PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 13

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  wykrywanie wyjątków
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Outlier detection in EEG signals
Duraj Agnieszka, Chomątek Łukasz
Przegląd Elektrotechniczny
|
2023
|
R. 99, nr 1
237--240
EN
In this paper, the topic of detection of outliers in EEG signals was discussed, which facilitates making decisions about the diagnosis of a patient based on this study. We used two methods to detect outliers: the support vector machine and the k nearest neighbors method. The experiments were performed on a publicly available dataset containing EEG test results for 500 patients. The obtained results showed that the methods we used allow for the outlier detection efficiency at the level of 93%.
PL
W niniejszej pracy podjęto temat detekcji wyjątków w sygnałach EEG, co pozwala na ułatwienie podejmowania decyzji co do diagnozy pacjenta na podstawie tego badania. Do detekcji wyjątków wykorzystaliśmy dwie metody: maszynę wektorów nośnych i metodę k najblizszych sąsiadów. Eksperymenty zostały przeprowadzone na ogólnodostępnym zbiorze danych zawieraj ącym wyniki badania EEG dla 500 pacjentów. Uzyskane wyniki pokazały, że u żyte przez nas metody pozwalają na uzyskanie skuteczności detekcji wyjątków na poziomie 93%.
2
Content available remote 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
Content available remote 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
Wykrywanie wyjątków przy użyciu wektorów nośnych
Duraj A.
Zeszyty Naukowe Wyższej Szkoły Informatyki
|
2017
|
Vol. 16, Nr 1
55--66
PL
W artykule omówiono metodę wektorów nośnych w bardzo ważnym aspekcie wykrywania wyjątków w dużych zbiorach danych. Wykrywanie wyjątków jest istotne przy procesach analizowania danych, gdzie mamy do czynienia z klasyfikacja, grupowaniem, wyznaczaniem reguł asocjacyjnych. Istnienie wyjątków w klasyfikowanych czy grupowanych danych wpływa na cały kontekst analizy. Może prowadzić do wyznaczenia błędnych reguł. Wyjątki muszą być zatem identyfikowane. W niniejszym artykule skupiono się na metodzie wektorów nośnych w celu wykrywania wyjątków. Badania zostały oparte na zbiorach z repozytorium UCI [17].
EN
Outlier detection in data covers a broad spectrum of science research. In this paper, the author proposes an approach to outlier detection based on support vector machine. In data, an outlier may be considered as a deviation which indicates the existence of outliers. The paper presents the results of tests which were conducted on the set of data from the repository [19].
5
Content available remote Outlier mining using the DBSCAN algorithm
Nowak-Brzezińska A., Xięski T.
Journal of Applied Computer Science
|
2017
|
Vol. 25, nr 2
53--68
EN
This paper introduces an approach to outlier mining in the context of a real-world dataset containing information about the mobile transceivers operation. The goal of the paper is to analyze the influence of using different similarity measures and multiple values of input parameters for the densitybased clustering algorithm on the number of outliers discovered during the mining process. The results of the experiments are presented in section 4 in order to discuss the significance of the analyzed parameters.
6
Content available remote Outlier mining in rule-based knowledge bases
Nowak-Brzezińska A.
Journal of Applied Computer Science
|
2017
|
Vol. 25, nr 2
7--27
EN
This paper introduces an approach to outlier mining in the context of rule-based knowledge bases. Rules in knowledge bases are a very specific type of data representation and it is necessary to analyze them carefully, especially when they differ from each other. The goal of the paper is to analyze the influence of using different similarity measures and clustering methods on the number of outliers discovered during the mining process. The results of the experiments are presented in Section 6 in order to discuss the significance of the analyzed parameters.
7
Content available remote Outlier detection using the multiobjective genetic algorithm
Duraj A., Chomątek Ł.
Journal of Applied Computer Science
|
2017
|
Vol. 25, nr 2
29--42
EN
Since almost all datasets may be affected by the presence of anomalies which may skew the interpretation of data, outlier detection has become a crucial element of many datamining applications. Despite the fact that several methods of outlier detection have been proposed in the literature, there is still a need to look for new, more effective ones. This paper presents a new approach to outlier identification based on genetic algorithms. The study evaluates the performance and examines the features of several multiobjective genetic algorithms.
8
Content available remote Classification algorithms to identify changes in resistance
Duraj A., Korzeniewska E., Krawczyk A.
Przegląd Elektrotechniczny
|
2015
|
R. 91, nr 12
80-82
EN
In the article the basic method for measuring the resistance of medical electrodes, made based on a thin conductive layer formed during the PVD process, is described. The authors also briefly characterized two algorithms for data classification: k-nearest neighbors and Bayes classifier, which were used as algorithms to detect changes in the electrode resistance.
PL
W artykule została opisana podstawowa metoda pomiaru rezystancji elektrod medycznych wykonanych w oparciu o cienkie warstwy przewodzące powstałe w procesie PVD. Scharakteryzowano również krótko dwa algorytmy klasyfikacji danych: algorytm k najbliższych sąsiadów oraz klasyfikator bayowski, które zostały wykorzystane jako algorytmy identyfikacji zmian rezystancji elektrod.
9
Content available remote Detection of local changes in resistance by means of data mining algorithms
Korzeniewska E., Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2014
|
R. 90, nr 12
229--232
PL
W artykule przedstawiono wyniki badań rezystancji specjalnych elektrod wykonanych z wykorzystaniem technologii próżniowej. Elektrody te mogą stanowić element odzieży wykorzystywanej do elektrostymulacji i monitorowania parametrów fizjologicznych. W artykule zaprezentowano sposób detekcji różnic w rezystancji e-włókien za pomocą algorytmów wykrywania wyjątków w bazach danych.
EN
The following article presents results of examination of the resistance of the special electrodes made with using vacuum technology. These electrodes can be a item of clothing and can be used for electrical stimulation and monitoring of physiological parameters. The discussion of the discrepancies of e-fiber resistances is carried out by means of the concept of data mining with exceptions.
10
Content available remote Identyfikacja sensorycznych dysfunkcji organizmu poprzez monitorowanie za pomocą e-włókien
Korzeniewska E., Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2013
|
R. 89, nr 12
181-184
PL
W poniższym artykule zostały zaprezentowane wyniki badań związanych z technologią nanoszenia próżniowego stosowaną do wytworzenia elektrod do elektrostymulacji i monitorowania parametrów fizjologicznych. Wskazano na możliwości wykrywania niezgodności pomiędzy sygnałem rzeczywistym a przetwarzanym, przez urządzenia mające na celu zbieranie informacji o stanie zdrowia pacjenta. W pracy autorzy przeanalizowali adekwatność algorytmów opisu do rzeczywistego przebiegu zjawisk.
EN
The following article presents results of research related to the application of vacuum technology used in the manufacture of electrodes for electrical stimulation and monitoring of physiological parameters. Pointed to the ability to detect discrepancies between the actual and the processed signal with the device to collect information about the health of the patient. In this study, the authors examined the adequacy of algorithms of the description to the real course of phenomena.
11
Content available remote Detekcja wyjątków sygnałów biomedycznych w systemach fuzji informacji
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2012
|
R. 88, nr 12b
128-130
PL
W tradycyjnych systemach wspomagania decyzji, czy też systemach ekspertowych decyzja podejmowana jest na podstawie jednego typu informacji, najczęściej zgromadzonej przez eksperta w jednej bazie wiedzy. Silne rozproszenie danych powoduje potrzebę wykorzystania informacji z wielu różnych źródeł i dopiero wówczas wyznaczania określonej (globalnej) decyzji. Autorzy omówili problem detekcji wyjątków, wybrane metody ich wykrywania oraz wykazano znaczenie odpowiedniego doboru miary odległości w przypadku algorytmów hierarchicznych. W niniejszym opracowaniu omówiono zaś problem fuzji informacji skupiając się na modelach i architekturze systemów fuzji. Zaproponowano algorytm globalnej detekcji wyjątków w systemach fuzji danych. Podano również wyniki badań dla zastosowanych algorytmów tj. k-najbliższy sąsiad oraz klasyfikatora Bayes’a.
EN
In traditional decision support systems or expert systems decision is taken on the basis of one type of information, mostly gathered by an expert in a knowledge base. A strong desire to spread the data makes use of information from many different sources and only then determine the specific (global) decision. The authors discussed the problem of outliers detection, the selected method of detection, and demonstrated the importance of appropriate selection of the distance measure for hierarchical algorithms. This paper discusses the problem of fusion data/information. We present models focusing on system architecture. Global detection algorithm is proposed exceptions in data fusion systems. Results are also given for the used algorithms such as k-nearest neighbor and the Bayes classifier.
12
Content available remote Dobór miar odległości w hierarchicznych aglomeracyjnych metodach wykrywania wyjątków
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2011
|
R. 87, nr 12b
33-36
PL
Metody wykrywania wyjątków w zbiorach danych dostrzegane jako różnego rodzaju anomalie, powstałe np. z powodu mechanicznego uszkodzenia, zmiany w zachowaniu systemu, czy choćby poprzez naturalny błąd człowieka, są stosowane już od wielu lat. Jak się jednak wydaje, powyżej sformułowany problem badawczy jest bardzo istotny i nadal aktualny. Wykrycie wyjątków stanowi podstawe w procesach podejmowania decyzji. W pracy podany jest krótki przegląd hierarchicznych aglomeracyjnych metod wykrywania wyjątków skupiając się na doborze miar odległości w wymienionych algorytmach.
EN
Data mining is a process of extracting valid, previous unknown, and ultimately comprehensible information for large datasets. One of very interesting problems appearing in scientific investigations are detection of mistakes in files of data, or the detection outlier. Finding the rare instance or the outliers is important in many disciplines and KDD (Knowledge Discovery and Data-Mining) applications. (Determination of measure distance in hierarchical methods of outliers detection).
13
Content available remote Finding outliers for large medical datasets
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2010
|
R. 86, nr 12
188-191
EN
The paper deals with data mining which is a process of extracting valid, previous unknown, and ultimately comprehensible information for large datasets. One of very interesting problems appearing in scientific investigations are detection of mistakes in files of data, or the detection outlier. Finding the rare instance or the outliers is important in many disciplines and KDD (Knowledge Discovery and Data-Mining) applications.
PL
Artykuł dotyczy metody wykrywania wyjątków w zbiorach danych dostrzegane jako różnego rodzaju anomalie, powstałe np. z powodu mechanicznego uszkodzenia, zmiany w zachowaniu systemu, czy choćby poprzez naturalny błąd człowieka. Jak się jednak wydaje, powyżej sformułowany problem badawczy jest bardzo istotny i nadal aktualny, szczególnie w przypadku medycznych zbiorów danych. Wykrycie wyjątków może zidentyfikować defekty, usunąć zanieczyszczenia danych a przede wszystkim stanowi podstawę w procesach podejmowania decyzji.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.