Wyniki wyszukiwania - BazTech

1

Unsupervised seismic data deblending based on the convolutional autoencoder regularization

Xue Yaru, Chen Yuyao, Jiang Minhui, Duan Hanting, Niu Libo, Chen Chong

Acta Geophysica

|

2022

|

Vol. 70, no 3

1171--1182

EN

Simultaneous source technology can provide high-quality seismic data with lower acquisition costs. However, a deblending algorithm is needed to suppress the blending noise. The supervised deep learning methods are effective, but are usually limited by the lack of labels. To solve the problem, we propose an unsupervised deep learning method based on acquisition system. A convolutional autoencoder (CAE) network is employed to predict the deblending results of the input pseudodeblended data. And then, the deblending results will be re-blended using the given blending operator. The parameters of CAE will be optimized by the difference between re-blended data and input data, which is defined as ‘blending loss.’ The blending problem is ill-posed but the CAE can be regarded as an implicit regularization term which constrains the solving process to obtain the desire solution. A numerical test on synthetic data demonstrates that the proposed method can converge to correct results and two field data experiments verify the flexibility and effectiveness of our model. The transfer training method is also used to improve model performance.

2

Intelligent velocity picking and uncertainty analysis based on the Gaussian mixture model

Wang Xiaowei, Gao Yang, Chen Chang, Yuan Huan, Yuan Sanyi

Acta Geophysica

|

2022

|

Vol. 70, no 6

2659--2673

EN

The stacking velocity is often obtained manually. However, manually picking is inefficient and is easily affected by subjective factors such as the priori information and the experience of different processors. To enhance its objectivity, efficiency and consistency, we investigated an unsupervised clustering intelligent velocity picking method based on the Gaussian mixture model (GMM). This method can automatically pick the stacking velocity fast, and provide uncertainty analysis as a quality control. Combined with the geometry feature of energy clusters in velocity spectra, taking advantages of the geometric diversity of energy clusters, GMM can ft the energy clusters with different distributions more appropriately. Then, mean values of the final several submodels are located as the optimal velocity, and the multiples are avoided under the expert knowledge and geological rules. In addition, according to the covariance of submodels, we can derive the uncertainty analysis of the final time-velocity pairs, so as to indicate the reliability of picking velocity at different depths. Moreover, the automated interpreted velocity field is used for both normal moveout (NMO) correction and stacking. The comparison with the manual references is adopted to evaluate the quality of the unsupervised clustering intelligent velocity picking method. Both synthetic data and 3D field data have shown that the proposed unsupervised intelligent velocity picking method can not only achieve similar accuracy with manual results, but also get rid of multiples. Furthermore, compared with manual picking, it can significantly improve the efficiency and accuracy in identifying pore and cave structures, as well as indicating the uncertainty of time-velocity pairs by variance.

3

Implementation of the game model of the Polish Ekstraklasa team using machine learning techniques

Pogodziński Jakub

Annals of Computer Science and Information Systems

|

2021

|

Vol. 26

231

EN

The aim of the thesis is to create a model defining the style of play of a team playing in the Polish Ekstraklasa. The limitation to the highest Polish league class is dictated by the differences in the style of play depending on the league. The model is to be created on the basis of data about the team's game. To build the model, supervised and unsupervised learning techniques will be used and compared to find the relationship between the team's statistics and the determination of its playing style.

4

Evaluation of Gesture Description Language in the role of touchless interface for virtual reality environment

Hachaj T., Ogiela M. R., Baraniewicz D.

Przegląd Elektrotechniczny

|

2017

|

R. 93, nr 5

57--66

EN

The main novelty presented in this paper is application and evaluation our Gesture Description Language (GDL) classifier in the role of touchless interface for virtual reality (VR) environment. In our VR system whole interaction is done by gestures and body movements analysis (so called natural user interface). For our needs we have adapted semi-realistic VR system (block engine). We have tested different aspects of proposed interface on a group of 26 persons with wide range of age (from 5 years to 40+) and both sexes. The results we obtained prove that GDL can be successfully applied in systems that require real time action recognition especially educational software games that aim at increasing the students’ motivation and engagement while they learn.

PL

W tym artykule autorzy prezentują zastosowanie klasyfikatora o nazwie Język Opisu Gestów (GDL) w roli bezdotykowego interfejsu systemu wirtualnej rzeczywistości. Całość interakcji z zaprezentowanym w tej pracy systemem odbywa się poprzez rozpoznanie i analizę ruchu użytkownika (jest to tak zwany interfejs naturalny). Klasyfikator GDL został przetestowany w pseudo – realistycznym, wirtualnym środowisku, na grupie 26 osób obu płci w przedziale wiekowym od 5 do 40+ lat. Otrzymane rezultaty dowodzą, że zaproponowane podejście może być z powodzeniem użyte w aplikacjach wykorzystujących wirtualną rzeczywistość, w szczególności w grach edukacyjnych, których celem jest uatrakcyjnienie procesu zdobywania wiedzy.

5

Zastosowanie klasteryzacji do automatycznej detekcji artefaktów mrugania oczami w sygnale EEG

Kołodziej M., Majkowski A., Rak R.J.

Przegląd Elektrotechniczny

|

2014

|

R. 90, nr 8

175-177

PL

W artykule zaprezentowano autorską metodę detekcji krótkich fragmentów sygnału EEG, które zawierają artefakty mrugania oczami. Autorzy, do automatycznego wskazania fragmentów sygnału EEG zawierającego artefakty mrugania oczami wykorzystali uczenie bez nadzoru (algorytm K-means) oraz cechy sygnału takie jak amplituda i statystyki wyższych rzędów. Wyniki działania algorytmu są bardzo zadowalające. Trafność detekcji wynosi 98%. Algorytm pozwala wykluczyć zaznaczone fragmenty sygnału i nie poddawać ich dalszej analizie. Takie podejście zdaniem autorów przysłuży się do efektywniejszego wykorzystania sygnałów EEG.

EN

The paper presents an original method for the detection of short fragments of the EEG signal, which contain eye blinking artifacts. The authors, to automatically identify fragments the EEG signal containing eye blinking artifacts, used unsupervised learning (K-means algorithm) and the signal features such as amplitude and higher-order statistics. The obtained results are very satisfactory. Accuracy of detection is 98%. The algorithm enables to exclude selected fragments of the signal and not analyze them further. Such an approach, according to the authors, enable more efficient use of EEG signals.

6

Maximum Margin Clustering Using Extreme Learning Machine

Chen Z., Shixiong X., Bing L.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 1b

202--204

EN

Maximum margin clustering (MMC) is a newly proposed clustering method, which extends large margin computation of support vector machine (SVM) to unsupervised learning. But in nonlinear cases, time complexity is still high. Since extreme learning machine (ELM) has achieved similar generalization performance at much faster learning speed than traditional SVM and LS-SVM, we propose an extreme maximum margin clustering (EMMC) algorithm based on ELM. It can perform well in nonlinear cases. Moreover, the kernel parameters of EMMC need not be tuned by means of random feature mappings. Experimental results on several real-world data sets show that EMMC performs better than traditional MMC methods, especially in handling large scale data sets.

PL

Opisano nową metodę klastrowania „maximum margin clusterung MMC” która rozszerza wielkość marginesu obliczeń numerycznych w systemie SVM z uczeniem bez nadzoru. Nowa metoda EMMC (extreme maximum margin clustering) zapewnia szybsze uczenie, szczególnie w warunkach nieliniowości.

7

Application of clustering method for the ambiguity groups detection in the diagnostic of analog systems

Bilski P.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 2a

276--278

EN

The paper presents application of unsupervised learning methods to detect ambiguity groups in the data used in the diagnostics of analog systems. The proposed approach processes labelled data sets from simulated systems to find similar examples belonging to different faulty states. Two algorithms were used in the presented research: graph clustering. Efficiency of the method is compared and verified against the exemplary electrical system, i.e. induction machine. Future prospects of such methods will be also included.

PL

W artykule przedstawiono zastosowanie metod uczenia bez nadzoru w celu wykrycia grup niepewności w danych wykorzystywanych do diagnostyki systemów analogowych. Dane przetwarzane są w celu znalezienia podobnych do siebie przykładów należących do różnych kategorii uszkodzeń. Metoda clusteringu grafowego zostały przetestowane na przykładzie silnika indukcyjnego.

8

Artificial intelligence methods in the diagnostics of analog system

Bilski P.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2013

|

z. 193

3--178

EN

The topic of the monograph are applications of the artificial intelligence methods to the diagnostics of analog system. The work presents the current stare of the art, introducing the taxonomy of analyzed objects, categorization of existing methods and their applications for the particular tasks. The presented domain is wide, therefore after introducing its main fields, the author’s achievements are presented in detail. The monograph is focused on the data-driven approaches (as opposed to the model-based approaches), which are the standard tool for the data sets analysis and for the decision making. The structure of the data set is explained and methods of the data preprocessing, i. e. discretization, attribute reduction and normalization. These operations are the mandatory step before the intelligent method can be used. The problems of the contemporary diagnostics are introduced. They include ambiguity groups, multiple faults, presence of the additive noise or the tolerances of the system’s parameters. Solving them is crucial for maintaining the system’s testability on the high level. The important part of the work is the overview of the existing diagnostic methods. They were grouped according to their applications and briefly discussed. Approaches used in the experimental examples were introduced in detail. The main categories of intelligent methods include rule-based approaches (rule-induction algorithms, fuzzy logic and rough sets), artificial neural networks (multilayered perceptrons, radial basis functions, support vector machines and other), probabilistic approaches (such as naïve Bayes classifier) and unsupervised learning methods. The optimization algorithms play the auxiliary role to the diagnostic approaches. They facilitate finding the best configuration of the method’s parameters. The analysis of all presented approaches is conducted, considering their advantages, drawbacks and computational complexity. Introduction of existing methods allows for combining them to obtain a better quality of the diagnostic system. The separate chapter is devoted to such advanced solution, for instance combining the rule-induction algorithm with the fuzzy logic or using the unsupervised learning method to detect the ambiguity group. Experimental examples demonstrate possible applications of the classification and regression methods, used to diagnose selected analog system, such as the electrical machine or the electronic circuit. Each example is discussed, revealing the most important features of the presented methods and showing the profits from combining multiple approaches. The presented examples prove that artificial intelligence methods are efficient diagnostic tools, requiring the properly prepared data sets for extracting knowledge and testing it.

9

An unsupervised learning method for comparing the quality of the soft computing algorithms in analog systems diagnostics

Bilski P.

Przegląd Elektrotechniczny

|

2010

|

R. 86, nr 11a

242-247

EN

The paper presents the method of assessing the difficulty of the analog system for the diagnostics using soft computing algorithms. As the latter exploit knowledge from data sets obtained from simulations of the diagnosed systems, the method estimates the diagnostic difficulty of the system based on the data set analysis. This allows comparison of various systems and diagnostic methods. The versatile method of the data sets’ difficulty based on the graph clustering algorithm is proposed and explained. It is applied to test fuzzy logic and rough sets against the sixth order Butterworth lowpass filter. Conclusions and future prospects supplement the paper.

PL

W artykule przedstawiono metodę oceny trudności diagnostyki systemów analogowych opartej na metodach sztucznej inteligencji. Wykorzystuje ona zbiory danych uzyskiwane w wyniku symulacji diagnozowanych systemów. Możliwe jest dzięki temu porównywanie różnych systemów oraz metod diagnostycznych. Przedstawiona jest metoda oceny oparta na clusteringu grafowym. Następnie przedstawione jest jej wykorzystanie do porównania wyników diagnostyki filtru dolnoprzepustowego Butterwortha szóstego rzędu przy użyciu zbiorów przybliżonych oraz logiki rozmytej. Na końcu umieszczono wnioski oraz rozważania na temat zastosowań metody.

10

A graph clustering-based method of the assessment of rough sets efficiency in the diagnostics of analog systems

Bilski P., Wojciechowski J.

Elektronika : konstrukcje, technologie, zastosowania

|

2009

|

Vol. 50, nr 4

32-37

EN

The paper presents the method of analyzing the rough-sets based diagnostic module using the graph clustering algorithm. The former is used to extract knowledge from the learning data set and use it to process the testing data set. The latter is used to find dependencies in sets that make diagnostic process difficult. This way the information about the structure of the set influencing diagnostic efficiency is obtained. Both algorithms are tested on the example of the electronic circuit - the fifth order lowpass Butterworth filter. Analysis of the algorithms efficiency is performed and remarks for the future applications presented.

PL

W artykule przedstawiono opartą na grupowaniu grafowym analizy modułu diagnostyki systemów analogowych wykorzystującego zbiory rozmyte. Te ostatnie są wykorzystane do budowy modułu diagnostycznego poprzez uzyskanie wiedzy (w postaci reguł), która stosowana jest do analizy zbioru testowego. Grupowanie grafowe zostało użyte do znalezienia w zbiorach zależności pomiędzy przykładami należącymi do różnych kategorii, co utrudnia poprawną klasyfikację uszkodzeń. Dzięki temu możliwa jest ocena efektywności modułu diagnostycznego. Oba algorytmy zostały przetestowane na filtrze dolnoprzepustowym Butterwortha piątego rzędu. Przedstawiono przebieg weryfikacji skuteczności procesu diagnostycznego oraz wyciągnięto wnioski odnośnie przewidywanych zastosowań praktycznych podejścia.

11

Quantitative considerations on finding the shortest descriptions for meaningful symbolic sequences

Dębowski Ł.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

|

2001

|

Nr 924

1-36

EN

The notes provide elements of a new quantitive theory for unsupervised learning from pragmatic language communication. It is argued that the suitable quantitive inference framework free from paradoxes should be based on minimum description lenght (MDL) interpreted as a simplified algorithmic complexity rather than on classical frequwntist probability. Furthermore, it is argued that recently observed non-extensivity of entropy in meaningful symbolic sequences can arise if and only if unsupervised acquisition of the MDL theories for these sequences produces infinite theories and when the unsupervised acquisition is optimal as well. Such result shakes rigorously the belief that a finite formal theory of natural language could be constructed by hands of any experts. On the other hand, unsupervised machine learning is pointed out as a feasible and the only right way to implementing language competence into Ais. From this perspective, a promising compression-learning algorithm by de Marcken, its efficiency and its extension are discussed. Important parallels with research in cognitive science and statistical physics are pointed out, as well. Thus, the notes may be interesting not only for computer scientists and linguists but also for other statistical and symbolic theorists.

PL

W niniejszych notatkach przedstawiono elementy nowej, ilościowej teorii uczenia bez nadzoru na podstawie pragmatycznej komunikacji językowej. Podano argumenty wskazujące na to, że odpowiedni formalizm wnioskowania ilościowego wolny od paradoksów powinien bazować na minimalnej długości opisu jako uproszczonej mierze złożoności algorytmicznej, a nie na prawdopodobieństwie jako klasycznej mierze częstości. Pokazano także, że niedawno zaobserwowana nieekstensywność entropii niepustych semantycznie ciągów symboli zachodzi wtedy i tylko wtedy, gdy teorie najkrótszych opisów dla tych ciągów mogą rosnąć nieskończenie, a także wtedy, gdy uczenie bez nadzoru zachodzi maksymalnie efektywnie. Rezultat ten w sposób ścisły podważa przekonanie, że skończona formalna teoria języka naturalnego może być podana przez jakiegokolwiek specjalistę. Z drugiej strony, wynik ten ukazuje maszynowe uczenie bez nadzoru jako perspektywicznie realizowalny a zarazem jedyny właściwy sposób implementowania kompetencji językowej w sztucznej inteligencji. Z tego względu przeprowadzono dyskusję obiecującego algorytmu uczenia opartego na kompresji, podanego przez de Marckena. Rozważono wstępnie możliwe rozszerzenia tego algorytmu. Ponieważ przedstawiono istotnie powiązania pomiędzy omawianymi kwestiami a bieżącymi badaniami w kognitywistyce i fizyce statystycznej, niniejsze notatki mogą zainteresować nie tylko informatyków i lingwistów, ale także innych teoretyków zajmujących się naukami statystycznymi i symbolicznymi.