Ograniczanie wyników
Czasopisma help
Autorzy help
Lata help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 856

Liczba wyników na stronie
first rewind previous Strona / 43 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  neural networks
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 43 next fast forward last
EN
The study sought to use computer techniques to detect selected psychological traits based on the nature of the writing and to evaluate the effectiveness of the resulting software. Digital image processing and deep neural networks were used. The work is complex and multidimensional in nature, and the authors wanted to demonstrate the feasibility of such a topic using image processing techniques and neural networks and machine learning. The main studies that allowed the attribution of psychological traits were based on two models known from the literature, KAMR and DA. The evaluation algorithms that were implemented allowed the evaluation of the subjects and the assignment of psychological traits to them. The DA model turned out to be more effective than the KAMR model.
PL
Stan techniczny infrastruktury komunalnej jest nieustannie w centrum zainteresowania z uwagi na konieczność utrzymania ustabilizowanej gospodarki wodnej, która może być zaburzona w sytuacji występowania wielu awarii i uszkodzeń sieci wodociągowej. Nie tylko liczba, ale również rodzaj uszkodzeń jest zmienną, która powinna być przedmiotem analiz technicznych, ekonomicznych i niezawodnościowych. W pracy przedstawiono porównanie wyników klasyfikacji uszkodzeń przewodów wodociągowych z wykorzystaniem dwóch metod opartych o założenia sztucznej inteligencji, czyli metody drzew klasyfikacyjnych i algorytmu sieci neuronowych. Celem pracy było sprawdzenie, czy trafność klasyfikacji w oparciu o perceptron wielowarstwowy będzie większa niż uzyskano to kilka lat temu w autorskich badaniach podczas analizy metody drzew klasyfikacyjnych. Do modelowania zastosowano dane eksploatacyjne z istniejącego jednego z większych systemów wodociągowych w Polsce. Przeanalizowano kilka wariantów różniących się od siebie rozmiarem wektora wejściowego. Uzyskane wyniki nie są zadowalające, gdyż tylko najbardziej licznie występujące w zbiorze danych uszkodzenia, zostały zaklasyfikowane poprawnie w ok. 80%, a w przypadku innych rodzajów uszkodzeń dokładność klasyfikacji była minimalna. W związku z tym konieczna wydaje się zmiana podejścia w kolejnych etapach pracy nad zagadnieniem przewidywania zmiennych jakościowych.
EN
The technical condition of municipal infrastructure is continually in the centre of attention. It is necessary to maintain water management in stable conditions. Many failures of water pipes could lead to destabilize the whole water management in the cities. Not only the number of damage, but also their kinds should be analysed using technical, economical and reliability analysis. The comparison of classification results of kinds of water pipes damage using two artificial intelligence methods (classification trees and neural networks) was presented in the paper. The aim of the work was to check if classification accuracy using multilayer perceptron is higher than in other original investigations carried out several years ago when classification trees were analysed. Exploitation data from water supply system were used for modelling purposes. Several configurations with different size of input vector were investigated. Obtained results are not satisfactory. Only the most numerous classified in approx. 80%. For other kinds of failures the classification accuracy was minimal. It is necessary to change, in the next work stages, the investigation approach of quality variables prediction.
EN
The rapid growth of smart cities and industry causes an increase in waste production. The amount of municipal solid waste (MSW) increases by several factors, including population growth, economic status, and consumption trends. The inadequacy of basic trash data is a major issue for managing MSW. Numerous existing models based on solid waste prediction have been presented so far, but none of them predict solid waste accurately and also it consumes more time. To address these concerns, a deep convolutional spiking neural network for solid waste prediction (DCSNN-SWP) is proposed in this paper. Here, the real-time solid waste prediction data are gathered from the quantity of municipal corporation of Chennai (MCC), landfill, garden garbage, and coconut shell reports in Tamil Nadu (Chennai), such as Zone 9 (Nungambakkam), Zone 10 (Kodambakkam) and Zone 13 (Adyar). Then the collected solid waste data are pre-processed using the kernel correlation model. Then the pre-processing data is given to DCSNN-hybrid BCMO and Archimedes optimization algorithm which accurately predicts the solid waste as wet waste, dry waste, horticulture waste, and dumping yard for 2022-2032 years. The proposed DCSNN-SWP method has been implemented in Python.
EN
Operational load monitoring (OLM) is an industrial process related to structural health monitoring, where fatigue of the structure is tracked. Artificial intelligence methods, such as artificial neural networks (ANNs) or Gaussian processes, are utilized to improve efficiency of such processes. This paper focuses on moving such processes towards green computing by deploying and executing the algorithm on low-power consumption FPGA where high-throughput and truly parallel computations can be performed. In the following paper, the OLM process of typical aerostructure (hat-stiffened composite panel) is performed using ANN. The ANN was trained using numerically generated data, of every possible load case, to be working with sensor measurements as inputs. The trained ANN was deployed to Xilinx Artix-7 A100T FPGA of a real-time microcontroller. By executing the ANN on FPGA (where every neuron of a given layer can be processed at the same time, without limiting the number of parallel threads), computation time could be reduced by 70% as compared to standard CPU execution. Series of real-time experiments were performed that have proven the efficiency and high accuracy of the developed FPGA-based algorithm. Adjusting the ANN algorithm to FPGA requirements takes some effort, however it can lead to high performance increase. FPGA has the advantages of many more potential parallel threads than a standard CPU and much lower consumption than a GPU. This is particularly important taking into account potential embedded and remote applications, such as widely performed monitoring of airplane structures.
EN
This paper presents a study on applying machine learning algorithms for the classification of a two-phase flow regime and its internal structures. This research results may be used in adjusting optimal control of air pressure and liquid flow rate to pipeline and process vessels. To achieve this goal the model of an artificial neural network was built and trained using measurement data acquired from a 3D electrical capacitance tomography (ECT) measurement system. Because the set of measurement data collected to build the AI model was insufficient, a novel approach dedicated to data augmentation had to be developed. The main goal of the research was to examine the high adaptability of the artificial neural network (ANN) model in the case of emergency state and measurement system errors. Another goal was to test if it could resist unforeseen problems and correctly predict the flow type or detect these failures. It may help to avoid any pernicious damage and finally to compare its accuracy to the fuzzy classifier based on reconstructed tomography images – authors’ previous work.
6
Content available Wybrane zagadnienia analizy szeregów czasowych
PL
Artykuł obejmuje przegląd wybranych zagadnień związanych z analizą i predykcją szeregów czasowych zawierających dane z notowaniami giełdowymi. Przedstawiona została taksonomia szeregów czasowych oraz scharakteryzowane główne kierunki spotykane w analizie danych giełdowych. Szerzej opisane zostały wybrane narzędzia analizy technicznej. W kolejnych rozdziałach dokonany został przegląd wybranych metod uczenia maszynowego, zarówno metod algorytmicznych jak i metod wykorzystujących sieci neuronowe, przydatnych w analizie i predykcji szeregów czasowych.
EN
The article provides an overview of selected problems related to the analysis and prediction of time series containing stock market data. The taxonomy of time series is presented, and the main directions encountered in the analysis of financial data are characterized. Selected tools of technical analysis are described in more detail. Subsequent chapters provide a review of selected machine learning methods, divided into a section on algorithmic methods and a section on neural networks useful in the analysis and prediction of time series.
EN
Every year, a large number of traffic accidents occur on Polish roads. However, the pandemic of recent years has reduced the number of these accidents, although the number is still very high. For this reason, all measures should be taken to reduce this number. This article aims to forecast the number of road accidents in Poland. Thus, using Statistica software, the annual data on the number of road accidents in Poland were analyzed. Based on actual past data, a forecast was made for the future, for the period 2022-2040. Forecasting the number of accidents in Poland was conducted using selected neural network models. The results show that a reduction in the number of traffic accidents is likely. The choice of the number of random samples (learning, testing and validation) affects the results obtained.
EN
This paper presents a method for the precise diagnosis of a diesel engine in an agricultural tractor based on the analysis of efficiency changes and parameters characterizing the process of fuel-air mixture preparation. We proposed that the technical condition be identified based on available data from the engine controller, as this enables the implementation of precise online diagnostics of an agricultural tractor. The method was verified using the original cycle, during which we simulated several engine defects leading to a change in conditions and quality of the processes of creating and burning the fuel/air/flue gas mixture. In the paper, we justified the selection of the points at which the engine parameters were measured, as they provide the most information and allow for efficient identification of damage. These results indicate the possibility of damage identification without the use of the diagnostic cycle in the operation of operator-driven vehicles and autonomous vehicles.
EN
Neural network based implementations for anomaly detection are proven to be successful for a range of communications applications. The inclusion of these automated methods involves vulnerability to adversarial attacks that affect a broad range of models. An adversarial attack consists in fabrication of small variations with respect to the standard data input, with the property of triggering a failure in the classification task at hand. In this study we present a review on adversarial environments, and we describe the preliminary results of our system architecture for the analysis of adversarial-resilient network anomaly detection systems.
PL
Implementacja sieci neuronowych do wykrywania anomalii sieciowych cieszy się dużym powodzenie. Niestety, tego rodzaju zautomatyzowane metody detekcji są podatne na tzw. ataki adwersaryjne. Atak tego rodzaju polega na spreparowaniu niewielkich odchyleń w stosunku do standardowych danych, co powoduje niepowodzenie w zakresie wykorzystywanego zadania klasyfikacji. Przedstawiamy przegląd metod wykrywania prowadzenia ataków adversaryjnych oraz opisujemy wstępne wyniki uzyskane dzięki zaproponowanej architekturze systemu mającego zapewnić odporność na takie ataki.
PL
W artykule przedstawiamy metodę ukrywania danych w obrazach z użyciem sieci generatywnych - GAN (Generative Adversarial Networks), do generowania obrazów zawierających ukryte dane. Proponowana metoda pozwala na efektywne ukrywanie danych w obrazach, co może znaleźć zastosowanie w wielu dziedzinach, takich jak ochrona prywatności, steganografia, czy znakowanie wodne. Przedstawione w artykule wyniki stanowią podstawę do dalszych badań nad ulepszaniem metody i jej zastosowaniem w praktyce.
EN
This paper presents a method for hiding data in images using Generative Adversarial Networks (GAN) to generate images with secret data. The proposed method makes it possible to hide data in images effectively, which can find applications in many fields, such as privacy protection, steganography, and watermarking. The results presented in the article provide a basis for further research on improving the method and its application in practice.
PL
W artykule przedstawiono innowacyjny algorytm ukrywania danych w obrazach oparty na klasyfikacji. Metoda pozwala na niezauważalne dla ludzkiego oka ukrycie danych, a jednocześnie zapewnia możliwość ich późniejszego wykrycia i rozpoznania bez konieczności posiadania klucza lub oryginalnego obrazu. Przeprowadzone eksperymenty potwierdzają skuteczność i niezawodność tej metody w porównaniu z innymi algorytmami. Proponowane rozwiązanie może się przyczynić do rozwoju takich dziedzin jak: bezpieczeństwo informacyjne, ochrona prywatności, autoryzacja i znakowanie wodne.
EN
The article presents an innovative algorithm for data hiding in images based on classification. The method allows imperceptible data hiding to the human eye while also providing the ability to later detect and recognise the hidden data without needing a key or the original image. The conducted experiments confirm the effectiveness and reliability of this method compared to other algorithms. The proposed solution can contribute to developing fields such as information security, privacy protection, authentication, and watermarking.
12
Content available remote Artificial intelligence: evolution, developments, applications, and future scope
EN
Artificial intelligence (AI) or Machine Intelligence (MI) is the most important and interesting technology in recent decades due to its vast application in almost every field of science and engineering. The MI techniques are the study of making intelligent machines that have human-like behaviors. The speedy advancement in this area has triggered the curiosity of many technologists, and researchers around the world, and various companies across several domains are inquisitive to explore its capabilities. AI technology is continuously changing the landscape of businesses as well as the personal and social activities of human beings due to advancements and research in this field. For any field which has obtained so much popularity in a very short duration, it is essential that technologists who focus on endeavors in AI, study its evolution, developments, applications, and future aspects of augmentation to achieve a better intuition into the area. This paper presents a comprehensive study of the past, present, and future aspects of AI technology for researchers and technologists. In this paper, we discuss the evolution, historical developments, important breakthroughs in continuous research, real-world applications, challenges of AI implication, and the future perspective of AI technology. Finally, we have discussed the role of AI in the optimization of the Integrated Circuit (IC).
PL
Sztuczna inteligencja (AI) lub inteligencja maszyn (MI) to najważniejsza i najbardziej interesująca technologia ostatnich dziesięcioleci ze względu na jej szerokie zastosowanie w niemal każdej dziedzinie nauki i inżynierii. Techniki MI to nauka o tworzeniu inteligentnych maszyn o ludzkich zachowaniach. Szybki postęp w tej dziedzinie wzbudził ciekawość wielu technologów i badaczy na całym świecie, a różne firmy z kilku dziedzin są zainteresowane zbadaniem jego możliwości. Technologia AI nieustannie zmienia krajobraz firm, a także osobiste i społeczne działania ludzi dzięki postępom i badaniom w tej dziedzinie. W przypadku każdej dziedziny, która zyskała tak dużą popularność w bardzo krótkim czasie, niezbędne jest, aby technolodzy, którzy koncentrują się na przedsięwzięciach w dziedzinie sztucznej inteligencji, badali jej ewolucję, rozwój, zastosowania i przyszłe aspekty rozszerzenia, aby uzyskać lepszą intuicję w tej dziedzinie. Niniejszy artykuł przedstawia kompleksowe badanie przeszłych, obecnych i przyszłych aspektów technologii sztucznej inteligencji dla badaczy i technologów. W tym artykule omawiamy ewolucję, wydarzenia historyczne, ważny przełom w ciągłych badaniach, zastosowania w świecie rzeczywistym, wyzwania związane z implikacją AI oraz przyszłe perspektywy technologii AI. Na koniec omówiliśmy rolę AI w optymalizacji układu scalonego (IC).
EN
Asignificant rise in Artificial Intelligence (AI) has impacted many applications around us, so much so that AI has now been increasingly used in safety-critical applications. AI at the edge is the reality, which means performing the data computation closer to the source of the data, as opposed to performing it on the cloud. Safety-critical applications have strict reliability requirements; therefore, it is essential that AI models running on the edge (i.e., hardware) must fulfill the required safety standards. In the vast field of AI, Deep Neural Networks (DNNs) are the focal point of this survey as it has continued to produce extraordinary outcomes in various applications i.e. medical, automotive, aerospace, defense, etc. Traditional reliability techniques for DNNs implementation are not always practical, as they fail to exploit the unique characteristics of the DNNs. Furthermore, it is also essential to understand the targeted edge hardware because the impact of the faults can be different in ASICs and FPGAs. Therefore, in this survey, first, we have examined the impact of the fault in ASICs and FPGAs, and then we seek to provide a glimpse of the recent progress made towards the fault-tolerant DNNs. We have discussed several factors that can impact the reliability of the DNNs. Further, we have extended this discussion to shed light on many state-of-the-art fault mitigation techniques for DNNs.
PL
Znaczący rozwój sztucznej inteligencji (SI) wpływa na wiele otaczających nas aplikacji, do tego stopnia, że SI jest obecnie coraz częściej wykorzystywana w aplikacjach o krytycznym znaczeniu dla bezpieczeństwa. Sztuczna inteligencja na brzegu sieci (Edge) jest rzeczywistością, co oznacza wykonywanie obliczeń na danych bliżej źródła danych, w przeciwieństwie do wykonywania ich w chmurze. Aplikacje o krytycznym znaczeniu dla bezpieczeństwa mają wysokie wymagania dotyczące niezawodności; dlatego ważne jest, aby modele SI działające na brzegu sieci (tj. sprzęt) spełniały wymagane standardy bezpieczeństwa. Z rozległej dziedziny sztucznej inteligencji, głębokie sieci neuronowe (DNN) są centralnym punktem tego badania, ponieważ nadal przynoszą znakomite wyniki w różnych zastosowaniach, tj. medycznych, motoryzacyjnych, lotniczych, obronnych itp. Tradycyjne techniki niezawodności implementacji w przypadku DNN nie zawsze są praktyczne, ponieważ nie wykorzystują unikalnych cech DNN. Co więcej, istotne jest również zrozumienie docelowego sprzętu brzegowego, ponieważ wpływ usterek może być różny w układach ASIC i FPGA. Dlatego też w niniejszym przeglądzie najpierw zbadaliśmy wpływ usterek w układach ASIC i FPGA, a następnie staramy się zapewnić wgląd w ostatnie postępy poczynione w kierunku DNN odpornych na błędy. Omówiliśmy kilka czynników, które mogą wpływać na niezawodność sieci DNN. Ponadto rozszerzyliśmy tę dyskusję, aby rzucić światło na wiele najnowocześniejszych technik ograniczania błędów w sieciach DNN.
EN
Wireless sensor networks (WSNs) are ad hoc and self-configuring networks having the possibility that any sensor node can connect or leave the network. With no central controller in WSN, wireless sensor nodes are considered responsible for data routing in the networks. The wireless sensor nodes are very small in size and have limited resources, therefore, it becomes difficult to recharge or replace the battery of the sensor nodes at far places. The present study focused on reducing the battery consumption of the sensor nodes by the deployment of the newly proposed Fault Tolerance Multipath Routing Protocol (MRP-FT) as compared with the existing Low Energy Adaptive Clustering Hierarchy (LEACH) protocol under particle swarm optimisation based fault tolerant routing (PSO-FT) technique. The proposed algorithm of MRP-FT-based on the dynamic clustering technique using Boltzmann learning of the neural network and the weights were adjusted according to the area of networks, number of nodes and rounds, the initial energy of nodes (E0), transmission energy of nodes (d
EN
The article focuses on a review and analysis of methods for reducing false alarms in video-based fire detection systems (VBFDS). The author of the article has designed a neural network and video-based flame detection algorithm to evaluate the effectiveness of methods found in the literature and other sources. The video-based flame detection algorithm was designed using a CIFAR-10-NET convolutional neural network. The D-Fire database, which contains 50000 fire images, was used to learn and test the algorithm. An error matrix was used to determine the effectiveness of the algorithm and methods to reduce the number of false alarms in video-based fire detection systems to determine parameters such as sensitivity (True Positive Rate, TPR), precision (Positive Predictive Value, PPV) and accuracy (ACC).
EN
The uniform closure of the neural networks with Heaviside activation is specified.
EN
The article is devoted to the development of a method for increasing the efficiency of communication channels of unmanned aerial vehicles (UAVs) in the conditions of electronic warfare (EW). The author analyses the threats that may be caused by the use of electronic warfare against autonomous UAVs. A review of some technologies that can be used to create original algorithms for countering electronic warfare and increasing the autonomy of UAVs on the battlefield is carried out. The structure of modern digital communication systems is considered. The requirements of unmanned aerial vehicle manufacturers for onboard electronic equipment are analyzed, and the choice of the hardware platform of the target radio system is justified. The main idea and novelty of the proposed method are highlighted. The creation of a model of a cognitive radio channel for UAVs is considered step by step. The main steps of modelling the spectral activity of electronic warfare equipment are proposed. The main criteria for choosing a free spectral range are determined. The type of neural network for use in the target cognitive radio system is substantiated. The idea of applying adaptive coding in UAV communication channels using multicomponent turbo codes in combination with neural networks, which are simultaneously used for cognitive radio, has been further developed.
EN
The article analyzes the fields of application of machine vision. Special attention is focused on the application of Machine Vision in intelligent technological systems for product quality control. An important aspect is a quick and effective analysis of product quality directly at the stage of the technological process with high accuracy in determining product defects. The appropriateness and perspective of using the mathematical apparatus of artificial neural networks for the development of an intelligent technological system for monitoring the geometric state of products have been demonstrated. The purpose of this study is focused on the identification and classification of reed tuber quality parameters. For this purpose, new methods of identification and classification of quality control of various types of defects using computer vision and machine learning algorithms were proposed.
PL
W artykule dokonano analizy obszarów zastosowań widzenia maszynowego. Szczególną uwagę zwrócono na zastosowanie widzenia maszynowego w inteligentnych systemach technologicznych kontroli jakości wyrobów. Ważnym aspektem jest szybka i skuteczna analiza jakości produktu bezpośrednio na etapie procesu technologicznego z dużą dokładnością w określaniu wad produktu. Pokazano celowość i perspektywę wykorzystania aparatu matematycznego sztucznych sieci neuronowych do budowy inteligentnego systemu technologicznego do monitorowania stanu geometrycznego wyrobów. Celem badań jest identyfikacja i klasyfikacja parametrów jakościowych rurek trzcinowych. W tym celu zaproponowano nowe metody identyfikacji i klasyfikacji kontroli jakości różnego rodzaju defektów z wykorzystaniem wizji komputerowej i algorytmów uczenia maszynowego.
PL
Programowanie oraz sztuczne sieci neuronowe są obecnie jednymi z najważniejszych dziedzin informatyki, które znajdują zastosowa nie w wielu obszarach życia, takich jak przetwarzanie obrazów, roz poznawanie mowy, czy też analiza finansowa [1]. W artykule zostały przedstawione podstawy programowania oraz budowy sieci neu ronowych, ze szczególnym uwzględnieniem biblioteki TensorFlow oraz środowiska Google Colab. Zaprezentowane zostały również dwie praktyczne koncepcje tworzenia modelu sieci neuronowej wraz z omówieniem specyfiki kodu. Artykuł jest przeznaczony dla początkujących inżynierów, którzy pragną rozpocząć swoją przy godę z programowaniem.
EN
Programming and artificial neural networks are now one of the most important areas of computer science, with applications in many areas of life, such as image processing, speech reco gnition or financial analysis. This paper will present the basics of programming and building neural networks, with a focus on the TensorFlow library and the Google Colab environment. It also discusses two practical concepts of creating a neural network model along with a discussion of the specifics of the code. The article is aimed at young engineers who wish to start their adventure in programming.
PL
Akceleratory cząstek mogą być idealnym poligonem doświadczalnym dla technik opartych na sieciach neuronowych. Wiele wczesnych prób zastosowania sieci neuronowych w akceleratorach cząstek przyniosło mierne wyniki ze względu na względną niedojrzałość technologii do takich zadań. Opisano najnowsze postępy w technikach sieci neuronowych, omówiono niektóre obiecujące możliwości włączenia sieci neuronowych do systemów sterowania akceleratorami cząstek, opisano system sterowania rezonansem inżektora działa elektronowego w kompleksie Fermilab Accelerator Science and Technology (FAST) oraz scharakteryzowane szczegółowo niektóre zagadnienia techniczne istniejącego systemu w celu stworzenia projektu nowego systemu sterowania opartego na sieciach neuronowych.
EN
Particle accelerators can be an ideal test-beds for NN-based techniques. Many early attempts to apply neural networks to particle accelerators yielded mixed results due to the relative immaturity of the technology for such tasks. The recent advances in neural network techniques were described, some promising avenues for incorporating neural networks into particle accelerator control systems was discussed, a control system for resonance control of an RF electron gun at the Fermilab Accelerator Science and Technology (FAST) facility has been described and some detailed technical issues of an existing system characterized for new neural network-based control system design.
first rewind previous Strona / 43 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.