Wyniki wyszukiwania - BazTech

1

Convolutional neural networks in the SSI analysis for mine-induced vibrations

Zając Maciej, Kuźniar Krystyna

Computer Assisted Methods in Engineering and Science

|

2024

|

Vol. 31, no. 1

3--28

EN

Deep neural networks (DNNs) have recently become one of the most often used softcomputational tools for numerical analysis. The huge success of DNNs in the field of imageprocessing is associated with the use of convolutional neural networks (CNNs). CNNs,thanks to their characteristic structure, allow for the effective extraction of multi-layerfeatures. In this paper, the application of CNNs to one of the important soil-structureinteraction (SSI) problems, i.e., the analysis of vibrations transmission from the free-field next to a building to the building foundation, is presented in the case of mine-induced vibrations. To achieve this, the dataset from in-situ experimental measurements,containing 1D ground acceleration records, was converted into 2D spectrogram imagesusing either Fourier transform or continuous wavelet transform. Next, these images wereused as input for a pre-trained CNN. The output is a ratio of maximal vibration valuesrecorded simultaneously on the building foundation and on the ground. Therefore, the lastlayer of the CNN had to be changed from a classification to a regression one. The obtainedresults indicate the suitability of CNN for the analyzed problem.

2

Artificial intelligence-based analysis of small data sets in medicine

Mikołajewski Dariusz, Mikołajewska Emilia

Studia i Materiały Informatyki Stosowanej

|

2023

|

T. 15, nr 2

18--23

EN

AI-based computing of small data sets are a step towards edge computing and further personalization of diagnostics, therapy and predictions in clinical practice. However, this still requires many intermediate steps, both in hardware and software. The aim of the work is to assess to what extent current achievements in the area of AI-based small sets analysis constitute the basis for the development of a new group of clinical and programming solutions.

PL

Obliczenia małych zbiorów danych w oparciu o sztuczną inteligencję stanowią krok w kierunku obliczeń brzegowych i dalszej personalizacji diagnostyki, terapii i prognoz w praktyce klinicznej.Jednak nadal wymaga to wielu etapów pośrednich, zarówno sprzętowych, jak i programowych. Celem pracy jest ocena, w jakim stopniu dotychczasowe osiągnięcia w obszarze analizy małych zbiorów w oparciu o sztuczną inteligencję stanowią podstawę do opracowania nowej grupy rozwiązań klinicznych i programistycznych.

3

Alternative Approach to Evaluating Interpolation Methods of Small and Imbalanced Data Sets

Gonet T., Gonet K.

Geomatics and Environmental Engineering

|

2017

|

Vol. 11, no. 3

49--65

PL

Badania dotyczą alternatywnego podejścia do oceny jakości metod interpolacji niewielkich i zróżnicowanych zestawów danych. Podstawowa analiza statystyczna oparta na klasycznej walidacji krzyżowej nie zawsze daje jednoznaczne wnioski. W przypadku analizowanego zestawu danych (niezgodnego z rozkładem normalnym) trzy metody interpolacji zostały wybrane jako najlepsze (zgodnie z procedurą klasycznej walidacji krzyżowej). Niemniej jednak mapy powstałe na podstawie tych metod wyraźnie się od siebie różnią. To jest powód, dla którego dogłębna analiza statystyczna była konieczna. Zaproponowano alternatywne podejście do tego zagadnienia, które uwzględnia szersze spektrum parametrów opisujących badany zestaw danych. Głównym założeniem tej metodyki jest porównanie nie tylko odchylenia standardowego estymatora, ale również trzech dodatkowych parametrów. To powoduje, iż końcowa ocena jest znacznie dokładniejsza. Analizę wykonano za pomocą programu Surfer (Golden Software). Zapewnia on możliwość wykorzystania wielu metod interpolacji wraz z różnorakimi, regulowanymi parametrami.

EN

The research concerns an alternative approach to the evaluation of interpolation methods for mapping small and imbalanced data sets. A basic statistical analysis of the standard cross-validation procedure is not always conclusive. In the case of the investigated data set (which is inconsistent with normal distribution), three interpolation methods have been selected as the most reliable (according to standard cross-validation). However, maps resulting from the aforementioned methods clearly differ from each other. This is the reason why a comprehensive statistical analysis of the studied data is a necessity. We propose an alternative approach that evaluates a broadened scope of parameters describing the data distribution. The general idea of the methodology is to compare not only the standard deviation of the estimator but also three additional parameters to make the final assessment much more accurate. The analysis has been carried out with the use of Golden Software Surfer. It provides a wide range of interpolation methods and numerous adjustable parameters.