Wyniki wyszukiwania - BazTech

1

Application of unsupervised learning algorithms for analysis the vibrations of an oscillator forced by a random series of impulses

Ozga Agnieszka, Sulewski Marek

Vibrations in Physical Systems

|

2023

|

Vol. 34, nr 1

art. no. 2023121

EN

Paper discusses a mathematical model describing the vibrations of a linear oscillator forced by a random series of impulses. The study aims at checking how precisely the distributions of values of the impulses forcing the vibrations of an oscillator can be differentiated. The analysis was carried out in the MatLab environment with the use of hierarchical clustering algorithms of unsupervised machine learning, for samples generated from computer simulation. The time series are non-stationary. The studies showed that high precision could be achieved in distinguishing two very similar distributions forcing the vibrations, on the basis of an analysis of the two first moments calculated from the movement.

2

Unsupervised learning in latent space with a fuzzy logic guided modified BA

Kiełkowicz K.

Technical Transactions

|

2018

|

Vol. 115, iss. 8

141--153

EN

In this paper, a modified bat algorithm with fuzzy inference Mamdani-type system is applied to the problem of document clustering in a semantic features space induced by SV D decomposition. The algorithm learns the optimal clustering of the documents as well as the optimal number of clusters in a concept space; thus, making it suitable for a large and spare dataset which occur in information retrieval system. A centroidbased solution in multidimensional space is evaluated with a silhouette index. A TF-IDF method is used to represent documents in vector space. The presented algorithm is tested on the 20 Newsgroup dataset.

PL

W publikacji zmodyfikowany algorytm nietoperzowy z rozmytym kontrolerem typu Mamdaniego został zastosowany do problemu analizy skupisk dla danych tekstowych. Proces uczenia odbywa się w przestrzeni skompresowanej, otrzymanej z dekompozycji SV D zbioru uczącego. Prezentowany algorytm uczy się jednocześnie optymalnego pokrycia klastrami przestrzeni oraz liczebności klastrów. Do oceny jakości rozwiązania zastosowano wskaźnik Sillhouette. Dane w reprezentacji wektorowej otrzymano z wykorzystaniem transformacji TF-IDF. Prezentowany algorytm przetestowana na zbiorze „20 Newsgroup”.

3

Sztuczne sieci neuronowe i kierunki ich zastosowań w przemyśle. Podstawowe rodzaje sztucznych sieci neuronowych

Drobina R., Grecka A., Lewandowski S.

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2016

|

nr 7

26--31

EN

The article presents the basic types of artificial neural networks (ANN), designed to solve the regression problems, engineering applications, engineering manufacturing as well as in industrial conditions. The group included these networks are Adaline network, Madaline networks, linear, unidirectional network perpceptron type of multi-layer (MLP), Generalized Regression Neural Networks (GRNN) and a network of radial basis function (RBF).

4

Porównanie skuteczności wybranych klasyﬁkatorów neuronowych w identyﬁkacji grup macerałów węgla kamiennego oraz materii nieorganicznej

Skiba M., Młynarczuk M.

Prace Instytutu Mechaniki Górotworu PAN

|

2016

|

T. 18, nr 4

133--138

PL

Jednym z podstawowych zastosowań sztucznych sieci neuronowych jest rozpoznawanie i klasyfikacja wzorców. W ramach pracy przeprowadzono automatyczną identyfikację grup macerałów oraz materii nieorganicznej za pomocą trzech klasyfikatorów neuronowych: dwuwarstwowej sieci jednokierunkowej (Multi-Layer Perceptron, MLP), sieci o radialnych funkcjach bazowych (Radial Basis Function, RBF) oraz samoorganizującej mapy Kohonena (Self- -Organizing Maps, SOM). Do analiz wykorzystano zbiór 3000 mikroskopowych zdjęć próbek węgla kamiennego. Każde z nich opisano 12 – wymiarowym wektorem cech. Dla każdej z rozpatrywanych sieci dokonano 100 – krotnego powtórzenia losowego wyboru ciągu uczącego, treningu sieci oraz rozpoznania badanych obiektów. Analizy wykazały wysoką skuteczność zastosowanych klasyfikatorów neuronowych w identyfikacji grup macerałów oraz materii nieorganicznej. Najlepsze rezultaty, na poziomie przekraczającym 98% poprawnych rozpoznań, uzyskano dla klasyfikatorów bazujących na uczeniu nadzorowanym (MLP oraz RBF). Nieznacznie niższą skuteczność rozpoznań otrzymano w przypadku sieci SOM – 95,9% klasyfikacji zgodnych z decyzjami obserwatora.

EN

One of the main applications of artificial neural networks is the recognition and classification of different patterns. In the framework of the work an automatic identification of maceral groups and inorganic matter was carried. Three neural classifiers were used: a Multi-Layer Perceptron (MLP), a network of Radial Basis Function (RBF) and Kohonen Self-Organizing Maps (SOM). For the purposes of the analysis a collection of 3,000 images of microscopic samples of coal was used. Each image was described by 12-dimensional feature vector. For each network were carried out: a hundredfold draw of learning set, the network training and classification of objects under study. The analyses have shown high effectiveness of the neural classifi ers used to identify maceral groups and inorganic matter. The best results were obtained for the classifiers based on supervised learning (MLP and RBF). They were at a level exceeding 98% of correct diagnoses. Slightly lower efficiency of diagnosis was obtained in the case of SOM network – 95.9% of classification compatible with the observer decisions.

5

Badanie właściwości asocjacyjnych maszyny LSM złożonej z neuronów Hodgkina-Huxleya

Muszyński S., Kamiński W. A.

Bio-Algorithms and Med-Systems

|

2005

|

Vol. 1, no. 1/2

27--30

PL

Praca zawiera wyniki symulacji, przeprowadzonych w czasie badania podstawowych zdolności asocjacyjnych sieci Liquid State Machine (LSM), zbudowanej na neuronach Hodgkina-Huxleya. Przebadano również możliwość zastosowania algorytmu Hebba w procesie uczenia takiej sieci.

EN

The aim of this work was to examine the Hebbian learning capabilities of the new neural microcircuit model called Liquid State Machinę (LSM) build on Hodgkin-Huxley neurons. LSM network does not require a task-dependent construction of a neural circuit, and has the real-time computing capability.