Wyniki wyszukiwania - BazTech

1

Multi-layer neural networks for sales forecasting

Scherer M.

Journal of Applied Mathematics and Computational Mechanics

|

2018

|

Vol. 17, nr 1

61--68

EN

Predicting business operations on the basis of previous events plays an important role in managing a company. In the paper, we predict monthly sales volume of a textile warehouse by mathematical tools. To this end we use a feedforward artificial neural network trained on past data. The network predicted the volume with high accuracy. For the examined company, such prediction is very important as nearly the entire range of products is imported from different countries and the goods have to be ordered in advance.

2

Multivariate non-stationary time series predictor based on an adaptive neuro-fuzzy approach

Bodyanskiy Y., Tyshchenko O., Wójcik W.

Elektronika : konstrukcje, technologie, zastosowania

|

2013

|

Vol. 54, nr 8

10-13

PL

W artykule przedstawiony został adaptacyjny system predykcji w czasie rzeczywistym wielowymiarowych, niestacjonarnych szeregów czasowych. Architektura tego systemu jest zgodna z architekturą filtrów adaptacyjnych, wykorzystując równolegle połączone neo-rozmyte neurony. Efektywność systemu została oceniona podczas badań symulacyjnych zadania identyfikacji atraktora Lorenza.

EN

The article presents adaptive system for multidimensional non-stationary time series prediction in real-time. Its architecture matches of an adaptive filters and uses parallel connected neo-fuzzy neurons. Efficiency of the system was assessed during simulation test based on solving chaotic Lorenz attractor identification.

3

Approximation abilities of neuro-fuzzy systems

Mrówczyńska M., Gil J.

Reports on Geodesy

|

2009

|

z. 2/87

283-290

EN

The paper presents the operation of neuro-fuzzy systems of an adaptive type as specific structures of mathematical models, intended for the approximation of multi-variable functions in the domain of real numbers. Neuro-fuzzy systems operate on the basin of a set of interences "if-then", generated with the use of algorithms for the use of algorithms for the self-organisationof data grouping and the estimation of relations beetween fuzzy experiment results. The article includes a description of models of neuro-fuzzy systems by Takaga, Sugeno, Kang (TSK), and Wang and Mendel (WM), which, when defined as continuous functions, enable the approximation of any multi-variable non-linear functions. Moreover, the module structure of the models enables the implemantation of a parallel multi-layer structure, analogous to the structure of classic neural networks.

4

Zastosowanie metod adaptacyjnych w ocenie stanu środowiska glebowego

Gruszczyński S., Urbański K.

Geomatics and Environmental Engineering

|

2007

|

Vol. 1, no. 1

29-39

PL

W artykule zaprezentowano wyniki uzyskane z prób zastosowania dwóch algorytmów eksploracji danych pochodzących z obserwacji stanu chemicznego gleb w otoczeniu źródeł niezorganizowanej emisji metali ciężkich. Klasyfikacje standardów koncentracji zanieczyszczeń gleb wykonane przy udziale sieci FSM (Feature Space Mapping) oraz komitetów klasyfikatorów (w tym przypadku były to: FSM+IncNet+drzewa decyzyjne i komitet sieci FSM złożony z egzemplarzy różniących się funkcją transferu) wykazały znaczącą przewagę pojedynczego klasyfikatora FSM. Dodatkowo posiada on możliwość wyekstrahowania z bazy danych reguł klasyfikacji, które później jako makroinstrukcje mogą stać się nieodzownym elementem cyfrowych map glebowych i aktywnie uczestniczyć w budowie systemu informacji o przestrzeni. W obydwu przypadkach głównym ograniczeniem, a tym samym efektywnością zastosowania algorytmów była szczupłość danych użytych w analizie. To zdecydowało o użyciu metody walidacji krzyżowej podczas tworzenia modelu klasyfikacyjnego i tym samym narzuciło ostrożne traktowanie nawet bardzo optymistycznych wyników uzyskanych takim modelem.

EN

The paper presents the results of application two data mining coming from the chemical soils state observations, within the unorganized heavy metals emission. Soil pollution concentration standards classification with the use FSM networks, and also classifications committees (in this case: FSM + IncNet + decision trees, and FSM networks Committee which consists of elements differing by transfer function) show a considerable predominance of single FSM classifier. Additionally it has the possibility to extract the classification rules from the data basis which might be in future applied as macroinstruction for preparing the soil digital maps, and actively participate in SIP construction. In both cases the main restriction and also the algorithm application effectivity was a very little amount of data used in the analyses. This brought to the decision of using the cross validation method, during creating the classification model, and thereby imposes to treat very carefully, even very optimistic results obtained by this model.