Wyniki wyszukiwania - BazTech

1

Collectively intelligent prediction in evolutionary multi-agent system

Kijak J., Martyna P., Byrski A., Faber Ł., Piętak K., Kisiel-Dorohinicki M.

International Journal of Microelectronics and Computer Science

|

2017

|

Vol. 8, nr 3

85--96

EN

In the paper a summary of our previously realized and published work connected with constructing collective intelligent evolutionary multi-agent systems for time series prediction, based on multi-layered perceptrons is shown. Besides recalling our past papers, we describe the whole concept, present an implementation in a contemporary, componentoriented software framework AgE 3.0 and we conduct a number of experiments, finding different optimal parametrization for the considered instances of the problems (popular Mackey-Glass chaotic time series). The paper may be useful for a practitioner willing to use our meatheuristic algorithm (EMAS) along with the idea of collective agent-based system in order to realize prediction tasks.

2

Data mining workspace as an optimization prediction technique for solving transport problems

Kuptcova A., Průša P., Federko G., Molnár V.

Transport Problems

|

2016

|

T. 11, z. 3

21--31

EN

This article addresses the study related to forecasting with an actual high-speed decision making under careful modelling of time series data. The study uses data-mining modelling for algorithmic optimization of transport goals. Our finding brings to the future adequate techniques for the fitting of a prediction model. This model is going to be used for analyses of the future transaction costs in the frontiers of the Czech Republic. Time series prediction methods for the performance of prediction models in the package of Statistics are Exponential, ARIMA and Neural Network approaches. The primary target for a predictive scenario in the data mining workspace is to provide modelling data faster and with more versatility than the other management techniques.

RU

В данной статье рассматривается задача прогнозирования временных рядов, которая заключается в построении модели для предсказания будущих событий. В исследовании используются методы интеллектуального анализа данных. Модель прогнозирования позволяет адекватно оценивать исследуемый процесс. Целью исследования является изучение динамики расходов при реализации экспортной продукции. Прогнозирование осуществляется с помощью ARIMA-модели, на основе метода экспоненциального сглаживания и по технологии логической нейронной сети. Построение базового и быстрого сценария прогнозирования является важным и ответственным этапом в научной деятельности.

3

Zastosowanie macierzy Hurwitza-Radona w uczeniu maszynowym

Citko W., Sieńko W.

Elektronika : konstrukcje, technologie, zastosowania

|

2016

|

Vol. 57, nr 10

28--30

PL

W artykule przedstawiono zastosowanie macierzy Hurwitza-Radona do syntezy systemu uczenia maszynowego. Jako przykład zastosowania systemu wybrano predykcję ciągów czasowych generowanych przez chaotyczne równanie Mackey-Glass’a.

EN

The purpose of this article is to present a model of the machine learning system which is based on a Hurwitz-Radon matrices. This system is used to predict time series genereted by the Mackey-Glass equation.

4

Zastosowanie rozmytej mapy kognitywnej z dwukrokowym algorytmem uczenia opartym na markowskim modelu gradientu w predykcji szeregów czasowych

Jastriebov A., Poczęta K.

Logistyka

|

2014

|

nr 6

4905-4915

PL

Rozmyta mapa kognitywna FCM to inteligentny model, stanowiący efektywne narzędzie modelowania systemów predykcji szeregów czasowych. Zaletą FCM jest zdolność uczenia macierzy relacji na podstawie dostępnych danych z zastosowaniem nadzorowanych lub populacyjnych algorytmów. Niniejsza praca poświęcona jest analizie zastosowania dwukrokowego algorytmu uczenia rozmytej mapy kognitywnej bazującego na markowskim modelu gradientu w prognozowaniu szeregów czasowych. W procesie uczenia i testowania działania nauczonej FCM zastosowano dane idealne oraz dane z błędami pomiarowymi o różnym stopniu zaszumienia, wygenerowane na podstawie rzeczywistego systemu zarządzania biznesem elektronicznym. Dokonano analizy porównawczej dwukrokowej metody markowskiego modelu gradientu oraz jednokrokowej metody gradientowej pod kątem szybkości zbieżności algorytmu oraz uzyskanej dokładności predykcji szeregów czasowych.

EN

Fuzzy cognitive map FCM is an intelligent model, that can be used as a useful tool for modeling systems for time series prediction. The advantage of FCMs is their ability to learn the relations matrix based on real data with the use of supervised or population-based algorithms. This paper is devoted to the analysis of the application of FCM with two-step learning algorithm based on Markov model of gradient in time series prediction. Ideal data and data with measurement errors of varying degrees of noise were generated based on real-life system for e-commerce strategic planning and used in learning and testing process. The comparative analysis of two-step method of Markov model of gradient to one-step gradient method from the point of view of the speed of convergence of learning algorithm and the obtained precision of time series prediction was performed.

5

Zastosowanie predykcji rozkładu wartości atrybutu w celu poprawy dokładności estymacji selektywności zapytań

Augustyn D.

Studia Informatica

|

2013

|

Vol. 34, nr 2A

23--42

PL

Parametr selektywności jest wykorzystywany w procesie optymalizacji zapytań. Uzyskanie selektywności wymaga nieparametrycznego estymatora rozkładu wartości atrybutu, tj. histogramu. Histogramy są tworzone w ramach procesu aktualizacji statystyk. Dla dużych baz danych aktualizacja statystyk jest wykonywana raczej rzadko, np. tylko w momentach małego obciążenia systemu. To powoduje, że histogramy nie opisują aktualnego rozkładu danych. Aby uzyskać bardziej aktualne histogramy, powinno się zastosować mechanizm predykcji rozkładu. Pozwoli to na bardziej dokładną estymację selektywności. W niniejszym artykule zaproponowano metodę ekstrapolacji rozkładu wartości atrybutów. Metoda ta dokonuje predykcji momentów szukanego, ekstrapolowanego rozkładu. W celu jego wyznaczenia opisywana metoda wykorzystuje zasadę maksimum entropii z uwzględnieniem wartości momentów znalezionych w ramach procedury predykcji.

XX

A selectivity parameter is needed in query optimization process. Obtaining the query selectivity requires a non-parametric estimator of attribute value distribution, i.e. a histogram. Histograms are produced during update statistics process. For large databases the update statistics process is performed rather seldom, e.g. only during time of low workload of a system. This results that histograms do not describe actual data distribution. To obtain a more accurate histogram, a prediction mechanism should be introduced. This results obtaining a more accurate estimation of selectivity. 24 D. R. Augustyn The method of extrapolation of attribute value distribution is proposed in this paper. This method predicts moments of the extrapolated distribution. It uses the maximum entropy principle for obtaining the extrapolated distribution subject to the predicted values of the distribution moments.

6

Packet Switching Networks Traffic Prediction Based on Radial Basis Function Neural Network

Zaleski A., Kacprzak T.

Journal of Applied Computer Science

|

2010

|

Vol. 18, nr 2

91-101

EN

New multimedia applications require Quality of Service support, which is still not successfully implemented in current packet-switched networks implementations. This paper presents a concept of neural network predictor, suitable for prediction of short-term values of traffic volume generated by end user. The architecture is Radial Basis Function neural network, optimized with respect to a number of neurons. Testing mode of the neural network is very fast, what enables application of this tool in nodes of telecommunication network. This would help to warn a network management system on early symptoms of congestion expected in the near future and avoid the network overload.

7

Adaptive kernel algorithms for time series prediction

Michalak M.

Studia Informatica

|

2009

|

Vol. 30, nr 3A

25-35

EN

The article describes two kernel algorithms of the regression function estimation, that are used for the time series prediction. First of them {HASKE) has its own heuristic of the h parameter evaluation. The second (HKSVR) connects SVMand the HASKE in such way that it is based on the HASKE heuristic of local neighborhood evaluation.

PL

W artykule opisano dwa nowe algorytmy estymacji funkcji regresji, zastosowane do predykcji szeregów czasowych. Pierwszy z nich (HASKE) opiera się na pewnej heurystyce wyznaczania parametru wygładzającego. Drugi z nich (HKSVR) łączy HASKE z SVR przez wykorzystanie wspomnianej heurystyki.