Wyniki wyszukiwania - BazTech

1

Forming dynamic, self-organizing neural networks by means of Assembler Encoding

Praczyk T.

Biuletyn Wojskowej Akademii Technicznej

|

2011

|

Vol. 60, nr 2

117-138

EN

Assembler Encoding is a new neuro-evolutionary method. To date, it has been tested in such problems as: an optimization problem, a predator-prey problem, and in an inverted pendulum problem. In all the cases mentioned, Assembler Encoding was used to create neural networks with constant, invariable architecture. To test whether Assembler Encoding is able to form other types of neural networks, next experiments were carried out. In the experiments, the task of Assembler Encoding was to form self-organizing, dynamic neural networks. The networks were tested in the predator-prey problem. To compare Assembler Encoding with other method, in the experiments, a modified version of standard neuro-evolution was also applied. The results of the experiments are presented at the end of the paper.

PL

Kodowanie Asemblerowe jest metodą neuro-ewolucyjną, która do tej pory stosowana była wyłącznie do konstrukcji sieci neuronowych o stałej, nie zmiennej w czasie architekturze. W celu sprawdzenia skuteczności metody w tworzeniu innych typów sieci neuronowych, przeprowadzonoszereg eksperymentów. W ich trakcie zadaniem Kodowania Asemblerowego była konstrukcja rekurencyjnych oraz jednokierunkowych sieci neuronowych z samoorganizacją Hebba. Tworzone sieci wykorzystywane były do sterowania zespołem "drapieżców", których celem było pochwycenie szybko poruszającej się "ofiary" (predator-prey problem) postępującej zgodnie z pewną prostą strategią. Wyniki Kodowania Asemblerowego uzyskane w trakcie badań porównano z osiągami innej metody neuro-ewolucyjnej.

2

Clustering and filtering of measurement data based on dynamic self-organizing neural networks

Gorzałczany M. B., Rudziński F.

Pomiary Automatyka Kontrola

|

2010

|

R. 56, nr 12

1416-1419

EN

The paper presents an application of dynamic self-organizing neural networks (introduced by the same authors) to clustering of complex, multidimensional measurement-type data using as an example the so-called Synthetic Control Chart Time Series available at WWW server of the Department of Information and Computer Science, the University of California at Irvine. Moreover, after deactivation of some of the mechanisms governing the operation of the proposed networks they become efficient tools for signal and data filtering. The filtering of Equiptemp measurement data set available from Time Series Library by means of the proposed networks is also briefly presented.

PL

Artykuł prezentuje zastosowanie tzw. dynamicznych samoorganizujących się sieci neuronowych (zaproponowanych przez autorów tej pracy) do grupowania złożonych, wielowymiarowych danych pomiarowych na przykładzie zbioru danych Synthetic Control Chart Time Series dostępnego na serwerze WWW Uniwersytetu Kalifornijskiego w Irvine (Department of Information and Computer Science). Proponowane sieci, w trakcie procesu uczenia, są w stanie dzielić swoje łańcuchy neuronów na podłańcuchy, ponownie łączyć wybrane podłańcuchy ze sobą oraz dynamicznie zmieniać całkowitą liczbę neuronów sieci. Cechy te umożliwiają im jak najlepsze dopasowanie się do nieznanych z góry struktur "zakodowanych" w danych. Funkcjonowanie proponowanych sieci zilustrowano najpierw na przykładzie złożonego zbioru danych dwuwymiarowych typu dwóch spiral. Po wyłączeniu pewnych mechanizmów rządzących funkcjonowaniem proponowanych sieci stają się one również efektywnymi narzędziami filtracji sygnałów. Przykłady filtracji danych pomiarowych zawartych w zbiorze Equiptemp pochodzącym z tzw. Time Series Library są również przedstawione w artykule.

3

Uogólnione, samoorganizujące się sieci neuronowe w problemach tzw. odkrywania wiedzy w bazach danych

Gorzałczany M. B., Rudziński F.

Zeszyty Naukowe Politechniki Świętokrzyskiej. Elektryka

|

2005

|

Z. 42

181-195

PL

Niniejszy artykuł prezentuje oryginalne uogólnienie samoorganizujących się sieci neuronowych oraz ich zastosowanie w problemach tzw. odkrywania wiedzy (ang. knowledge discovery) w bazach danych. Systemy zdolne do syntetyzowania wiedzy z olbrzymiej i lawinowo narastającej ilości danych numerycznych zawartych w bazach danych odgrywają coraz ważniejszą rolę w zagadnieniach przetwarzania informacji i szeroko rozumianej informatyce. Proponowane uogólnienie samoorganizujących się sieci neuronowych pozwala na efektywne i automatyczne wykrywanie określonych wzorców w danych w ramach tzw. nienadzorowanego grupowania danych. Praktyczna użyteczność proponowanego rozwiązania została przetestowana z wykorzystaniem rzeczywistych, złożonych, wielowymiarowych danych zawartych w bazie 'House-votes-84' zawierającej wyniki głosowań członków Kongresu USA i dostępnej na serwerze FTP Uniwersytetu Kalifornijskiego w Irvine (ftp.ics.uci.edu).

EN

This paper presents an original generalization of self-organizing neural networks and their application to knowledge discovery problems. Systems able to synthesize the knowledge from huge and rapidly growing amounts of numerical data in databases play more and more important role in information-processing problems and computer science in general. The proposed generalization of the self-organizing neural networks enables us to effectively and automatically discover some patterns in data in the framework of unsupervised data clustering. Practical usefulness of the proposed solution has been tested with the use of real, complex and multidimensional data coming from 'House-votes-84' database containing voting records of USA Congress members. The database is accessible at FTP server of the University of California at Irvine (ftp.ics.uci.edu).

4

Tematyczna klasyfikacja dokumentów WWW z wykorzystaniem oryginalnej metody sztucznej inteligencji

Gorzałczany M. B., Rudziński F.

Zeszyty Naukowe Politechniki Świętokrzyskiej. Elektryka

|

2005

|

Z. 42

165-180

PL

Niniejszy artykuł prezentuje oryginalną metodę sztucznej inteligencji (dynamiczne, samoorganizujące się sieci neuronowe) oraz ich zastosowanie w złożonych zagadnieniach analizy informacji dostępnej w sieci Internet. Jednym z niezwykle aktualnych, ważnych i złożonych zagadnień z wymienionego obszaru jest szeroko rozumiana tematyczna klasyfikacja dokumentów dostępnych w tej sieci. Zagadnienie to jest bezpośrednio powiązane z innymi, aktualnymi i ważnymi problemami, takimi jak wyszukiwanie dokumentów najbardziej podobnych do zapytania użytkownika, sortowanie dokumentów według zadanych kryteriów, automatyczne tworzenie streszczeń dokumentów itp. Praca prezentuje oryginalną, dynamiczną, samoorganizującą się sieć neuronową oraz test jej praktycznej użyteczności w zagadnieniach nienadzorowanej klasyfikacji dokumentów WWW na przykładzie zbioru streszczeń artykułów naukowych dostępnych na stronie internetowej Cornell University w USA (http://arxiv.org).

EN

This paper presents an original AI (Artificial Intelligence) method (a dynamic, self-organizing neural network) and its application to complex problems of an analysis of information available in the Internet network. One of the most important and complex issues in the above-mentioned area is the classification of documents that are available in this network. These issues are directly connected to other important problems like searching of documents most similar to queries of users, sorting of documents according to given criteria, automatic creating of abstracts of document, etc. This work presents an original, dynamic, self-organizing neural network and the test of its practical usefulness in problems of unsupervised WWW-documents classification with the use of abstracts of scientific papers that are available at the WWW site of Cornell University, USA (http://arxiv.org).