Wyniki wyszukiwania - BazTech

1

Assessment of Approaches for the Extraction of Building Footprints from Pléiades Images

Taha Lamyaa Gamal El-deen, Ibrahim Rania Elsayed

Geomatics and Environmental Engineering

|

2021

|

Vol. 15, no. 4

101--116

EN

The Marina area represents an official new gateway of entry to Egypt and the development of infrastructure is proceeding rapidly in this region. The objective of this research is to obtain building data by means of automated extraction from Pléiades satellite images. This is due to the need for efficient mapping and updating of geodatabases for urban planning and touristic development. It compares the performance of random forest algorithm to other classifiers like maximum likelihood, support vector machines, and backpropagation neural networks over the well-organized buildings which appeared in the satellite images. Images were subsequently classified into two classes: buildings and non-buildings. In addition, basic morphological operations such as opening and closing were used to enhance the smoothness and connectedness of the classified imagery. The overall accuracy for random forest, maximum likelihood, support vector machines, and backpropagation were 97%, 95%, 93% and 92% respectively. It was found that random forest was the best option, followed by maximum likelihood, while the least effective was the backpropagation neural network. The completeness and correctness of the detected buildings were evaluated. Experiments confirmed that the four classification methods can effectively and accurately detect 100% of buildings from very high-resolution images. It is encouraged to use machine learning algorithms for object detection and extraction from very high-resolution images.

2

Complex lithology prediction using mean impact value, particle swarm optimization, and probabilistic neural network techniques

Gu Yufeng, Zhang Zhongmin, Zhang Demin, Zhu Yixuan, Bao Zhidong, Zhang Daoyong

Acta Geophysica

|

2020

|

Vol. 68, no. 6

1727--1752

EN

Lithology prediction is a fundamental problem because the outcome of lithology prediction is the critical underlying data for some basic geological work, e.g., establishing stratigraphic framework or analyzing distribution of sedimentary facies. As the geological formation generally consists of many diferent lithologies, the lithology prediction is always viewed as a tough work by geologists. Probabilistic neural network (PNN) shows high efciency when solving pattern recognition problem since learning data do not need to do any pre-training of learning data and calculation results are universally reliable, and then, this model could be considered as an efective solution. However, there are two factors that seriously limit the PNN’s performance: One is existence of the interference variables of learning samples, and the other is selection of the window length of probability density distribution. In view of adverse impact of those two factors, two techniques, mean impact value (MIV) and particle swarm optimization (PSO), are introduced to improve the PNN’s calculation capability. Thus, a new prediction method referred as MIV–PSO–PNN is proposed in this paper. The proposed method is validated by three well-designed experiments, and the corresponding experiment data are recorded by two cored wells of the LULA oilfeld. For the three experiments, prediction accuracies of the results provided by the proposed method are 81.67%, 73.34% and 88.34%, respectively, all of which are higher than those provided by other comparative approaches including backpropagation (BP), PNN, and MIV-PNN. The experiment results strongly demonstrate that the proposed method is capable to predict complex lithology.

3

Automated blurred image region classification

Bera A., Sacharski B ., Sychel D.

Journal of Theoretical and Applied Computer Science

|

2014

|

Vol. 8, nr 2

37--47

EN

In this paper authors present a simple method for recognizing blurred regions in the image. Proposed algorithm is based on 81 simple features — moments of histogram of image subbands, that were obtained during image decomposition, and ratio derived from gray level co-occurrence matrix (GLCM) are used. The method is compared with a different method, that is based on approaches found in literature. To increase the efficiency of algorithms, authors combined three solutions (edge-detection, gray level co-occurrence matrix and fast image sharpness). The aim of the research was to verify whether it is possible to use simpler methods of feature extraction to achieve similar, or even better, results.

4

Applying neural network in computing filling coefficient of four-stroke internal combustion engine

Bera P.

Mechanics and Control

|

2011

|

Vol. 30, no. 2

53-59

EN

Neural networks consist of many simple elements operating in parallel. In supervised training they are capable of finding their own solution to a particular problem, given only examples of proper behavior. It is a very useful method of solving complex, non-linear problems. The following article discusses the usage of artificial neural network to compute the value of filling coefficient of four-stroke internal combustion engines as the function of crankshaft rotational speed and throttle opening angle. The paper presents the idea of a static, two-layer feedforward network trained with the basic backpropagation algorithm in which the weights and biases are updated in the direction of the negative gradient. The article discusses network architecture and data structure, training parameters and result analysis.

PL

Sieci neuronowe zbudowane są z dużej liczby prostych elementów działających równolegle. Uczenie z nauczycielem pozwala sieci znaleźć nowe rozwiązanie konkretnego problemu tylko na podstawie zestawu znanych poprawnych zachowań. Jest to skuteczna metoda rozwiązywania złożonych, nieliniowych zagadnień. W poniższym artykule przedstawiono przykład wykorzystania sztucznej sieci neuronowej do obliczania wartości współczynnika napełnienia cylindra czterosuwowych silników spalinowych spalania wewnętrznego w funkcji prędkości obrotowej wału korbowego i kąta otwarcia przepustnicy. Przedstawiono statyczną, dwuwarstwową sieć trenowaną podstawową metodą wstecznej propagacji błędów, w której wartości wag i progów zmieniają się w kierunku ujemnego gradientu na powierzchni błędu. W artykule omówiono budowę sieci i strukturę danych uczących, parametry trenowania oraz analizę wyników.

5

A neural network approach to recognition of the selected human motion patterns

Mikrut Z., Smoleń M.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2011

|

T. 15, z. 3

535-543

EN

In this paper we proposed a representation of the activities performed by humans in the form of a histogram of optical flow directions. Histogram was calculated in the mask of object contour and aggregated to the eight bins. The data set was based on analysis of the video clip, in which four people were performing nine activities, such as walking, sitting and rising from a chair or reaching (up and forward). To recognize the performed activity the backpropagation neural network with one hidden layer was used. The recognition results varied from 80 to 88% for individuals. It was found that it is not possible to identify a person's activities using the network trained by data of another person.

PL

W artykule zaproponowano metodę reprezentacji czynności wykonywanej przez człowieka w postaci histogramu kierunków pola ruchu. Histogram był obliczany w masce konturu sylwetki i agregowany do ośmiu kierunków. Zbiór danych powstał na podstawie analizy filmu, na którym cztery osoby wykonywały 9 czynności, takich jak chodzenie, siadanie i wstawanie z krzesła czy też sięganie (w górę i do przodu). Do rozpoznawania wykorzystano sieć neuronową typu backpropagation z jedną warstwą ukrytą. Osiągnięto wyniki rozpoznawania na poziomie 80-88% dla pojedynczych osób. Stwierdzono, że nie jest możliwe rozpoznawanie czynności danej osoby za pomocą sieci nauczonej danymi innej osoby.

6

Strategie poprawy efektywności uczenia sieci neuronowej

Orzechowski P., Mikrut Z.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2007

|

T. 11, z. 3

365-374

PL

W artykule przedstawiono wyniki eksperymentów procesu uczenia sieci neuronowej ze wsteczną propagacją błędu, wykorzystywanej w procesie rozpoznawania ręcznie pisanych cyfr. Opisano kilka niestandardowych technik, takich jak: korekcja nachylenia cyfr oraz dwa warianty uczenia sekwencyjnego sieci neuronowej, bazujących na pewności rozpoznania cyfr przez sieć oraz statystyce pomyłek klasyfikacyjnych sieci.

EN

This article presents the results of experiments carried out before and during the learning process of artificial neural network (backpropagation), used for handwritten digits recognition. Some unconventional techniques are described, such as an algorithm of slant correction and two variants of sequential learning, basing on the recognition reliability of the specific digit and statistical confusion matrix.

7

Neural network model for the analysis of infilled framed structures

Mini K. M., Subramanian K.

Archives of Civil Engineering

|

2007

|

Vol. 53, nr 4

639-662

EN

The analysis of infilled frames is complex due to the non-linearity involved as well as the large number of variables. Artificial Neural Network (ANN) has been found to be a tool that can accommodate the large number of variables and the nonlinear behaviour of the system. The ANN model was trained using the data available on failure load for the infilled frame under various conditions, generated analytically using equivalent strut method. The so trained model was tested for different set of input and output data obtained analytically as well as experimentally [10]. The agreement between the predicted and the actual results are found to be good. The results show that if the data for training is sufficient, the performance of the network will be satisfactory. The neural network approach is versatile since the size and scope of the input and output vectors can be increased to a large extent to meet the complexities.

PL

Analiza wypełnianych ścianami konstrukcji ramownicowych jest skomplikowana z powodu ich nieliniowości, jak również dużej liczby zmiennych. Sztuczna sieć neuronowa (ANN) stworzona została jako narzędzie, które może objąć wielką liczbę zmiennych oraz nieliniowe zachowanie się układu. Model ANN został nauczony przy użyciu dostępnych danych o obciążeniu niszczącym wypełnionej ramownicy w różnych warunkach opisanych analitycznie za pomocą równoważnych prętów. Zastosowany w ten sposób model zbadany został w różnych zestawach danych wejściowych i wyjściowych otrzymanych analitycznie oraz doświadczalnie [10]. Stwierdzono dobra zgodność pomiędzy wynikami przewidywanymi i uzyskanymi. Wyniki wskazują, że jeśli dane dotyczące badania są wystarczające, to funkcjonowanie sieci będzie zadawalające. Metoda sieci neuronowych jest uniwersalna, bowiem można znacznie zwiększać wielkość i zakres wektora wejściowego i wyjściowego w zależności od stopnia skomplikowania.

8

A learning paradigm for motion control of mobile manipulators

Abdessemed F., Monacelli E., Benmahammed K.

International Journal of Applied Mathematics and Computer Science

|

2006

|

Vol. 16, no 4

475-484

EN

Motion control of a mobile manipulator is discussed. The objective is to allow the end-effector to track a given trajectory in a fixed world frame. The motion of the platform and that of the manipulator are coordinated by a neural network which is a kind of graph designed from the kinematic model of the system. A learning paradigm is used to produce the required reference variables for each of the mobile platform and the robot manipulator for an overall coordinate behavior. Simulation results are presented to show the effectiveness of the proposed scheme.

9

Metoda wymuszania wewnętrznych wzorców w jednokierunkowej sieci klasyfikującej

Kolibabka M., Cader A.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2006

|

T. 10, z. 3

497-502

PL

Tworzenie struktury oraz późniejsze uczenie jednokierunkowych sieci neuronowych są procesami zależnymi od wielu czynników. Dobór wielu z nich ma charakter szacunkowy i doświadczalny. Proponowana w niniejszym opracowaniu metoda pozwala na osłabienie wpływu nieoptymalnego wyboru struktury sieci oraz zmniejsza wpływ doboru prędkości i pędu uczenia w klasycznej metodzie wstecznej propagacji błędu.

EN

Creating and later learning of one-way neural networks depends from many factors. Selection of many them has estimated and experimental character. The proposed in the article method allows to the weakness of the influence of the not optimal choice of the net structure, also speed and momentum values are less influential then in classic Back Propagation Method.

10

Artificial neural networks in air pollution prediction - importance of input variables

Rogula W., Żeliński J.

Archiwum Ochrony Środowiska

|

2005

|

Vol. 31, no. 2

15--26

EN

The essentiality of variables in Artificial Neural Networks (ANN) application in predicting concentrations of pollutants in the ambient air is considered in the paper. Evaluation of the essentiality was based on the data on concentrations of pollutants and meteorological conditions recorded by an automatic station monitoring the air quality in Gliwice. The data were analysed with the use of the StatSoft's Statistica Neural Networks (SNN) software, which is designed to simulate performance of artificial neural networks. In total, for all output variables (concentrations of SO2, NO, NO2, PM10), more than 3500 models were tested to create the final neural networks. The best performing models were used to determine the influence of each input variable on levels of pollutant concentrations. Based on these analyses the conclusions were drawn concerning the importance of individual meteorological parameters.

PL

W prezentowanej pracy badano istotność doboru zmiennych wejściowych (mechanizmów i czynników meteorologicznych) w predykcji stężeń zanieczyszczeń powietrza za pomocą sztucznych sieci neuronowych. Posłużono się danymi pomiarowymi ze stacji monitoringu powietrza w Gliwicach. Do analizy danych zastosowano program Statistica Neural Networks firmy StatSoft. Podczas tworzenia sieci neuronowych, dla wszystkich zmiennych wyjściowych (stężeń kolejnych zanieczyszczeń), przetestowano ponad 3500 modeli neuronowych. Przy pomocy najlepszych modeli określono oddziaływanie danego parametru na poziom stężenia zanieczyszczenia (Analiza Wrażliwości Sieci). Na podstawie wykonanych analiz wyciągnięto wnioski, co do wagi konkretnych parametrów meteorologicznych.

11

Effective neural LUM smoother for image smoothing applications

Lukac R.

Machine Graphics and Vision

|

2003

|

Vol. 12, No. 3

377-391

EN

In this paper, an effective image filtering approach for the impulsive noise suppression with the simultaneous signal-detail preservation is presented. The novelty of the proposed method lies in the combination of the LUM (lower-upper-middle) smoothing characteristics and the neural network. The included LUM-based impulse detector improves the signal-detail preservation capability of the proposed method, whereas the neural network along with the input LUM smoothers guarantee its noise attenuation capability. Since the LUM operation can be very efficiently implemented, the proposed method is computationally attractive and useful for practical image filtering applications.

12

Parallel and cascade structures of the multidimensional fuzzy model

Pieczynski A.

Systems Science

|

2002

|

Vol. 28, nr 4

17-34

EN

A system input-output response is modelled using a knowledge-based method of signal processing known as fuzzy logic. The paper presents the parallel and cascade structures of the fuzzy model. Fuzzy model tuning procedures based on a neural-fuzzy model are also given. As an example, the analysis of both structures is carried out for the fuzzy modelling of parameters, which are necessary to describe the state of a pressure vessel with water-steam mixture during accidental depressurizations.

13

Neural network models for foot abnormalities diagnosis system

Kopicera K.

Journal of Medical Informatics & Technologies

|

2000

|

Vol. 1

CS 49--56

EN

The paper describes various neural network models designed for automatic conclusion making software in the PSW [8], [4] system. It presents abilities of neural network configuration for choosing the optimal parameters to process the PSW-registered data. The paper also contains the description of artificial data making algorithms, that allow to overcome the problem of insufficient data records describing particular pathologies.

PL

Praca zawiera opis modeli sieci neuronowych wykonanych dla modułu automatycznego wspomagania diagnozy w systemie PSW (Parotec System for Windows). Przedstawione zostały możliwości konfiguracji i doboru parametrów poszczególnych sieci dla określenia wartości optymalnych dla przetwarzania danych generowanych przez system pomiarowy PSW. Przedstawiona została również metoda sztucznej generacji nowych danych pozwalająca na eksperymentalne dobieranie parametrów sieci w warunkach niedoboru ilości danych pomiarowych.

14

Experiments with network parameters-selection for foot abnormalities recognition

Chandzlik S., Kopicera K.

Journal of Medical Informatics & Technologies

|

2000

|

Vol. 1

CS 71--78

EN

The paper describes experiments done with the automatic diagnosis module for the PSW System. The experiments have been done in spite of insufficient data records used for learning the neural network. Taking advantage of the artificial data making data making system there was possible to examine some neural network models: Back-Propagation, ART and Counter-Propagation. The paper presents analysis of obtained results and compares efficiency of the neural network algorithms.

PL

Praca prezentuje opis eksperymentów wykonanych przy wykorzystaniu modułu automatycznego wspomagania diagnozy dla systemu PSW (Parotec System for Windows). Eksperymenty zostały wykonane w warunkach niedoboru ilości danych uczących sieć neuronową, stanowiącą trzon całości systemu wnioskowania. Korzystając z metody sztucznej generacji nowych danych pomiarowych na bazie danych rzeczywistych zakłócanych zbiorem wybranych funkcji przetestowano użyteczność dla systemu PSW trzech różnych konfiguracji sieci neuronowej: Back-Propagation, Counter-Propagation oraz ART. Przedstawiona została analiza uzyskanych wyników obejmująca m.in. porównanie efektywności badanych algorytmów oraz zaproponowany został kierunek dalszych badań.

15

On-line adaptive learning rate BP algorithm for MLP and application to an identification problem

Sha D. H., Bajić V. B.

Journal of Applied Computer Science

|

1999

|

Vol. 7, nr 2

67-82

EN

An on-line algorithm that uses an adaptive learning rate is proposed. Its development is based on the analysis of the convergence of the conventional gradient descent method for three-layer BP neural networks. The effectiveness of the proposed algorithm applied to the identification and prediction of behavior of non-linear dynamic systems is demonstrated by simulation experiments.