nihitha, Mendu Gnana Siva Sai Venkatesh, Ginjupalli Naga Deepika, Dodda Pragathi, Subramanyam Rayanoothala Bala Venkata

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 3

56--63

EN

Road accidents are concerningly increasing in Andhra Pradesh. In 2021, Andhra Pradesh experienced a 20 percent upsurge in road accidents. The state's unfortunate position of being ranked eighth in terms of fatalities, with 8,946 lives lost in 22,311 traffic accidents, underscores the urgent nature of the problem. The significant financial impact on the victims and their families stresses the necessity for effective actions to reduce road accidents.This study proposes a framework that collects accident data from regions, namely Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam,and Gandhinagar in Vijayawada(India)from 2019 to 2021. The dataset comprises over 12,000 records of accident data. Deep learning techniquesare applied to classify the severity of road accidents into Fatal, Grievous, and Severe Injuries. The classification procedure leverages advanced neural network models, including the Multilayer Perceptron, Long-Short Term Memory, Recurrent Neural Network, and Gated Recurrent Unit. These modelsare trained on the collected data to accurately predict the severity of road accidents. The project study to make important contributions for suggesting proactive measures and policies to reduce the severity and frequency of road accidents in Andhra Pradesh.

PL

Liczba wypadków drogowych w Andhra Pradesh niepokojąco rośnie. W 2021 r. stan Andhra Pradesh odnotował 20% wzrost liczby wypadków drogowych. Niefortunna pozycja stanu, który zajmuje ósme miejsce pod względem liczby ofiar śmiertelnych, z 8946 ofiarami śmiertelnymiw 22311 wypadkach drogowych, podkreśla pilny charakter problemu. Znaczący wymiar finansowy dla ofiari ich rodziny podkreśla konieczność podjęcia skutecznych działań w celu ograniczenia liczby wypadków drogowych. W niniejszym badaniu zaproponowano system gromadzenia danych o wypadkachz regionów Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam i Gandhinagar w Vijayawada (India) w latach 2019–2021. Zbiór danych obejmuje ponad 12 000 rekordów danych o wypadkach. Techniki głębokiego uczenia są stosowane do klasyfikowania wagi wypadków drogowychna śmiertelne, poważne i ciężkie obrażenia. Procedura klasyfikacji wykorzystuje zaawansowane modele sieci neuronowych, w tymwielowarstwowy perceptron, pamięć długoterminową i krótkoterminową, rekurencyjną sieć neuronową i Gated Recurrent Unit. Modele te są trenowane na zebranych danych w celu dokładnego przewidywania wagi wypadków drogowych. Projekt ma wnieść istotny wkład w sugerowanie proaktywnych środków i polityk mających na celu zmniejszenie dotkliwości i częstotliwości wypadków drogowych w Andhra Pradesh.

16

Unbalanced multiclass classification with adaptive synthetic multinomial naive Bayes approach

Fauzi Fatkhurokhman, Ismatullah, Nur Indah Manfaati

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 3

64--70

EN

Opinions related to rising fuel prices need to be seen and analysed. Public opinion is closely related to public policy in Indonesia in the future. Twitter is one of the media that people use to convey their opinions. This study uses sentiment analysis to look at this phenomenon. Sentiment is divided into three categories: positive, neutral, and negative. The methods used in this research are Adaptive Synthetic Multinomial Naive Bayes, Adaptive Synthetic k-nearest neighbours, and Adaptive Synthetic Random Forest. The Adaptive Synthetic method is used to handle unbalanced data. The data used in this study are public arguments per province in Indonesia. The results obtained in this study are negative sentiments that dominate all provinces in Indonesia. There is a relationship between negative sentiment and the level of education, internet use, and the human development index. Adaptive Synthetic Multinomial Naive Bayes performed better than other methods, with an accuracy of 0.882. The highest accuracy of the Adaptive Synthetic Multinomial Naive Bayes method is 0.990 in Papua Barat Province.

PL

Należy przyjrzeć się i przeanalizować opinie związane z rosnącymi cenami paliw. Opinia publiczna jest ściśle związana z polityką publiczną Indonezji w przyszłości. Twitter jest jednym z mediów, których ludzie używają do przekazywania swoich opinii. Niniejsze badanie wykorzystuje analizę nastrojów, aby przyjrzeć się temu zjawisku. Opinia jest podzielona na trzy kategorie: pozytywną, neutralną i negatywną. Metody wykorzystane w tym badaniu to Adaptive Synthetic Multinomial Naive Bayes, Adaptive Synthetic k-nearest neighbours i Adaptive Synthetic Random Forest. Metoda Adaptive Synthetic służy do obsługi niezrównoważonych danych. Dane wykorzystane w tym badaniu to argumenty publiczne według prowincji w Indonezji. Wyniki uzyskane w tym badaniu to negatywne nastroje, które dominują we wszystkich prowincjach Indonezji. Istnieje związek między negatywnymi nastrojami a poziomem wykształcenia, korzystaniem z Internetu i wskaźnikiem rozwoju społecznego. Adaptive Synthetic Multinomial Naive Bayes działała lepiej niż inne metody, z dokładnością 0,882. Najwyższa dokładność metody Adaptive Synthetic Multinomial Naive Bayes wynosi 0,990 w prowincji Papua Barat.

17

Szwedzkie podejście do oceny stanu bezpieczeństwa zapór z odniesieniem do polskich wymagań i praktyk

Dmytrow Maciej, Sobiesak Przemysław, Śliwiński Piotr, Wrzosek Krzysztof

Gospodarka Wodna

|

2023

|

Nr 2

2--10

PL

Firmy ze szwedzkiego sektora energetycznego oraz wydobywczego wypracowały szereg instrukcji, wytycznych i zaleceń, które mają zapewnić bezpieczną i nieprzerwaną eksploatację zapór wodnych oraz zapór składowisk odpadów wydobywczych. Obejmują one również metodykę prowadzenia wewnętrznych i zewnętrznych kontroli obiektów hydrotechnicznych. W artykule opisano szwedzkie podejście do oceny stanu bezpieczeństwa zapór oraz klasyfikacji nieprawidłowości stwierdzonych podczas okresowych kontroli. Porównano je z polskimi wymaganiami i praktykami.

EN

Swedish energy and mining sector companies have worked out a series of instructions, guidelines and recommendations to ensure the safe and continuous operation of water and tailings dams. They also include the methodology of carrying out internal and external controls of hydro-engineering structures. The article presents the Swedish approach to the dam safety assessment and classification of irregularities identified during periodical controls and compares it with Polish requirements and practices.

18

Comparative GIS analysis using taxonomy and classification techniques

Miłek Marzenna, Stanik Jerzy, Kiedrowicz Maciej, Napiórkowski Jarosław

GIS Odyssey Journal

|

2023

|

Vol. 3, no. 1

73--96

EN

The article discusses the methodology of comparative analysis of GIS class computer systems using the current elements of taxonomy and classification theory. Eighteen selected GIS class systems that meet the criterion of completeness of all data required in the conducted research were fully analyzed. The proper comparative characteristics were preceded by the recognition of the market situation in terms of the availability of GIS systems. Eight thematic groups of criteria were used in the research, based on which the selection of GIS solutions for comparison was carried out. The adopted system selection criteria carry out the selection of objects in a binary manner. The chosen rules of classifying the system into a set of objects for comparison covered the issue of the availability of the required information. Due to the characteristics carried out, this information was obligatory, because a full set of data is required, which will allow for a comprehensive and factual comparison, based on which a given product (GIS system) can be indicated to the consumer with full responsibility. The set of features and comparative criteria was created based on own experience and numerous consultations with specialists and field experts. The selected criteria are the most widely used and most accepted in the environments that systems of this class use daily. Both the functional scope (features, functions, properties, advantages and disadvantages) as well as the degree of fulfillment of subsequent criteria by the considered systems were determined and described.

19

Development and application potential of gravitational classifiers

Rybak Łukasz, Dudczyk Janusz

Elektronika : konstrukcje, technologie, zastosowania

|

2023

|

Vol. 64, Nr 3

29--32

EN

The aim of the article is to show the development and application potential of gravitational classifiers. The paper contains a synthetic overview of information about algorithms belonging to the aforementioned group of approaches, which are part of the field of artificial intelligence. The significance of the intelligent data processing process was confirmed by referring to the data published by the European Statistical Office and documents referring to the European Commission’s strategy for 2019-2024. A group of gravitational classifiers was characterized, which were positioned in the area of machine learning alongside other groups of algorithms described in the world literature. A three-set division of gravitational classifiers was presented, and the features of selected methods and their practical applications were described as well. Conclusion of the article is an indication of potential development and application directions of the gravitational algorithm, which creates a data particle through its geometrical divide.

PL

Celem artykułu jest ukazanie potencjału rozwojowego i aplikacyjnego klasyfikatorów grawitacyjnych. W artykule przedstawiono w sposób syntetyczny przegląd informacji dotyczących algorytmów należących do wspomnianej grupy, wpisujących się w obszar sztucznej inteligencji. Istotność procesu inteligentnego przetwarzania danych potwierdzono, odnosząc się do danych opublikowanych przez Europejski Urząd Statystyczny oraz dokumentów dotyczących strategii Komisji Europejskiej na lata 2019-2024. Scharakteryzowano grupę klasyfikatorów grawitacyjnych, które spozycjonowano w obszarze uczenia maszynowego obok innych, opisanych w światowej literaturze, grup algorytmów. Przedstawiono trójzbiorowy podział klasyfikatorów grawitacyjnych, opisując również cechy wybranych metod oraz ich praktyczne zastosowania. Konkludując artykuł wskazano potencjalne kierunki rozwoju i aplikacji algorytmu grawitacyjnego, który tworzy cząstkę danych poprzez jej geometryczny podział.

20

The level of renewable energy used in EU member states - A multidimensional comparative analysis

Grzebyk Mariola, Stec Małgorzata

Economics and Environment

|

2023

|

No. 3

244--264

EN

This paper assesses EU countries in terms of their level of renewable energy use. The ranking of 27 EU countries in terms of the complex phenomenon under study was constructed on the basis of 7 variables. The research period was 2011 and 2020. The research method was one of multi-dimensional comparative analysis methods, i.e. Hellwig’s pattern development model. The research results confirm that there wasa positive change in the use of renewable energy in all EU countries in 2020 compared to 2011, with Sweden, Austria, Finland, and Denmark taking the lead. However, most EU countries (16 in 2011 and 17 in 2020) have a medium-low level of use of “green energy”. A low level was identified in Cyprus and Malta in 2011 and Poland in 2020.

PL

W pracy oceniono kraje UE pod względem poziomu wykorzystania energii odnawialnej. Podstawę budowy rankingu 27 krajów UE pod względem badanego zjawiska złożonego stano-wiło 7 zmiennych, a okresem badawczym był 2011 i 2020 rok. Zastosowaną metodą badawczą była jedna z metod wielowymiarowej analizy porównawczej – metoda wzorca rozwoju Z. Hellwiga. Wyniki przeprowadzonych badań potwierdzają, że w 2020 w porównaniu do 2011 roku we wszystkich krajach UE nastąpiły pozytywne zmiany w zakresie wykorzystania energii odnawialnej. Liderami są Szwecja, Austria, Finlandia i Dania. Większość krajów UE (w 2011 roku – 16; w 2020 roku – 17) posiada jednak średnioniski poziom wykorzystania tzw. „zielonej energii”. Natomiast poziom niski uzyskały w 2011 roku Cypr i Malta, a w 2020 roku – Polska.