Wyniki wyszukiwania - BazTech

1

Spatial differentiation of the level of ecological development of polish voivodeship

Bluszcz Anna, Tobór-Osadnik Katarzyna, Wyganowska Małgorzata, Mansor Nur Suhaili, Awang Hapini

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2024

|

z. 191

77--88

EN

Purpose: The aim of the research is the evaluation of the ecological state of development based on statistical data from voivodeships in Poland. Design/methodology/approach: The research uses selected methods of multivariate comparative analysis, in particular, linear ordering. The analysis of the differentiation of the level of ecological development by voivodeships in Poland made it possible to order the provinces according to the indicators that represent the state of the environmental situation. After the process of ordering, the process of grouping voivodeships was possible. The relevant calculations were made using QGIS and Statistica software. Findings: The result of the analysis presents a tree main cluster with similar voivodeships according to ecological situation. Practical implications: The presented methods enable continuous monitoring and control of progress in the implementation of the assumed ecological goals. Green development assessment methods can also help monitor progress towards the Sustainable Development Goals over time. This can help identify trends and patterns and provide feedback on the effectiveness of policies and programs. The results of the analyses may be a useful tool for monitoring and evaluating Poland's progress in achieving the assumed ecological goals of the European Union by 2030. Originality/value: These studies are a very useful tool in identifying the ecological situation and directing administrative activities to the appropriate regions in the country.

2

Zastosowanie spektrometrii oscylacyjnej w analizie fitozwiązków i substancji odżywczych w produktach naturalnych i spożywczych

Mazurek Sylwester, Szostak Roman

Wiadomości Chemiczne

|

2023

|

[Z] 77, 7-8

745--774

EN

The prevalence of lifestyle diseases and trends related to healthy eating contribute to the constant search for chemical compounds with specific biological activity. Studies are conducted on plants and substances of natural origin that have been used in medicine for millennia. Techniques of vibrational spectroscopy are an underrated group of methods enabling direct analysis of plant raw material and food in their native forms. The presented examples of Arabidopsis tissues, various species and hybrids of poplar and Cistus herb classification, as well as quantitative analyses of active compounds in plant material and pharmaceutical products and determination of physicochemical parameters of common food (i.e. milk, yoghurts, pasta and flour), demonstrate the possibility of using vibrational spectroscopy for comprehensive analysis of samples of natural origin. Typical measurement techniques and chemometric methods are briefly described in this paper. The scheme of quantitative analysis based on vibrational spectra is shown and the impact of selected experimental parameters on the accuracy of the obtained results is discussed. The imaging techniques used to analyse the changes in plant tissue structures caused by genetic mutations were also presented.

3

Eksploracja danych. Analiza dużych zbiorów danych

Ciupke Krzysztof

Utrzymanie Ruchu

|

2023

|

Nr 1

32--36

PL

Analiza danych jest ciągle rozwijającym się procesem, składającym się z wielu etapów. W artykule przedstawiony został główny etap – eksplorowanie danych. Jak wybrać odpowiednią metodę eksploracji danych?

4

Application of deep learning techniques in identification of the structure of selected road materials

Mazurek Grzegorz, Durlej Małgorzata, Šrámek Juraj

Structure and Environment

|

2023

|

Vol. 15, no. 3

159--167

EN

In research, there is a growing interest in using artificial intelligence to find solutions to difficult scientific problems. In this paper, a deep learning algorithm has been applied using images of samples of materials used for road surfaces. The photographs showed cross-sections of random samples taken with a CT scanner. Historical samples were used for the analysis, located in a database collecting information over many years. The deep learning analysis was performed using some elements of the VGG16 network architecture and implemented using the R language. The learning and training data were augmented and cross-validated. This resulted in the high level of 96.4% quality identification of the sample type and its selected structural features. The photographs in the identification set were correctly identified in terms of structure, mix type and grain size. The trained model identified samples in the domain of the dataset used for training in a very good way. As a result, in the future such a methodology may facilitate the identification of the type of mixture, its basic properties and defects.

PL

W badaniach naukowych obserwuje się coraz większe zainteresowanie wykorzystaniem sztucznej inteligencji do poszukiwania rozwiązań trudnych problemów naukowych. W niniejszym artykule został zastosowany algorytm głębokiego uczenia z użyciem obrazów próbek materiałów wykorzystywanych do budowy nawierzchni drogowych. Fotografie przedstawiały przekroje losowych próbek wykonane za pomocą tomografu komputerowego. Do analizy wykorzystano próbki historyczne, znajdujące się w bazie danych zbierającej informacje z wielu lat. Analizę głębokiego uczenia wykonano przy użyciu niektórych elementów architektury sieci VGG16 i zaimplementowano, stosując język R. Dane uczące oraz treningowe poddano augmentacji oraz walidacji krzyżowej. W rezultacie uzyskano wysoki poziom 96,4% jakości identyfikacji rodzaju próbki oraz jej wybranych cech strukturalnych. Fotografie w zbiorze identyfikacyjnym zostały poprawnie zidentyfikowane pod względem struktury, typu mieszanki oraz uziarnienia. Wytrenowany model w bardzo dobry sposób zidentyfikował próbki w obszarze dziedziny trenowanego zbioru danych. W rezultacie taka metodyka może w przyszłości ułatwić identyfikację rodzaju mieszanki, jej podstawowych właściwości oraz defektów.

5

Patient specific channel optimization using entropy and CNN deep learning for epileptic seizure prediction

Cherouati Brahim, Senouci Mohamed

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 7

106--110

EN

Predicting epileptic seizures in advance improves greatly the life of epileptic patients. In this paper we present a new approach based on patient specific channel optimization using four different features namely entropy, variance, kurtosis and skewness. After selecting three best channels for each method, we then use Convolutional Neural Network (CNN) to classify raw EEG signal in order to discriminate between interictal and preictal state. With entropy, our method achieves a good degree of prediction in terms of accuracy 97.09%, sensitivity 97.67% and specificity 96.51% for patient 01 using channels 4, 8 and 20.

PL

Przewidywanie napadów padaczkowych z wyprzedzeniem znacznie poprawia życie chorych na padaczkę. W tym artykule prezentujemy nowe podejście oparte na optymalizacji kanałów specyficznych dla pacjenta przy użyciu czterech różnych metod, a mianowicie entropii, wariancji, kurtozy i skośności. Po wybraniu trzech najlepszych kanałów dla każdej z metod, wykorzystujemy Neuronową Sieć Konwolucyjną (CNN) do klasyfikacji surowego sygnału EEG w celu rozróżnienia pomiędzy stanem międzynapadowym i przednapadowym. Dzięki entropii nasza metoda osiąga dobry stopień predykcji w zakresie dokładności 97,09%, czułości 97,67% i specyficzności 96,51% dla pacjenta 01 przy użyciu kanałów 4, 8 i 20.

6

Machine learning to diagnose breast cancer

Ismaeel Ghassan Ahmad

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

10--12

EN

As the number of breast cancer diseases is increasing rapidly every year, new technologies are utilized to predict and diagnose this disease for better women's lives worldwide. The development of Machine Learning can be utilized to contribute in this sense and help in the early diagnosis of breast cancer. This paper aims to predict and diagnose breast cancer using Machine Learning techniques such as support vector Machine (SVM) and Decision -tree and Nearest neighbour (KNN). The results show the out performance of SVM over the other methods. These methods can be very helpful to predict the breast cancer disease ahead of time.

PL

Ponieważ liczba zachorowań na raka piersi gwałtownie rośnie z roku na rok, nowe technologie są wykorzystywane do przewidywania i diagnozowania tej choroby w celu poprawy życia kobiet na całym świecie. Rozwój uczenia maszynowego może być wykorzystany do wniesienia wkładu w tym sensie i pomocy we wczesnej diagnozie raka piersi. Niniejszy artykuł ma na celu przewidywanie i diagnozowanie raka piersi przy użyciu technik uczenia maszynowego, takich jak maszyna wektora nośnego (SVM) oraz drzewo decyzyjne i najbliższy sąsiad (KNN). Wyniki pokazują wydajność SVM w porównaniu z innymi metodami. Metody te mogą być bardzo pomocne w przewidywaniu zgonów na raka piersi z wyprzedzeniem.

7

Klasyfikacja metalowych pokryć samonośnych

Patoka Krzysztof

Materiały Budowlane

|

2023

|

nr 8

72--73

8

Trendy w budownictwie na bazie włókien

Kram Dorota, Gołąb Paweł

Inżynier Budownictwa

|

2023

|

nr 6

84--89

9

Mieszanki związane spoiwami hydraulicznymi według serii norm 14227

Ciołczyk Adrian, Szołtysik Joanna

Inżynier Budownictwa

|

2023

|

nr 4

70--77

10

Usage of artificial neural networks in the diagnosis of knee joint disorders

Witkowski Konrad, Wieczorek Mikołaj

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 4

11--14

EN

Following article address the issue of automatic knee disorder diagnose with usage of neural networks. We proposed several hybrid neuralnet architectures which aim to successfully classify abnormalityusing MRI (magnetic resonance imaging) images acquired from publicly available dataset. To construct such combinations of modelswe used pretrainedAlexnet, Resnet18 and Resnet34 downloaded from Torchvision. Experiments showedthat for certain abnormalities our models can achieve up to 90% accuracy.

PL

Niniejszy artykuł porusza temat automatycznej diagnozy uszkodzenia stawu kolanowego z zastosowaniem sieci neuronowych. Zaproponowanokilka hybrydowych sieci neuronowych, które podjęły próbę poprawnej klasyfikacji nieprawidłowości wykorzystując zdjęcia rezonansu magnetycznego pochodzące z publicznie dostępnego zbioru. Do konstrukcjikombinacji sieci skorzystanoz pretrenowanych modeli (Alexnet, Resnet18, Resnet34) pobranychz Torchvision. Eksperyment pokazał, że dla klasyfikacji niektórych schorzeń modele osiągnęły nawet 90% skuteczności.

11

Urban traffic crash analysis using deep learning techniques

Sobhana Mummaneni, Vemulapalli Nihitha, Mendu Gnana Siva Sai Venkatesh, Ginjupalli Naga Deepika, Dodda Pragathi, Subramanyam Rayanoothala Bala Venkata

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 3

56--63

EN

Road accidents are concerningly increasing in Andhra Pradesh. In 2021, Andhra Pradesh experienced a 20 percent upsurge in road accidents. The state's unfortunate position of being ranked eighth in terms of fatalities, with 8,946 lives lost in 22,311 traffic accidents, underscores the urgent nature of the problem. The significant financial impact on the victims and their families stresses the necessity for effective actions to reduce road accidents.This study proposes a framework that collects accident data from regions, namely Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam,and Gandhinagar in Vijayawada(India)from 2019 to 2021. The dataset comprises over 12,000 records of accident data. Deep learning techniquesare applied to classify the severity of road accidents into Fatal, Grievous, and Severe Injuries. The classification procedure leverages advanced neural network models, including the Multilayer Perceptron, Long-Short Term Memory, Recurrent Neural Network, and Gated Recurrent Unit. These modelsare trained on the collected data to accurately predict the severity of road accidents. The project study to make important contributions for suggesting proactive measures and policies to reduce the severity and frequency of road accidents in Andhra Pradesh.

PL

Liczba wypadków drogowych w Andhra Pradesh niepokojąco rośnie. W 2021 r. stan Andhra Pradesh odnotował 20% wzrost liczby wypadków drogowych. Niefortunna pozycja stanu, który zajmuje ósme miejsce pod względem liczby ofiar śmiertelnych, z 8946 ofiarami śmiertelnymiw 22311 wypadkach drogowych, podkreśla pilny charakter problemu. Znaczący wymiar finansowy dla ofiari ich rodziny podkreśla konieczność podjęcia skutecznych działań w celu ograniczenia liczby wypadków drogowych. W niniejszym badaniu zaproponowano system gromadzenia danych o wypadkachz regionów Patamata, Penamaluru, Mylavaram, Krishnalanka, Ibrahimpatnam i Gandhinagar w Vijayawada (India) w latach 2019–2021. Zbiór danych obejmuje ponad 12 000 rekordów danych o wypadkach. Techniki głębokiego uczenia są stosowane do klasyfikowania wagi wypadków drogowychna śmiertelne, poważne i ciężkie obrażenia. Procedura klasyfikacji wykorzystuje zaawansowane modele sieci neuronowych, w tymwielowarstwowy perceptron, pamięć długoterminową i krótkoterminową, rekurencyjną sieć neuronową i Gated Recurrent Unit. Modele te są trenowane na zebranych danych w celu dokładnego przewidywania wagi wypadków drogowych. Projekt ma wnieść istotny wkład w sugerowanie proaktywnych środków i polityk mających na celu zmniejszenie dotkliwości i częstotliwości wypadków drogowych w Andhra Pradesh.

12

Unbalanced multiclass classification with adaptive synthetic multinomial naive Bayes approach

Fauzi Fatkhurokhman, Ismatullah, Nur Indah Manfaati

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 3

64--70

EN

Opinions related to rising fuel prices need to be seen and analysed. Public opinion is closely related to public policy in Indonesia in the future. Twitter is one of the media that people use to convey their opinions. This study uses sentiment analysis to look at this phenomenon. Sentiment is divided into three categories: positive, neutral, and negative. The methods used in this research are Adaptive Synthetic Multinomial Naive Bayes, Adaptive Synthetic k-nearest neighbours, and Adaptive Synthetic Random Forest. The Adaptive Synthetic method is used to handle unbalanced data. The data used in this study are public arguments per province in Indonesia. The results obtained in this study are negative sentiments that dominate all provinces in Indonesia. There is a relationship between negative sentiment and the level of education, internet use, and the human development index. Adaptive Synthetic Multinomial Naive Bayes performed better than other methods, with an accuracy of 0.882. The highest accuracy of the Adaptive Synthetic Multinomial Naive Bayes method is 0.990 in Papua Barat Province.

PL

Należy przyjrzeć się i przeanalizować opinie związane z rosnącymi cenami paliw. Opinia publiczna jest ściśle związana z polityką publiczną Indonezji w przyszłości. Twitter jest jednym z mediów, których ludzie używają do przekazywania swoich opinii. Niniejsze badanie wykorzystuje analizę nastrojów, aby przyjrzeć się temu zjawisku. Opinia jest podzielona na trzy kategorie: pozytywną, neutralną i negatywną. Metody wykorzystane w tym badaniu to Adaptive Synthetic Multinomial Naive Bayes, Adaptive Synthetic k-nearest neighbours i Adaptive Synthetic Random Forest. Metoda Adaptive Synthetic służy do obsługi niezrównoważonych danych. Dane wykorzystane w tym badaniu to argumenty publiczne według prowincji w Indonezji. Wyniki uzyskane w tym badaniu to negatywne nastroje, które dominują we wszystkich prowincjach Indonezji. Istnieje związek między negatywnymi nastrojami a poziomem wykształcenia, korzystaniem z Internetu i wskaźnikiem rozwoju społecznego. Adaptive Synthetic Multinomial Naive Bayes działała lepiej niż inne metody, z dokładnością 0,882. Najwyższa dokładność metody Adaptive Synthetic Multinomial Naive Bayes wynosi 0,990 w prowincji Papua Barat.

13

Szwedzkie podejście do oceny stanu bezpieczeństwa zapór z odniesieniem do polskich wymagań i praktyk

Dmytrow Maciej, Sobiesak Przemysław, Śliwiński Piotr, Wrzosek Krzysztof

Gospodarka Wodna

|

2023

|

Nr 2

2--10

PL

Firmy ze szwedzkiego sektora energetycznego oraz wydobywczego wypracowały szereg instrukcji, wytycznych i zaleceń, które mają zapewnić bezpieczną i nieprzerwaną eksploatację zapór wodnych oraz zapór składowisk odpadów wydobywczych. Obejmują one również metodykę prowadzenia wewnętrznych i zewnętrznych kontroli obiektów hydrotechnicznych. W artykule opisano szwedzkie podejście do oceny stanu bezpieczeństwa zapór oraz klasyfikacji nieprawidłowości stwierdzonych podczas okresowych kontroli. Porównano je z polskimi wymaganiami i praktykami.

EN

Swedish energy and mining sector companies have worked out a series of instructions, guidelines and recommendations to ensure the safe and continuous operation of water and tailings dams. They also include the methodology of carrying out internal and external controls of hydro-engineering structures. The article presents the Swedish approach to the dam safety assessment and classification of irregularities identified during periodical controls and compares it with Polish requirements and practices.

14

Comparative GIS analysis using taxonomy and classification techniques

Miłek Marzenna, Stanik Jerzy, Kiedrowicz Maciej, Napiórkowski Jarosław

GIS Odyssey Journal

|

2023

|

Vol. 3, no. 1

73--96

EN

The article discusses the methodology of comparative analysis of GIS class computer systems using the current elements of taxonomy and classification theory. Eighteen selected GIS class systems that meet the criterion of completeness of all data required in the conducted research were fully analyzed. The proper comparative characteristics were preceded by the recognition of the market situation in terms of the availability of GIS systems. Eight thematic groups of criteria were used in the research, based on which the selection of GIS solutions for comparison was carried out. The adopted system selection criteria carry out the selection of objects in a binary manner. The chosen rules of classifying the system into a set of objects for comparison covered the issue of the availability of the required information. Due to the characteristics carried out, this information was obligatory, because a full set of data is required, which will allow for a comprehensive and factual comparison, based on which a given product (GIS system) can be indicated to the consumer with full responsibility. The set of features and comparative criteria was created based on own experience and numerous consultations with specialists and field experts. The selected criteria are the most widely used and most accepted in the environments that systems of this class use daily. Both the functional scope (features, functions, properties, advantages and disadvantages) as well as the degree of fulfillment of subsequent criteria by the considered systems were determined and described.

15

Development and application potential of gravitational classifiers

Rybak Łukasz, Dudczyk Janusz

Elektronika : konstrukcje, technologie, zastosowania

|

2023

|

Vol. 64, Nr 3

29--32

EN

The aim of the article is to show the development and application potential of gravitational classifiers. The paper contains a synthetic overview of information about algorithms belonging to the aforementioned group of approaches, which are part of the field of artificial intelligence. The significance of the intelligent data processing process was confirmed by referring to the data published by the European Statistical Office and documents referring to the European Commission’s strategy for 2019-2024. A group of gravitational classifiers was characterized, which were positioned in the area of machine learning alongside other groups of algorithms described in the world literature. A three-set division of gravitational classifiers was presented, and the features of selected methods and their practical applications were described as well. Conclusion of the article is an indication of potential development and application directions of the gravitational algorithm, which creates a data particle through its geometrical divide.

PL

Celem artykułu jest ukazanie potencjału rozwojowego i aplikacyjnego klasyfikatorów grawitacyjnych. W artykule przedstawiono w sposób syntetyczny przegląd informacji dotyczących algorytmów należących do wspomnianej grupy, wpisujących się w obszar sztucznej inteligencji. Istotność procesu inteligentnego przetwarzania danych potwierdzono, odnosząc się do danych opublikowanych przez Europejski Urząd Statystyczny oraz dokumentów dotyczących strategii Komisji Europejskiej na lata 2019-2024. Scharakteryzowano grupę klasyfikatorów grawitacyjnych, które spozycjonowano w obszarze uczenia maszynowego obok innych, opisanych w światowej literaturze, grup algorytmów. Przedstawiono trójzbiorowy podział klasyfikatorów grawitacyjnych, opisując również cechy wybranych metod oraz ich praktyczne zastosowania. Konkludując artykuł wskazano potencjalne kierunki rozwoju i aplikacji algorytmu grawitacyjnego, który tworzy cząstkę danych poprzez jej geometryczny podział.

16

The level of renewable energy used in EU member states - A multidimensional comparative analysis

Grzebyk Mariola, Stec Małgorzata

Economics and Environment

|

2023

|

No. 3

244--264

EN

This paper assesses EU countries in terms of their level of renewable energy use. The ranking of 27 EU countries in terms of the complex phenomenon under study was constructed on the basis of 7 variables. The research period was 2011 and 2020. The research method was one of multi-dimensional comparative analysis methods, i.e. Hellwig’s pattern development model. The research results confirm that there wasa positive change in the use of renewable energy in all EU countries in 2020 compared to 2011, with Sweden, Austria, Finland, and Denmark taking the lead. However, most EU countries (16 in 2011 and 17 in 2020) have a medium-low level of use of “green energy”. A low level was identified in Cyprus and Malta in 2011 and Poland in 2020.

PL

W pracy oceniono kraje UE pod względem poziomu wykorzystania energii odnawialnej. Podstawę budowy rankingu 27 krajów UE pod względem badanego zjawiska złożonego stano-wiło 7 zmiennych, a okresem badawczym był 2011 i 2020 rok. Zastosowaną metodą badawczą była jedna z metod wielowymiarowej analizy porównawczej – metoda wzorca rozwoju Z. Hellwiga. Wyniki przeprowadzonych badań potwierdzają, że w 2020 w porównaniu do 2011 roku we wszystkich krajach UE nastąpiły pozytywne zmiany w zakresie wykorzystania energii odnawialnej. Liderami są Szwecja, Austria, Finlandia i Dania. Większość krajów UE (w 2011 roku – 16; w 2020 roku – 17) posiada jednak średnioniski poziom wykorzystania tzw. „zielonej energii”. Natomiast poziom niski uzyskały w 2011 roku Cypr i Malta, a w 2020 roku – Polska.

17

Efficient Covid-19 disease diagnosis based on cough signal processing and supervised machine learning

Bensid Khaled, Lati Abdelhai, Benlamoudi Azeddine, Ghouar Brahim Elkhalil, Senoussi Mohammed Larbi

Diagnostyka

|

2023

|

Vol. 24, No. 1

art. no. 2023103

EN

The spread of the coronavirus has claimed the lives of millions worldwide, which led to the emergence of an economic and health crisis at the global level, which prompted many researchers to submit proposals for early diagnosis of the coronavirus to limit its spread. In this work, we propose an automated system to detect COVID-19 based on the cough as one of the most important infection indicators. Several studies have shown that coughing accounts for 65% of the total symptoms of infection. The proposed system is mainly based on three main steps: first, cough signal detection and segmentation; second, cough signal extraction; and third, three techniques of supervised machine learning-based classification: Support Vector Machine (SVM), KNearest Neighbours (KNN), and Decision Tree (DT). Our proposed system showed high performance through good accuracy values, where the best accuracy for classifying female coughs was 99.6% using KNN and 88% for males using SVM.

18

Machine learning-based business rule engine data transformation over high-speed networks

Neelima Kenpi, Vasundra S.

Computer Assisted Methods in Engineering and Science

|

2023

|

Vol. 30, no. 1

55--71

EN

Raw data processing is a key business operation. Business-specific rules determine howthe raw data should be transformed into business-required formats. When source datacontinuously changes its formats and has keying errors and invalid data, then the effectiveness of the data transformation is a big challenge. The conventional data extraction andtransformation technique produces a delay in handling such data because of continuousfluctuations in data formats and requires continuous development of a business rule engine.The best business rule engines require near real-time detection of business rule and datatransformation mechanisms utilizing machine learning classification models. Since data iscombined from numerous sources and older systems, it is challenging to categorize andcluster the data and apply suitable business rules to turn raw data into the business-required format. This paper proposes a methodology for designing ensemble machine learning techniques and approaches for classifying and segmenting registered numbersof registered title records to choose the most suitable business rule that can convert theregistered number into the format the business expects, allowing businesses to provide customers with the most recent data in less time. This study evaluates the suggested modelby gathering sample data and analyzing classification machine learning (ML) models todetermine the relevant business rule. Experimentation employed Python, R, SQL storedprocedures, Impala scripts, and Datameer tools.

19

Classification and detection of skin disease based on machine learning and image processing evolutionary models

Bordoloi Dibyahash, Singh Vijay, Kaliyaperumal Karthikeyan, Ritonga Mahyudin, Jawarneh Malik, Kassanuk Thanwamas, Quiñonez-Choquecota Jose

Computer Assisted Methods in Engineering and Science

|

2023

|

Vol. 30, no. 2

247--256

EN

Skin disorders, a prevalent cause of illnesses, may be identified by studying their physical structure and history of the condition. Currently, skin diseases are diagnosed using invasive procedures such as clinical examination and histology. The examinations are quite effective and beneficial. This paper describes an evolutionary model for skin disease classification and detection based on machine learning and image processing. This model integrates image preprocessing, image augmentation, segmentation, and machine learning algorithms. The experimental investigation makes use of a dermatology data set. The model employs the machine learning methods: the support vector machine (SVM), the k-nearest neighbors (KNN), and random forest algorithms for image categorization and detection. This suggested methodology is beneficial for the accurate identification of skin disease using image analysis. The SVM algorithm achieved an accuracy of 98.8%. The KNN algorithm achieved a sensitivity of 91%. The specificity of KNN was 99%.

20

Assessment of slope stability using classification and regression algorithms subjected to internal and external factors

Singh Sudhir Kumar, Chakravarty Debashish

Archives of Mining Sciences

|

2023

|

Vol. 68, no. 1

87--102

EN

This study aims at developing a machine learning based classification and regression-based models for slope stability analysis. 1140 different cases have been analysed using the Morgenstern price method in GeoSlope for non-homogeneous cohesive slopes as input for classification and regression-based models. Slope failures presents a serious challenge across many countries of the world. Understanding the various factors responsible for slope failure is very crucial in mitigating this problem. Therefore, different parameters which may be responsible for failure of slope are considered in this study. 9 different parameters (cohesion, specific gravity, slope angle, thickness of layers, internal angle of friction, saturation condition, wind and rain, blasting conditions and cloud burst conditions) have been identified for the purpose of this study including internal, external and factors representing the geometry of the slope has been included. Four different classification algorithms namely Random Forest, logistic regression, Support Vector Machine (SVM), and K Nearest Neighbor (KNN) has been modelled and their performances have been evaluated on several performance metrics. A similar comparison based on performance indices has been made among three different regression models Decision tree, random forest, and XGBoost regression.