Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: system uczący się

Sortuj według:

Ogranicz wyniki do:

Wymiar biznesowy ataków na systemy uczące się. Cz. 2. Zagrożenia związane z wykorzystaniem systemów uczących się w RPA

Rafało Mariusz

Napędy i Sterowanie

2021

R. 23, nr 3

80--84

Jak wskazano wcześniej, systemy uczące się, opierając się na danych uczących, dokonują generalizacji i identyfikacji reguł. Ta cecha modeli, czyniąca je możliwymi do wykorzystania na innych zbiorach danych, sprawia także, że każdy model jest niedoskonały. Ogólne reguły klasyfikacji powodują, że możliwe jest przygotowanie danych, które nieznacznie różnią się od danych oryginalnych, natomiast są odmiennie rozpoznawane przez model. Takie dane mogą być naturalnymi anomaliami, mogą także być próbkami intencjonalnie przygotowanymi, aby przeprowadzić atak na model. Atakujący prezentuje modelowi dane, które ten sklasyfikuje do innej grupy niż ta, do której rzeczywiście należą. Działanie to może mieć na celu zablokowanie pracy systemu lub wymuszenie błędnego działania systemu, w tym m.in. reakcji systemu na ściśle określone dane wejściowe zgodnie z intencjami atakującego.

Wymiar biznesowy ataków na systemy uczące się. Cz. 1

Rafało Mariusz

Napędy i Sterowanie

2021

R. 23, nr 2

40--45

W dzisiejszych czasach większość procesów biznesowych jest zinformatyzowana, a wiele z nich jest realizowanych wyłącznie w świecie cyfrowym. Informatyzacja sprawia, że poszczególne kroki procesu, generowane dane czy inne informacje, są rejestrowane w bazach danych. Dane rejestrowane w ten sposób określa się mianem cyfrowego śladu. Służą one monitorowaniu procesu i analizowaniu aktywności uczestników procesu.

Modelowanie rozkładu stopnia zagęszczenia masy formierskiej z wykorzystaniem systemów uczących się

Biernacki R., Perzyk M., Kozłowski J.

Archiwum Odlewnictwa

2006

R. 6, nr 18/2

477--482

Omówiono czynniki wpływające na stopień i równomierność zagęszczania masy w formie prasowanej przy użyciu wysokich nacisków. Przedstawiono analizę zależności między najważniejszymi parametrami tego procesu a właściwościami formy, wykonaną przy użyciu systemu uczącego się, jakim są sztuczne sieci neuronowe.

The effect of high-pressure moulding parameters to density of sand moulds is discussed. The analysis utilises artificial neural networks. The modelling qualities of the neural networks, based on prediction errors and relevant importance factors of input signals are presented.