Wyniki wyszukiwania - BazTech

1

On training deep neural networks using a streaming approach

Duda Piotr, Jaworski Maciej, Cader Andrzej, Wang Lipo

Journal of Artificial Intelligence and Soft Computing Research

|

2020

|

Vol. 10, No. 1

15--26

EN

In recent years, many deep learning methods, allowed for a significant improvement of systems based on artificial intelligence methods. Their effectiveness results from an ability to analyze large labeled datasets. The price for such high accuracy is the long training time, necessary to process such large amounts of data. On the other hand, along with the increase in the number of collected data, the field of data stream analysis was developed. It enables to process data immediately, with no need to store them. In this work, we decided to take advantage of the benefits of data streaming in order to accelerate the training of deep neural networks. The work includes an analysis of two approaches to network learning, presented on the background of traditional stochastic and batch-based methods.

2

Modelling volatity of time series data containing outliers observations with ARCH effect

Duraj Agnieszka, Ludwicka Magdalena

Przegląd Elektrotechniczny

|

2019

|

R. 95, nr 1

37--40

EN

The subject of this work is a comparative analysis of selected models used to describe the volatility of time series including exceptions. This paper is focus on the the dynamic properties of the time series, generallyon the heterogeneity of conditional variance over time. This paper describes common approaches to detecting outliers, modelling and forecasting time series. Based on the researches performed by R. F. Engle, T. B. Bollerslev, J. Caiadoin, were examined selected ARIMA, ARCH and GARCH.An attention was paid to the ARCH effect in time series and its impact on the modelling volatility of financial time series, which contain outliers. The studies showed that the typical features of financial time series are the so-called grouped variances. Therefore, using ARIMA models for forecasting was insufficient, ARCH and GARCH modelsshowed good statistical properties for modelling time series data.

PL

Przedmiotem niniejszej pracy jest analiza porównawcza wybranych modeli służących do opisu zmienności szeregów czasowych, w tym wyjątków. Artykuł koncentruje się na dynamicznych właściwościach szeregów czasowych, na ogół na heterogeniczności warunkowej wariancji w czasie. W niniejszym artykule opisano powszechne metody wykrywania wartości odstających, modelowania i prognozowania szeregów czasowych. Na podstawie badań przeprowadzonych przez RF Engle, TB Bollerslev, J. Caiadoin, zbadano wybrane ARIMA, ARCH i GARCH. Zwrócono uwagę na efekt ARCH w szeregach czasowych i jego wpływ na zmienność modelowania finansowych szeregów czasowych, które zawierają odstające. Badania wykazały, że typowymi cechami finansowych szeregów czasowych są tak zwane pogrupowane wariancje. Dlatego wykorzystanie modeli ARIMA do prognozowania było niewystarczające, modele ARCH i GARCH prezentowały dobre właściwości statystyczne do modelowania danych szeregów czasowych.

3

Detection of outliers in data streams using grouping methods

Duraj Agnieszka, Chomątek Łukasz

Przegląd Elektrotechniczny

|

2019

|

R. 95, nr 2

85--87

EN

Efficient processing of data streams usually requires their initial processing, including on the removal of anomalies caused by, for example, measuring errors. Such errors may result in misinterpretation of the phenomena being analyzed .The literature describes several methods for detecting exceptions in data streams. Each of them requires proper selection of operating parameters. In addition, the effectiveness of methods may vary depending on the data set being analyzed. The article describes current methods for detecting exceptions in data streams and analyzed their operation on gas consumption data.

PL

Przedmiotem niniejszej pracy jest wykrywanie wyjątków w strumieniach danych przy użyciu metod grupowania. Przetwarzanie strumieni danych wymaga wstępnej analizy a przede wszystkim usuwania wszelkiego rodzaju anomalii spowodowanych błędami pomiarowymi. Błędy te prowadzą do niewłaściwej interpretacji analizowanych zjawisk. W literaturze można odnaleźć metody wykrywania wyjątków w strumieniach danych oparte na metodach statystycznych, grupowaniu danych. Każda metoda wymaga odpowiedniego doboru parametrów operacyjnych. Skuteczność jest uzależniona od analizowanego zestawu strumienia. W pracy podano kilka metod grupowania używanych do detekcji wyjątków w strumieniach danych. Metody te sprawdzono dla strumieni dotyczących zużycia gazu.

4

Prediction of the shoppers loyalty with aggregated data streams

Nikulin V.

Journal of Artificial Intelligence and Soft Computing Research

|

2016

|

Vol. 6, No. 2

69--79

EN

Consumer brands often offer discounts to attract new shoppers to buy their products. The most valuable customers are those who return after this initial incentive purchase. With enough purchase history, it is possible to predict which shoppers, when presented an offer, will buy a new item. While dealing with Big Data and with data streams in particular, it is a common practice to summarize or aggregate customers’ transaction history to the periods of few months. As an outcome, we compress the given huge volume of data, and transfer the data stream to the standard rectangular format. Consequently, we can explore a variety of practically or theoretically motivated tasks. For example, we can rank the given field of customers in accordance to their loyalty or intension to repurchase in the near future. This objective has very important practical application. It leads to preferential treatment of the right customers. We tested our model (with competitive results) online during Kaggle-based Acquire Valued Shoppers Challenge in 2014.

5

Techniki adaptacji i aproksymacji w przetwarzaniu strumieni danych

Sokołowski P., Wilczek A.

Prace Naukowe Instytutu Informatyki Stosowanej Politechniki Wrocławskiej

|

2007

|

Nr 8

43-58

PL

Efektywne przetwarzanie nieograniczonych strumieni danych wymaga zastosowania odmiennych technik niż stosowane w tradycyjnych Systemach Zarządzania Bazami Danych (SZBD). Prowadzone są badania związane z poszukiwaniem metod pozwalających na osiągniecie większej niezawodności i efektywności działania aplikacji przetwarzających dane strumieniowe. W niniejszej pracy zaprezentowano kilka technik, które mogą być wykorzystane przy budowie Systemu Zarządzania Strumieniową Bazą Danych (SZSBD) i pozwalają przezwyciężyć trudności płynące z konieczności przetwarzania nieograniczonych strumieni danych w czasie rzeczywistym, oferując jednocześnie możliwie największą efektywność.

EN

Effective methods of processing unbounded streams of data require different techniques then used in traditional Database Management Systems (DSMS). Researches are conducted toward finding new methods ensuring data stream applications to run efficiently and reliably. This paper introduces the reader to a set of techniques designed to serve as a means of creating a data stream processing system ready to tackle difficulties encountered when processing unbounded streams of data in real time offering maximum efficiency and a flexibility level high enough to allow use in development of applications handling data from any domain.

6

Metody przetwarzania danych strumieniowych

Sokołowski P., Wilczek A.

Prace Naukowe Instytutu Informatyki Stosowanej Politechniki Wrocławskiej

|

2007

|

Nr 8

29-41

PL

Szybki rozwój technologii informatycznych sprawia, że w coraz większej liczbie dziedzin dane przybierają postać nieograniczonego strumienia. Powstają rozwiązania, takie jak Systemy Zarządzania Strumieniową Bazą Danych (SZSBD), umożliwiające osiągnięcie większej niezawodności i efektywności działania aplikacji korzystających z danych strumieniowych. W niniejszej pracy przedstawiono metody przetwarzania strumieni danych zaproponowane w wybranych SZSBD, w systemie STREAM i AURORA.

EN

Rapid development of computer technologies induces the constant increase in the number of domains that utilize unbounded streams of data, thus it is becoming more and more important for the applications making use of that data to run efficiently and reliably. This paper introduces the reader to a set of techniques introduced in Data Stream Management Systems (DSMS) STREAM and AURORA.

7

Wpływ modulowania źródła na funkcję autokowariancji generowango strumienia danych.

Tomasik J.

Zeszyty Naukowe. Informatyka / Politechnika Śląska

|

1999

|

z. 36

133-151

PL

W artykule pokazano, jakie cechy statystyczne mają strumienie danych przesyłane w sieciach szerokopasmowych. Analizowane strumienie pochodziły z transmisji ruchomych obrazów przesyłanych w standardzie MPEG. Następnie przedstawiono, jaki charakter ma funkcja autokowariancji strumieni generowanych przez pewną klasę źródeł modelowanych za pomocą łańcuchów Markowa i jakie strumienie rzeczywiste mogą być w taki sposób modelowane. Przedstawiono model przełącznika sieciowego, sformułowanego za pomocą formalizmu sieci automatów stochastycznych. Strumienie pakietów napływające na wejście przełącznika są superpozycją strumieni o różnym charakterze.

EN

In the paper statistical features of data streams in broadband networks are discussed. The analyzed streams resulted from video transmitions, compressed and coded according to thre MPEG stndard. Futher, it is discussed how an autocovariation function of a data stream generated by a certain group of sources modelled by Markov chains look like and what kind of real streams may be modelled this way. As an example, a model of a multiservice network switch is presentd. It is constructed with the Stochastic Automata Network formalism. The incoming packet stream is a superposition of streams of different types.