Wyniki wyszukiwania - BazTech

1

A stepwise protocol for neural network modeling of persistent postoperative facial pain in chronic rhinosinusitis

Szaleniec J., Szaleniec M., Stręk P.

Bio-Algorithms and Med-Systems

|

2016

|

Vol. 12, no. 2

81--88

EN

In the artificial neural network field, no universal algorithm of modeling ensures obtaining the best possible model for a given task. Researchers frequently regard artificial neural networks with suspicion caused by the lack of repeatability of single experiments. We propose a systematic approach that may increase the probability of finding the optimal network architecture. In the experiments, the average effectiveness in groups of networks rather than single networks should be compared. Such an approach facilitates the analysis of the results caused by changes in the network parameters, while the influence of chance effects becomes negligible. As an example of this protocol, we present optimization of a neural network applied for prediction of persistent facial pain in patients operated for chronic rhinosinusitis. In the stepwise approach, the percentage of correct predictions was gradually increased from 54% to 75% for the external validation set.

2

Spectrophotometric study on betanin photodegradation

Skopińska A., Tuwalska D., Wybraniec S., Starzak K., Mitka K., Kowalski P., Szaleniec M.

Challenges of Modern Technology

|

2012

|

Vol. 3, no. 4

34--38

EN

The most commonly occurring betacyanin plant pigment in nature is betanin (5-O-glucoside of betanidin). Its main source is red beet root (Beta vulgaris L.), used for production of food colorants on a commercial scale [1]. Due to photo-lability of betacyanins, an eff ect of UV-irradiation on betanin degradation in various solutions containing organic solvents was investigated. Organic solvents are used frequently in many stages of pigment preparation or isolation, therefore, knowledge of betalain stability and degradation characteristics in these solutions is essential. Pigment solutions at a concentration of 1 mg/ml were prepared in diff erent solvents: water as well as aqueous solutions of 50% (v/v) acetonitrile, 50% (v/v) methanol or 50% (v/v) ethanol, at the pH range 3–8. Acetate, phosphate and citrate buff ers were used for the experiments. As a result of the pigment photo-decomposition, numerous decarboxylated and dehydrogenated derivatives were formed. Spectrophotometric studies enabled determination of the pigment retention (percentage of the pigment residue relative to its initial concentration after decomposition time). The studies demonstrated betanin high lability in all solvents, not only at extreme pH values, but also in the middle pH range which, in general, provides higher stability of betalains.

3

Liquid chromatographic techniques in separation of betacyanins and their derivatives from red beet roots

Spórna A., Stalica P., Jerz G., Szaleniec M., Wybraniec S.

Challenges of Modern Technology

|

2010

|

Vol. 1, no. 1

19--22

EN

A study on separation of betacyanins and their decarboxylated as well as dehydrogenated derivatives obtained from red beet roots (Beta vulgaris L.) in high pressure liquid chromatography (HPLC) and ion-pair high-speed counter-current chromatography (IP-HSCCC) was performed. The IP-HSCCC process was accomplished in the ‘head-to-tail’ mode in a solvent system composed of butanol — acetonitrile — water (5:1:6 v/v/v, acidifi ed with 0.7% trifl uoroacetic acid). The HPLC separation was performed in a typical reversed phase mode with mass spectrometry (ESI-MS) and diode-array (DAD) detection. The chromatographic profi les of betalains obtained in these two techniques were signifi cantly diff erent. In HPLC, the most polar compounds, like betanin and isobetanin, eluted before less polar decarboxylated and dehydrogenated derivatives (mostly degradation products of betanin). In IP-HSCCC, the dehydrogenated derivatives were eluted faster then their non-dehydrogenated analogues. It was observed for the fi rst time that betanin and neobetanin (14,15-dehydrogenated betanin), which are present in many plants containing betalains, had reversed elution orders during chromatographic separation by these two techniques.

4

Modification of Tetraphenylporphyrin Ring in Manganese(III) Complexes - Theoretical Description of the Influence on Their Physicochemical Properties

Szaleniec M., Tokarz-Sobieraj R., Witko M.

Polish Journal of Chemistry

|

2008

|

Vol. 82, nr 9

1853-1863

EN

Metalloporphyrins are known to be efficient catalysts in oxidation of hydrocarbons. To understand a mechanism of oxidation processes de tailed knowledge of the electronic and structural parameters of these systems is required. Here, atomic parameters calculated by means of DFT method for the selected manganese porphyrins are correlated with experimental redox potential. The results of calculations carried out for systems with modification in phenyl substituents showed that charge of porphyrin ring and charge of axial ligand are good theoretical descriptors of effect introduced by the substituent. These descriptors correlate (R2 = 0.97) with experimental value of redox potential of the MnIII/MnII system.

5

Application of new acoustic parameters in ANN-aided pathological speech diagnosis

Szaleniec J., Modrzejewski M., Szaleniec M., Wszołek W.

Archives of Acoustics

|

2007

|

Vol. 32, No. 1

177-186

EN

Most diseases of the vocal tract cause changes in the voice quality. Acoustic analysis of the speech signal is a widely used, noninvasive, objective and low-cost method of laryngeal pathology recognition and classification. There have been numerous attempts [1-3] to develop an automatic system which could aid the laryngological diagnosis. The goal of the presented research is to verify, whether the new approach to the acoustic analysis and parameters introduced in the Voice Analysis and Screening System (VASS 3.0 [4]) such as turbulence noise index (TNI) and normalized first harmonic energy (NFHE), can improve the effectiveness of automated diagnosis. The automated diagnosis was performed using Artificial Neural Networks (ANN). Multilayer perceptron and radial basis function neural networks of various architectures were trained to classify between pathologic and non-pathologic voices, while the parameters computed with VASS were used as input data. Preliminary results show that the Voice Analysis and Screening System coupled with ANN can be a highly effective tool for ANN-aided pathological speech diagnosis.

6

Optymalizacja modeli neuronowych na przykładzie oceny aktywności biologicznej związków chemicznych

Szaleniec M., Tadeusiewicz R., Skoczowski A.

Computer Methods in Materials Science

|

2006

|

Vol. 6, No. 2

65-80

PL

W pracy podjęto próbę przedstawienia wybranych problemów doboru i optymalizacji modelu w postaci sieci neuronowej do posiadanego zestawu danych empirycznych. Przykładowy problem dotyczył próby zbudowania sieci przewidującej na podstawie danych topologicznych i kwantowo-chemicznych aktywność pewnej klasy związków chemicznych, jednak szczegóły chemiczne rozwiązywanego problemu nie miały tu zasadniczego znaczenia. Z punktu widzenia tej pracy ważne było, że rozwiązywany problem był trudny, a ponadto charakteryzował się szeregiem cech, które wyjątkowo często pojawiają się przy praktycznym stosowaniu sieci neuronowych: zadanie wymagało brania pod uwagę (w charakterze potencjalnych sygnałów wejściowych) dużej liczby danych o zróżnicowanym charakterze (były tam dane ilościowe i jakościowe); istniało uzasadnione podejrzenie, że nie wszystkie dane wejściowe są równie przydatne przy rozwiązywaniu postawionego zadania, ale brak było dokładnych przesłanek, żeby dokonać ich wstępnej selekcji przed zbudowaniem neuronowego modelu; liczba przykładów, na bazie których można było sieć uczyć, a także dokonywać walidacji i testowania jej działania, była bardzo ograniczona. Przy takich założeniach przebadano przydatność szeregu różnych struktur i zasad działania sieci, uzyskując następujące ważniejsze wyniki: -stwierdzono, że jakość modelu uzyskiwanego przy zastosowaniu liniowej sieci neuronowej jest bardzo istotnie gorsza, niż jakość najlepszego uzyskanego modelu nieliniowego w postaci sieci MLP; wykazano, że wprowadzenie do sieci MLP liniowego neuronu w jej wyjściowej warstwie nie polepsza jakości uzyskiwanego rozwiązania; •zaobserwowano, że niewielkie zwiększenie liczby neuronów warstwy ukrytej (o jednen neuron!) może prowadzić do tego, że sieć zamiast budować model problemu, nadający się do rozwiązywania całej klasy zadań podobnego typu, zaczyna uczyć się ,,na pamięć" zbioru uczącego i traci zdolność do generalizacji; -stwierdzono, że użycie sieci GRNN nie przynosi dobrych rezultatów - uzyskiwane wyniki były nie tylko gorsze od tych. jakie wykazywała najlepsze siec MLP. ale co gorsza - plasowały się poniżej wyników, jakie dawała sieć liniowa; próba stworzenia sieci hybrydowej, wykorzystującej doświadczenia zdobyte podczas optymalizacji struktury MLP oraz zalety struktury GRNN doprowadziła do powstania modelu dobrze dopasowanego do większości posiadanych danych, ale w sposób zasadniczy odbiegającego od rzeczywistości w przypadku pewnej liczby danych doświadczalnych, co uznano za przesłankę do nie używania tego modelu w dalszych pracach; wykazano, że transformacja zadania regresyjnego (wymagającego, by sieć obliczyła i podała określoną wartość sygnału wyjściowego) do postaci zadania klasyfikacyjnego, w którym odpo wiedź sieci może być interpretowana jako decyzja, pozwala uzyskać najlepsze rezultaty, które w rozważanym problemie osiągnęły poziom 100% zgodności zachowania sieci z wymaganiami wynikającymi z natury rozwiązywanego zadania. Przytoczone wyżej spostrzeżenia i sformułowane na ich podstawie wnioski z całą pewnością są silnie uwarunkowane właściwościami konkretnego rozwiązywanego tu zdania. Jednak można sądzić, że z dużym prawdopodobieństwem podobne prawidłowości będą wiązały się z innymi zastosowaniami techniki sieci neuronowych - dlatego zebrano te spostrzeżenia i przedstawiono w tej publikacji w celu ułatwienia pracy innym badaczom, którzy zdecydują się w swojej pracy na użycie sieci neuronowych jako narzędzia modelowania zjawisk rzeczywistego świata.

EN

Neural networks (NNs) are tools that are very frequently successfully applied in the modeling of various phenomena and processes. This is due to combination of characteristic for NNs wide approximation capabilities (manifesting especially in nonlinear modeling tasks) with their flexibility and high performance in fitting the model to the real data during the learning process. Taken together these features make NNs one of the best modeling tools available. However, it is a common practice to achieve success with neural network technique in a modeling of particular system while confining the research only to neural model selection, optimization of parameters and validation of the NN performance goodness. Frequently, neural models predictions are analyzed and compared with other modeling techniques or other neural systems. In this paper we provide a complementary approach to the above-mentioned scheme. We took one non-trivial modeling task as an example (i.e. prediction of biological activity of chemical compounds based on their structure and properties) and studied various types of neural networks in order to determine the optimal type of NN, which deals with modeling problem in the most efficient way. We analyzed both linear and non-linear neural networks of MLP and GRNN type. In non-linear MLP systems the linear or non-linear output layers were tested. Moreover a hybrid neural system was developed that joins results of architecture optimization of MLP and GRNN. The paper addresses also the issue of input parameters selection, optimal number of hidden neurons and data representation, especially in terms of an output results. A dozen or so thousands of neural models were developed, providing a rich dataset for assessment of neural networks usefulness. It seems that such a comparative study can be of a high value for other researchers using neural systems in modeling studies. It should allow to chose a type and size of NN used based less on arbitrary and more on rational basis. Our results provide also better understanding into the character and cause-result relationship of processes that take place in neural networks.