Wyniki wyszukiwania - BazTech

1

Maintenance strategies overlook for devices under operation

Szpytko Janusz, Duarte Yorlandys Salgado

Journal of KONBiN

|

2020

|

Vol. 50, iss. 4

111--124

EN

An updated systematization of maintenance strategies based on selected transport device exploitation parameters, working in continuous process was presented. The presented framework provides guidelines of assessment methods and an evolution of the way-of-thinking and technological changes in the modern industry related with the maintenance strategies. The paper present also a holistic discussion about the maintenance strategies applicability on overhead operating cranes.

PL

Zaprezentowano zmodyfikowaną metodę obsługiwania eksploatowanych w sposób ciągły środków transportowych z wykorzystaniem ich wybranych parametrów eksploatacyjnych. Przykładem zastosowania jest wybrana klasa środków transportu technologicznego: suwnice pomostowe. Przedstawiono metody oceny oraz ewolucji sposobu myślenia i zmian technologicznych we współczesnym przemyśle związanych ze strategiami utrzymania.

2

Zastosowanie metod eksploracji danych produkcyjnych w diagnostyce przyczyn wad wyrobów i zakłóceń procesu produkcyjnego

Perzyk M.

Utrzymanie Ruchu

|

2017

|

Nr 4

45--47

PL

Metody eksploracji danych mogą przynieść znaczące korzyści w procesach produkcyjnych, przyczyniając się do ułatwienia wykrywania przyczyn problemów w postaci wad wyrobów i innych zakłóceń procesów wytwarzania. Warto zwrócić uwagę, że metody te z założenia wykorzystują istniejące, zarejestrowane w przedsiębiorstwie dane, bez konieczności przeprowadzania kosztownych eksperymentów w warunkach laboratoryjnych lub przemysłowych. Warunkiem pomyślnego ich stosowania jest jednak uświadomienie sobie przez personel inżynieryjny ogromnego potencjału systemów eksploracji danych w przedsiębiorstwach produkcyjnych, których wprowadzenie stanie się niedługo koniecznością.

3

Aircraft fault forecasting at maintenance service on the basis of historic data and aircraft parameters

Pogačnik B., Duhovnik J., Tavčar J.

Eksploatacja i Niezawodność

|

2017

|

Vol. 19, no. 4

624--633

EN

Aircraft maintenance and repair organizations (MROs) have to be competitive and attractive for both existing and new customers. The aircraft ground time at MROs should be as short as possible and cost effective without reducing the quality of the work. Process optimization in MROs requires the continuous improvement of processes and the elimination of non-value-added activities during maintenance checks. There is, on the one hand, an obligation to follow the prescribed procedures and, on the other hand, pressure for time and cost reduction. The aircraft servicing process has been analysed according to a lean methodology. The optimization of logistics processes is recognized as the most promising method for reducing the maintenance service time and costs of spare parts. The probability of aircraft faults is calculated on the basis of historic data from previously completed service projects. Aircraft parameters, such as aircraft type, operator, aircraft age, flight hours, flight cycles, engine type and operation location, are taken into consideration in the fault forecasting. The fault probability is used as an indicator for defining a priority list for the accomplishment of jobs included in the aircraft maintenance service. The proposed methodology was validated and confirmed on four different projects.

PL

Organizacje zajmujące się konserwacją i naprawami statków powietrznych (MRO) muszą dbać o swoją konkurencyjność i atrakcyjność zarówno dla istniejących jak i nowych klientów. Czas trwania obsługi naziemnej w MRO powinien być jak najkrótszy a konserwacja powinna pociągać za sobą jak najmniejsze koszty, bez konieczności obniżania jakości pracy. Optymalizacja procesów przeprowadzanych w MRO wymaga ciągłego doskonalenia oraz eliminacji nieuzasadnionych czynności przeglądowych. Z jednej strony pracownicy MRO muszą przestrzegać określonych procedur, z drugiej zaś strony, ciąży na nich presja redukcji czasu i kosztów obsługi. Proces obsługi statku powietrznego analizowano zgodnie z metodologią szczupłego utrzymania ruchu. Optymalizację procesów logistycznych uznaje się za najbardziej obiecujący sposób redukcji czasu obsługi serwisowej oraz kosztów części zamiennych. Prawdopodobieństwo wystąpienia uszkodzeń statku powietrznego obliczano na podstawie danych historycznych z uprzednio przeprowadzonych prac obsługowych. W prognozowaniu uszkodzeń, uwzględniano takie parametry statku powietrznego, jak typ statku, jego operator, wiek, liczba godzin w powietrzu, liczba cykli lotów, typ silnika oraz miejsce stacjonowania. Prawdopodobieństwo wystąpienia uszkodzeń wykorzystano jako wskaźnik do hierarchizacji zadań obsługi technicznej statku powietrznego. Przydatność proponowanej metodologii zweryfikowano i potwierdzono na przykładzie czterech różnych projektów.

4

Analysis of computer vision and image analysis technics

Rybchak Z., Basystiuk O.

ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes

|

2017

|

Vol. 6, No 2

79--84

EN

Computer vision and image recognition are one of the most popular theme nowadays. Moreover, this technology developing really fast, so filed of usage increased. The main aims of this article are explain basic principles of this field and overview some interesting technologies that nowadays are widely used in computer vision and image recognition.

5

Advanced methods of foundry processes control

Perzyk M., Kozlowski J., Wislocki M.

Archives of Metallurgy and Materials

|

2013

|

Vol. 58, iss. 3

899--902

EN

The paper discusses two main approaches utilized in contemporary industry to control of discrete and continuous manufacturing processes: Statistical Process Control and Engineering Process Control as well as applications of learning systems and time-series analysis in the control systems. The use of time-series techniques for anticipated control of selected foundry processes is presented and positively evaluated using industry data obtained from the green molding sand processing.

PL

W artykule omówiono dwa podejścia stosowane we współczesnym przemyśle do sterowania dyskretnymi i ciągłymi procesami wytwarzania: Statystyczne Sterowanie Procesem oraz sterowanie techniczne (ang. Engineering Process Control), a także zastosowania systemów uczących się i analizy szeregów czasowych w systemach sterowania. Zaprezentowano i poddano pozytywnej ocenie wykorzystanie technik szeregów czasowych w antycypacyjnym sterowaniu wybranymi procesami odlewniczymi, z użyciem danych przemysłowych uzyskanych z procesu przerobu wilgotnych mas formierskich.

6

A Review of Bayesian Networks and Structure Learning

Koski T. J. T., Noble J. M.

Mathematica Applicanda

|

2012

|

Vol. 40, No. 1

53-103

EN

This article reviews the topic of Bayesian networks. A Bayesian network is a factorisation of a probability distribution along a directed acyclic graph. The relation between graphical d-separation and independence is described. A short article from 1853 by Arthur Cayley [8] is discussed, which contains several ideas later used in Bayesian networks: factorisation, the noisy ‘or’ gate, applications of algebraic geometry to Bayesian networks. The ideas behind Pearl’s intervention calculus when the DAG represents a causal dependence structure and the relation between the work of Cayley and Pearl is commented on. Most of the discussion is about structure learning, outlining the two main approaches, search and score versus constraint based. Constraint based algorithms often rely on the assumption of faithfulness, that the data to which the algorithm is applied is generated from distributions satisfying a faithfulness assumption where graphical dseparation and independence are equivalent. The article presents some considerations for constraint based algorithms based on recent data analysis, indicating a variety of situations where the faithfulness assumption does not hold. There is a short discussion about the causal discovery controversy, the idea that causal relations may be learned from data.

PL

Artykuł jest przeglądem problemów analizowanych przy pomocy sieci bayesowskich. Sieć bayesowska jest acyklicznym grafem skierowanym, w którym węzły oznaczają zmienne, a krawędzie prawdopodobieństwa warunkowe czyli wpływy jednych zmiennych na inne. Autor przedstawia zależność między d-separowalnościa a niezależnością. Znaczna cześć pracy poświęcona jest dyskusji idei zawartych w pracy Arthura Cayley'a [8], która zawiera szereg pojęć i pomysłów wykorzystywanych w teorii sieci bayesowskich takich jak faktoryzacja rozkładu, zaszumione bramki "LUB" oraz zastosowanie geometrii algebraicznej. Autor omawia również "calculus of intervention", pomysł pochodzący od Pearla, gdy acykliczny graf skierowany (DAG) przedstawia przyczynowo-skutkowa strukturę zależności, oraz związki pomiędzy pracami Cayley'a i Pearla. Większość zawartego w artykule materiału poświęcona jest rozpoznawaniu i wykrywaniu zależności miedzy zmiennymi w oparciu o dwie główne metodologie: przeszukiwania i klasyfikacji oraz realizacji ograniczeń. Algorytmy oparte na kontroli ograniczeń często opierają się na założeniu, że dane do których algorytm jest stosowany pochodzą z rozkładu spełniającego założenie wierności oznaczającego równoważność d-separowalności i niezależności. W pracy prezentowane są rozwiązania dla algorytmów opartych na realizacji ograniczeń w przypadkach gdy założenie wierności nie jest spełnione. Przeprowadzono krótka dyskusje kontrowersji związanych z wykrywaniem przypadkowych powiązań

7

Sieci neuronowe w automatyce

Barski M., Jędruch W.

Automatyka, Elektryka, Zakłócenia

|

2011

|

Vol. 2, Nr 4

85-92

PL

Artykuł omawia podstawowe własności systemów uczących się, w szczególności sieci neuronowych, i podaje przykłady ich zastosowania w automatyce. Na wstępie przedstawia typy uczenia, struktury uczące się i algorytmy uczenia. Następnie opisuje sztuczne sieci neuronowe i ich własności oraz omawia przykładowe zastosowania. W zakończeniu szkicuje perspektywy dalszych zastosowań sieci neuronowych i innych systemów uczących się.

8

Nowe klasy inteligentnych systemów interpretacji danych obrazowych. Systemy UBIAS

Ogiela M. R., Tadeusiewicz R.

Pomiary Automatyka Kontrola

|

2010

|

R. 56, nr 2

193-196

PL

W pracy opisano nową klasę specjalistycznych systemów informacyjnych, nazwanych UBIAS. Systemy takie należą do klasy kognitywnych systemów wnioskujących i są przeznaczone do znaczeniowej analizy skomplikowanych elementów nowoczesnych multimedialnych baz danych. Systemy UBIAS nadają się zwłaszcza do wydobywania znaczeniowej warstwy z informacji przedstawionej w postaci obrazów. W pracy przedstawiane są argumenty uzasadniające twierdzenie, że znaczenie obrazu i jego forma to dwa rozłączne aspekty, z których ten pierwszy jest zdecydowanie ważniejszy. Przedstawiane rozważania prowadzone są w sposób ogólny, ale eksperymenty, które doprowadziły do zdefiniowania systemów UBIAS odwoływały się w większości do semantycznej analizy obrazów biomedycznych.

EN

Paper describes new class of cognitive information systems named UBIAS (Understanding-Based Image Analysis Systems). Such systems belong to the group of cognitive reasoning computer systems and are dedicated for the semantic analysis of the images. In contemporary information systems many types of multimedial (e.g. visual) patterns are used, and semantic oriented analysis of such type of information is necessary. The general idea of automatic understanding of the images can be applied to any type of image, but in paper only biomedical images are taken into account. For diagnostic purposes and for intelligent selection of proper medical images from the big and not annotated databases (e.g., Internet) we must consider semantic content of the images, because reasoning based on image information as well as selection suitable image information needs semantic analysis of the image merit content. Typical image processing, analysis and also pattern recognition or clustering is definitely not satisfied. For automatic image understanding we propose UBIAS systems. Such systems are predecessors of a new generation of intelligent systems for understanding of visual data and using this data in many purposes. Possible applications spread out from medical diagnosis, throw searching in visual databases up to extraction biometric characteristics for personal identification. Additionally such systems are very useful in the tasks of intelligent semantic i.e. based on merit content (and not only with regard to the form), information management in multimedia databases. Particular systems dedicated to semantic analysis of the images were described in previous authors papers, but the presented paper present the class of UBIAS systems using general description instead of examples.

9

Nowe klasy inteligentnych systemów interpretacji danych obrazowych. Systemy E-UBIAS

Ogiela M. R., Tadeusiewicz R.

Pomiary Automatyka Kontrola

|

2010

|

R. 56, nr 3

283-286

PL

Systemy UBIAS, opisywane we wcześniejszych pracach, zapoczątkowały powstanie nowej generacji inteligentnych systemów rozumienia danych obrazowych, w szczególności medycznych. Systemy te są również przydatne przy operowaniu w multimedialnych bazach danych ilekroć wykonywane operacje (wyszukiwania, grupowania, raportowania) muszą być oparte na merytorycznym sensie zawartości obrazu, a nie na formie informacji obrazowej. Systemy E-UBIAS przedstawiane w niniejszej pracy stanowią nową kategorię kognitywnych systemów przystosowanych do semantycznej interpretacji obrazu. Innowacją wprowadzoną w systemach E-UBIAS i poszerzającą możliwości wcześniejszych systemów UBIAS jest wprowadzenie nowego elementu zdobywania wiedzy podczas normalnej eksploatacji systemu (czyli swoistego procesu uczenia). Wskazano na możliwości zastosowania tych systemów, a także na nowe możliwości ich wykorzystania do pozyskiwania danych obrazowych traktowanych jako charakterystyki biometryczne.

EN

In previous papers given by authors the special class of computer vision systems was introduced and discussed. Such system named UBIAS was dedicated to cognitive analysis of images - especially medical ones. Replacing in UBIAS systems the image analysis and pattern recognition processes by cognitive resonance and automatic understanding we in fact introduce new class of vision systems which possibilities and advantages are not fully recognized until yet. Nevertheless the UBIAS image understanding systems have limitations related to "hand made" knowledge acquisition and representation process, which is necessary before starting the UBIAS system functioning. Sometimes collection of rules given by expert is too narrow, sometimes presentation of such rules in linguistic form used in UBIAS system is difficult, sometimes there are also another sources of problem - result is the same: The efficiency and quality of understanding of the images under consideration is not satisfactory. In all cases, when automatic understanding of the image using UBIAS methods is not good enough the solution can be E-UBIAS (Extended Understand-ing-Based Image Analysis System), which is presented in this article. The E-UBIAS systems set a new category of intelligent vision systems, which extend the possibilities of UBIAS towards acquiring knowledge and learning processes. In E-UBIAS systems two types of knowledge are used as a support of cognitive resonance procedures, leading to automatic understanding of the image semantic content. First type knowledge is acquired from experts ad is represented in linguistic form in graph-grammar structures used in typical cognitive resonance process. This is deductive part of the system. Second type knowledge is registered during normal work of the system. Every reasoning process performed by the system for some particular image give us new piece of information, which can be concatenated with other similar pieces coming from previous experiences. Such part of system is inductive one. Moreover systems belonging to the E-UBIAS class can be also used for collection of biometric characteristics for every person, which image was analyzed by the system and which semantic description was processed for automatic understanding purposes. It can be very useful in many security applications.

10

Learning Classifier Systems : a way of reinforcement learning based on evolutionary techniques

Wasielewska K., Seredyński M.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2006

|

z. 156

385-395

EN

Learning classifier systems (LCSs) are rule-based learning machines in which a reinforcement learning is conducted with use of evolutionary techniques. Currently, they are a subject of intensive study and of interesting applications. In this paper we present a review of LCSs. We give a short history of LCSs and overview current models. We also present some interesting and successful applications of LCSs

11

Selektywny wybór przykładów w konstrukcji klasyfikatorów z niezrównoważonych danych

Stefanowski J.

Pomiary Automatyka Kontrola

|

2006

|

R. 52, nr 6 bis

65-67

PL

W artykule omawia się problemy automatycznego konstruowania klasyfikatorów, będących zbiorem reguł decyzyjnych, z niezrówno-ważonych danych, w których klasa obiektów, będących przedmiotem szczególnego zainteresowania, zawiera zdecydowanie mniej przykładów niż inne klasy. W celu polepszenia zdolności rozpoznawania przykładów z klasy mniejszościowej przedstawia się propozycje wykorzystania selektywnego wyboru przykładów z klasy większościowej przed fazą indukcji reguł. Podejście jest ocenione w eksperymentach porównawczych ze innymi metodami.

EN

This paper concerns problems of automatic learning rule based classifiers from imbalanced data, where the minority class of primary importance is underrepresented in comparison to majority classes. To improve recognition of the minority class, we present the new approach, where the rule induction is combined with the selective filtering phase that removes noisy and borderline majority class examples from the input data. This approach is evaluated in a comparative experimental study.

12

Algorytmy ewolucyjne w realizacji systemów uczących się

Nowak L., Święcicki M., Wais P.

Bio-Algorithms and Med-Systems

|

2005

|

Vol. 1, no. 1/2

31--36

PL

Sztuczna inteligencja jest szeroką i szybko rozwijającą się dziedziną informatyki. Często do budowy inteligentnych systemów uczących się wykorzystywane są mechanizmy, które funkcjonują w naturze od bardzo dawna. Przykładem tutaj mogą być sztuczne sieci neuronowe, wzorowane na budowie i sposobie funkcjonowania ludzkiego mózgu oraz algorytmy genetyczne opierające swoje działanie na teorii ewolucji, sformułowanej w 1859 r. przez Karola Darwina. W ostatnich latach zainteresowanie także zaczęły wzbudzać sztuczne sieci immunologiczne, których główną ideą jest odwzorowanie działania ludzkiego systemu odpornościowego. Takie mechanizmy uczenia się pozwalają na rozwiązywanie złożonych problemów obliczeniowych z zakresu przetwarzania danych, sztucznej inteligencji, klasyfikacji danych wielowymiarowych, optymalizacji funkcji, ekstrakcji wiedzy i innych. Artykuł ten zawiera zastosowanie algorytmów ewolucyjnych w rozwiązywaniu przykładowego problemu.

EN

Artificial intelligence is a fast developing discipline of computer science. Frequently, while creating learning systems, we use solutions that have been known to nature for ages. A good example is artificial neural network that is designed to work in a way similar to human brain. Another commonly used idea is genetic algorithm based on Charles Darwin's theory of evolution. Recently artificial immune systems are gaining popularity; their basic idea is to imitate the human immune system. Those learning mechanisms give possibility to solve complex problems of data processing, data mining, data classification, optimization, machine learning, pattern detection, and many more. This paper contains evolutionary algorithm designed to solve a simple machine learning problem.

13

Modelowanie procesów produkcyjnych za pomocą naiwnego klasyfikatora Bayesa i sztucznych sieci neuronowych

Perzyk M., Biernacki R.

Informatyka w Technologii Materiałów

|

2004

|

T. 4, Nr 3

98-104

PL

Badania porównawcze przeprowadzone w niniejszej pracy pozwoliły na stwierdzenie, że błędy przewidywania naiwnego klasyfikatora Bayesa być mniejsze lub większe od błędów sieci neuronowej. Dla dwóch identycznych symulowanych zbiorów o wyjściu binarnym, różniących się tylko liczebnością, NKB wykazał mniejszy błąd (% mylnych kategorii) niż SSN w przypadku zbioru mniej licznego. Współczynnik istotności względnej wielkości weściowych związany z NKB w obecnej postaci daje mało precyzyjne wyniki dla sygnałów o mniejszym znaczeniu. Dla wyjścia typu binarnego NKB dał wyraźnie lepszy rezultat w postaci identyfikacji sygnału zdecydowanie wyróżniającego się, niż SSN. Należy stwierdzić, że główną zaletą NKB w stosunku do SSN jest jednoznaczność tego modelu, a także prostota jego stosowania. Sadzić można także, że NKB jest mniej wymagający, jeśli chodzi o liczebność zbioru uczącego (np. nie wymaga on zbioru weryfikującego przy uczeniu). Wydaje się, że NKB może stanowić pożyteczny dla zastosowań przemysłowych system uczący się, w niektórych przypadkach lepszy od SSN. Celowe są jednak dalsze, systematyczne badania, zwłaszcza nad rozszerzeniem możliwości interpretacji wyników obu systemów, w tym analizy istotności wielkości wejściowych. Obecna praca pozwoliła jedynie na zwrócenie uwagi na potencjalne możliwości zastosowań NKB do modelowania procesów przemysłowych, jako alternatywnego wobec SSN systemu uczącego się oraz zasygnalizowanie szeregu problemów z tym związanych.

EN

Modeling qualities of two types learning systems are compared: naive Bayesian classifier (NBC) and artificial neural networks (ANN), based on prediction errors and relevant importance factors of input signals. Simulated and real industrial data were used. It was found that NBC can be an effective and a better tool in some applications, compared to ANN.

14

Zastosowanie systemów uczących się do przewidywania własności materiałów odlewanych

Kozłowski J., Biernacki R., Myszka D., Perzyk M., Kochański A.

Archiwum Odlewnictwa

|

2004

|

R. 4, nr 14

249-258

PL

Przedstawiono przykłady zastosowania systemów uczących się do przewidywania własności materiałów odlewanych. Omówiono rozszerzone możliwości zastosowania sieci neuronowych do sterowania procesami metalurgicznymi. Omówiono realizowany projekt badawczy dotyczący modelowania procesu wytwarzania żeliwa ADI.

EN

Applications of artificial neural networks and other learning systems to prediction of properties of cast materiaIs are presented. Extended possibilities of applications of neural networks to control of metallurgical processes are shown. A currently developed project related to production of ADI is brietly discussed.

15

A new space-saving bayesian tree construction : method for high dimensional spaces

Kłopotek M.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

|

2001

|

Nr 925

1-8

EN

Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. There exist efficient reasoning methods for Bayesian networks. Many algorithms for learning Bayesian networks from empirical data have been developed. A well-known problem with Bayesian networks is the practical limitation for the number of variables for which a Bayesian network can be learned in reasonable time. A remarkable exception here is the Chow/Liu algorithm learning tree-like Bayesian networks. However, also this algorithm has an important limitation, related to space consumption. The space required is quadratic in the number of variables. The paper presents a novel algorithm overcoming this limitation for the tree-like class of Bayesian networks. The new algorithm space consumption grows linearly with the number of variables while the execution time is comparable with the Chow/Liu algorithm. This opens new perspectives in construction of Bayesian networks from data containing thousands and more variables, e.g. in automatic text categorization.

PL

Sieci bayesowskie mają wiele praktycznych zastosowań związanych z ich zdolnością do zwartej reprezentacji rozkładów prawdopodobieństwa w wielu zmiennych. Istnieją efektywne metody wnioskowania w sieciach bayesowskich. Opracowano wiele algorytmów uczenia sieci z danych. Znanym problemem sieci bayesowskich są ograniczenia co do ilości zmiennych, dla których algorytmy uczące działają w rozsądnym czasie. Wyjątkiem jest tu algorytm Chow/Liu generujący drzewiaste sieci bayesowskie. Niestety poważnym ograniczeniem dla wielu nowych zastosowań jest tu wymagana pamięć, która rośnie z kwadratem liczby zmiennych. W pracy przedstawiony jest nowy algorytm uczenia sieci drzewiastych z danych, który ma liniowe zużycie pamięci, a jednocześnie czas jego wykonania jest porównywalny z algorytmem Chow/Liu. Stwarza to nowe perspektywy zastosowań w sytuacjach gdy trzeba tworzyć sieci liczące tysiące i więcej węzłów, np. automatycznej kategoryzacji tekstów.

16

A new Bayesian tree construction : method with decreased time complexity

Kłopotek M.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

|

2001

|

Nr 927

1-11

EN

Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. There exist efficient reasoning methods for Bayesian networks. Many algorithms for learning Bayesian networks from empirical data have been developed. A well-known problem with Bayesian networks is the practical limitation for the number of variables for which a Bayesian network can be learned in reasonable time. A remarkable exception here is the Chow/Liu algorithm learning tree-like Bayesian networks. However, its quadratic time and space complexity in the number of variables may prove also prohibitive for high dimensional data. The paper presents a novel algorithm overcoming this limitation for the tree-like class of Bayesian networks. The new algorithm space consumption grows linearly with the number of variables n while the execution time is proportional to n ln (n), hence both are better than those of Chow/Liu algorithm. This opens new perspectives in construction of Bayesian networks from data containing tens of thousands and more variables, e.g. in automatic text categorization.

PL

Sieci bayesowskie mają wiele praktycznych zastosowań związanych z ich zdolnością do zwartej reprezentacji rozkładów prawdopodobieństwa w wielu zmiennych. Istnieją efektywne metody wnioskowania w sieciach bayesowskich. Opracowano wiele algorytmów uczenia sieci z danych. Znanym problemem sieci bayesowskich są ograniczenia co do ilości zmiennych, dla których algorytmy uczące działają w rozsądnym czasie. Wyjątkiem jest tu algorytm Chow/Liu generujący drzewiaste sieci bayesowskie. Niestety, jego kwadratowa złożonośc obliczeniowa w liczbie zmiennych jest poważnym ograniczeniem dla wielu nowych zastosowań wielowymiarowych. W pracy przedstawiony jest nowy algorytm uczenia sieci drzewiastych z danych, który ma liniowe zużycie pamięci, a jednocześnie czas jego wykonania jest proporcjonalny do n ln(n). Zarówno złożoność czasowa jak i przestrzenna przewyższa parametry algorytmu Chow/Liu. Stwarza to nowe perspektywy zastosowań w sytuacjach, gdy trzeba tworzyć sieci liczące dziesiątki tysięcy i więcej węzłów, np. automatycznej kategoryzacji tekstów.

17

Wykorzystanie algorytmów ewolucyjnych do wspomagania prac inżynierskich

Dobrodziej J.

Problemy Eksploatacji

|

2000

|

nr 4

25-34

PL

Omówiono możliwości wykorzystania algorytmów ewolucyjnych do wspomagania prac inżynierskich w wyniku pozyskiwania reguł logicznych na drodze odkrywania wiedzy w zbiorach lub bazach danych. Przedstawiono koncepcję równoległego, hierarchicznego algorytmu ewolucyjnego, przeznaczonego do wyszukiwania reguł logicznych.

EN

The paper present the possibilities of evolutionary algorithms application in engineering work support system. The algorithm was implemented as machine learning method in order to get logical rules in data files or databases. Machine learning is relatively young discipline and it is like that many new, more powerful methods will be developed in the future. The method presented here fall into the general category of inductive concept learning, which constitutes perhaps the most advanced task in machine learning.