Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: nearest neighbours

Sortuj według:

Ogranicz wyniki do:

A Fast Classification Method of Faults in Power Electronic Circuits Based on Support Vector Machines

Cui J., Shi G., Gong C.

Metrology and Measurement Systems

2017

Vol. 24, nr 4

701--720

Fault detection and location are important and front-end tasks in assuring the reliability of power electronic circuits. In essence, both tasks can be considered as the classification problem. This paper presents a fast fault classification method for power electronic circuits by using the support vector machine (SVM) as a classifier and the wavelet transform as a feature extraction technique. Using one-against-rest SVM and one-against-one SVM are two general approaches to fault classification in power electronic circuits. However, these methods have a high computational complexity, therefore in this design we employ a directed acyclic graph (DAG) SVM to implement the fault classification. The DAG SVM is close to the one-against-one SVM regarding its classification performance, but it is much faster. Moreover, in the presented approach, the DAG SVM is improved by introducing the method of Knearest neighbours to reduce some computations, so that the classification time can be further reduced. A rectifier and an inverter are demonstrated to prove effectiveness of the presented design.

Pamięciowe algorytmy kooperatywnej filtracji

Cichosz P.

Elektronika : konstrukcje, technologie, zastosowania

2009

Vol. 50, nr 8

267-271

Zadanie kooperatywnej filtracji, dla pewnego zbioru użytkowników i obiektów, polega na prognozowaniu ocen, jakie przyznaliby użytkownicy nieznanym sobie obiektom, na podstawie znanych ocen przyznanych przez tych użytkowników innym obiektom oraz przez innych użytkowników tym samym obiektom. Rozwiązanie tego zadania umożliwia tworzenie inteligentnych systemów rekomendujących (np. dla elektronicznego handlu) charakteryzujących się wysokim stopniem trafności i indywidualizacji ofert. Artykuł jest poświęcony algorytmom kooperatywnej filtracji opartym na zapamiętywaniu znanych ocen i wykorzystywaniu ich do identyfikacji "najbliższych sąsiadów", na podstawie których wyznaczana jest prognoza. Przedstawiony jest wspólny schemat tego typu algorytmów, jego najbardziej typowa konkretyzacja oraz pozostające do zbadania możliwości poprawy dokładności lub efektywności.

The collaborative filtering task, for a given set of users and items, consists in predicting ratings that the users would assign to unknown items based on known ratings assigned by the same users to similar items or by similar users to the same items. Solutions to this task enable creating intelligent recommender systems (e.g., for e-commerce). The paper is devoted to collaborative filtering algorithms based on storing known ratings and using them to identify the nearest neighbors used to calculate the predictions. A common basic template of such algorithms is presented with its most typical instantiation and remaining possibilities of improving accuracy or efficiency.