Wyniki wyszukiwania - BazTech

1

Comparison of particle swarm optimization algorithms in hyperparameter optimization problem of multi layered perceptron

Shiomi Kenta, Sato Tetsuya, Kita Eisuke

Computer Assisted Methods in Engineering and Science

|

2025

|

Vol. 32, no. 1

3--24

EN

This paper describes the application of particle swarm optimization (PSO) for the hy- perparameter optimization problem of multi-layered perceptron (MLP) model. Several PSO algorithms are presented by many researchers; basic PSO, PSO with inertia weight (PSO-w), PSO with constriction factor (PSO-cf), local PSO-w, local PSO-cf, union of local and global PSOs (UPSO), PSO with second global best particle (SG-PSO), and PSO with second local best particle (SP-PSO). The wine dataset is taken as a numerical example and hyperparameters of MLP the model are determined by the above-mentioned PSO algorithms. The sets of hyperparameters determined by these PSO algorithms are compared with the results of the traditional algorithms for hyperparameter optimization such as random search, tree-structured Parzen estimator (TPE), and covariance matrix adaptation evolution strategy (CMA-ES). Numerical results indicate that PSO-cf is the best-performing and local PSO-w is the second best among the PSO algorithms. The sets of hyperparameters determined by the PSO algorithms were relatively similar. An important finding from the numerical results is that PSO algorithms could find better hyperparameters than random search, TPE, and CMA-ES. This demonstrates that PSO is suitable for the hyperparameter optimization problem in MLP models.

2

Recognizing user emotion based on keystroke dynamics

Malinowski Michał, Krawczyk-Borysiak Zuzanna

Przegląd Elektrotechniczny

|

2024

|

R. 100, nr 6

19--22

EN

The paper presents a study concerning recognizing user emotion based on keystroke dynamics of the written text. At first, the analysis of the dataset used in the task is performed. Followed by the training and the effectiveness assessment of classical methods: Naive Bayes, K-Nearest Neighbours, Random Forest, and Multilayer Perceptron applied to the classification of provided samples to one of four emotions: anger, calm, happiness, sadness. The precision, recall, F1-score and time performance are evaluated. The Random Forest and MLP classifiers performed best, with an overall F1 measure of 84.83% and 80.47%, respectively. The scenario for extending the data set is proposed, along with the analysis of classification results of new data.

PL

Artykuł przedstawia badania dotyczące rozpoznawania emocji użytkownika na podstawie dynamiki naciśnięć klawiszy wpisywanego tekstu. W pracy przeprowadzono analizę wykorzystywanego zbioru danych, wytrenowano oraz dokonano oceny skuteczności klasycznych metod takich jak: naiwny klasyfikator Bayesa, metoda najbliższych sąsiadów, las losowy oraz perceptron wielowarstwowy, zastosowanych do przyporządkowania danych do jednej z czterech emocji: złości, spokoju, radości lub smutku. Uzyskane wyniki zostały ewaluowane z wykorzystaniem miar precyzji, czułości oraz F1, oceniono również wydajność czasową. Las losowy oraz perceptron wielowarstwowy osiągnęły najlepsze wyniki, z wynikiem F1 równym odpowiednio 84.83% i 80.47%. Zaprezentowano również scenariusz rozszerzenia zbioru danych, razem z analizą wyników klasyfikacji nowych danych.

3

Zastosowanie metod uczenia maszynowego do predykcji generowanej energii w małym systemie PV

Idźkowski Adam, Sumorek Mateusz

Pomiary Automatyka Robotyka

|

2024

|

R. 28, nr 2

37--43

PL

Artykuł przedstawia problem prognozowania generacji energii elektrycznej w małych systemach fotowoltaicznych (PV). Celem opracowanych długoterminowych prognoz jest możliwość poprawnego zarządzania systemem elektroenergetycznym poprzez podejmowanie odpowiednich działań zachowawczych. Przeanalizowano czynniki atmosferyczne wpływające na pozyskiwanie energii elektrycznej w systemach fotowoltaicznych. Dokonano porównania wybranych modeli prognostycznych z wykorzystaniem uczenia maszynowego, m.in. sieci neuronowych MLP oraz metody wektorów nośnych SVM. Zostały wybrane mierniki pozwalające określić trafność (dokładność) prognoz. Określenie jakości prognoz bazowało na stanach faktycznych pogody, a nie na jej prognozie. Przedstawiono sposób przygotowania danych do utworzenia modeli prognostycznych i zaprezentowano najlepsze modele regresyjne. Do tego celu wykorzystano bibliotekę Scikit-learn umożliwiającą tworzenie skryptów w języku Python. W rozpatrywanym zespole fotowoltaicznym najlepsze rezultaty uzyskano dla modeli MLPRegressor, CatBoostRegressor i SVR. Wykorzystano rzeczywiste dane pomiarowe z systemu paneli ustawionych optymalnie o mocy 3,0 kWp. Dla modelu MLPRegressor osiągnięto największy współczynnik determinacji 0,605 oraz najmniejszy pierwiastek błędu średniokwadratowego 1,79 KWh dla średniej dziennej generacji energii elektrycznej w okresie od kwietnia do września 2022 r. wynoszącej 11,65 kWh.

EN

The article presents data analysis for predicting energy production in photovoltaic (PV) power plant systems. The purpose of long-term forecasts is to determine the effectiveness of preventive actions and manage the power system effectively. Climate variables affecting the production of electricity in photovoltaic systems were analyzed. Forecasting methods using machine learning techniques such as Multi-Layer Perceptron (MLP) neural networks and Support Vector Machine (SVM) were compared. In addition, metrics were selected to determine the quality of forecasts. Determining the quality of forecasts was based on the actual varying conditions, not on the weather forecast data. The way of data preparation to create forecasting models were presented and the models with the best metrics were selected. For this purpose, the Scikit-learn library was used to create scripts in Python. The best results were obtained for regression models: MLPRegressor, CatBoostRegressor and Support Vector Regression. Actual measurement data from a system of optimally-positioned panels with a power of 3.0 kWp were used. For the MLPRegressor model, the highest coefficient of determination 0.605 was achieved with the smallest root-mean-square error of 1.79 KWh.

4

The utilization of machine learning for network intrusion detection systems

Sanmorino Ahmad, Setiawan Herri, Coyanda John Roni

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 4

86--89

EN

This study investigates the integration of MultilayerPerceptron (MLP) architecture in Network Intrusion Detection Systems (NIDS) to strengthen cyber defencesagainst evolving threats. The goal is to explore the potential of MLP in learning complex patterns and adapting to dynamic attack vectors, thereby improving detection accuracy. Key results from 5-fold cross-validation demonstrate model consistency, achieving an average accuracy of 0.97 with minimal standard deviation. Further evaluation across multiple nodes per layer and train-test splits demonstrate model robustness, displaying high metrics such as AUC-ROC and F1-Score. Challenges, such as the scarcity of large labelleddatasets and complex model interpretability,are acknowledged. This study provides a comprehensive foundation for future investigations, suggesting potential directions such as integrating advanced neural network architectures and assessing model transferability. In conclusion, this study contributes to the evolving intersection of machine learningand cyber security, offering insights into the strengths, limitations, and future directions of MLP-based NIDS. As cyber threats evolve, continued refinement of MLP methods is critical to effective network defencesagainst sophisticated adversaries.

PL

W niniejszym artykule zbadano integrację architektury wielowarstwowego perceptronu (MLP) w systemach wykrywania włamań do sieci (NIDS) w celu wzmocnienia cyberobrony przed ewoluującymi zagrożeniami. Celem jest zbadanie potencjału MLP w uczeniu się złożonych wzorcówi dostosowywaniu się do dynamicznych wektorów ataków, a tym samym poprawienie dokładności wykrywania. Kluczowe wyniki 5-krotnej walidacji krzyżowej wykazują spójność modelu, osiągając średnią dokładność 0,97 przy minimalnym odchyleniu standardowym. Dalsza ocena w wielu węzłachna warstwę i podziały trening-test wykazują solidność modelu, wykazując wysokie metryki, takie jak AUC-ROC i F1-Score. Wyzwania, takie jak niedobór dużych zestawów danych z etykietami i złożona interpretowalność modelu, są uznawane. Niniejsze badanie zapewnia kompleksową podstawę do przyszłych badań, sugerując potencjalne kierunki, takie jak integracja zaawansowanych architektur sieci neuronowych i ocena przenoszalności modelu. Podsumowując, niniejsze badanie przyczynia się do ewoluującego skrzyżowania uczenia maszynowego i cyberbezpieczeństwa, oferując wgląd w mocne strony, ograniczenia i przyszłe kierunki NIDS opartych na MLP. W miarę rozwoju cyberzagrożeń ciągłe udoskonalanie metodMLP staje się kluczowedla skutecznej obrony sieci przed wyrafinowanymi przeciwnikami.

5

Information system for assessing the level of human capital management

Azarova Angzhelika, Azarova Larysa, Krak Iurii, Ruzakova Olga, Azarova Veronika

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 3

123--128

EN

The article offers conceptual foundations for formalizing the process of assessing a level of human capital (HC) management at the enterprise using mathematical and computer modeling based on neural network technologies. The methodological approach for assessing the level of human capital management has been improved. This allows the use of neural network tools to identify accurately and reasonably the level of HC management with the help of self-learning multilayer perceptron. The weight coefficients of such a network were calculated. An appropriate artificial neural network – a multilayer perceptron – was built using the mathematical software MatLab and it was successfully diagnosed. The improved mathematical model for assessing the level of HC management at the enterprise makes it possible to display transparently a set of input parameters on a set of output solutions, to decompose such a process, and to simplify the procedure of its formalization. The designed neural network allows us to determine quickly and accurately the level of HC management at the enterprise. The conceptual approach proposed by the authors has several significant advantages over existing alternative methods: accuracy of assessment; taking into account a wide range of various evaluation parameters of impact; high speed of making decisions and self-learning ability. The proposed approach was successfully implemented to assess the level of HC management at 24 domestic enterprises. The information system "HC" developed by the authors allows to calculate the estimated parameters of the evaluation process; to determine the level of HC management based on the mathematical apparatus of the multilayer perceptron. Such estimates correlate with the estimates obtained by the experts of these enterprises which indicates the adequacy of the approach proposed by the authors. Therefore, the proposed information system for assessing the level of management of the HC allows accurate implementation of such a process with minimal time and money costs.

PL

W artykule przedstawiono koncepcyjne podstawy sformalizowania procesu oceny poziomu zarządzania kapitałem ludzkim (HC) w przedsiębiorstwie z wykorzystaniem modelowania matematycznego i komputerowego opartego na technologiach sieci neuronowych. Udoskonalono podejście metodyczne do oceny poziomu zarządzania kapitałem ludzkim. Pozwala to na wykorzystanie narzędzi sieci neuronowych do dokładnej i rozsądnej identyfikacji poziomu zarządzania HC za pomocą samouczącego się perceptronu wielowarstwowego. Obliczono współczynniki wagowe takiej sieci. W programie matematycznym MatLab zbudowano odpowiednią sztuczną sieć neuronową – perceptron wielowarstwowy, która została pomyślnie zdiagnozowana. Udoskonalony model matematyczny oceny poziomu zarządzania HC w przedsiębiorstwie pozwala w przejrzysty sposób przedstawić zbiór parametrów wejściowych na zbiorze rozwiązań wyjściowych, rozłożyć taki proces i uprościć procedurę jego formalizacji. Zaprojektowana sieć neuronowa pozwala szybko i trafnie określić poziom zarządzania HC w przedsiębiorstwie. Podejście koncepcyjne zaproponowane przez autorów ma kilka istotnych zalet w porównaniu z istniejącymi metodami alternatywnymi: dokładność oceny; uwzględnienie szerokiego zakresu różnych parametrów oceny wpływu; duża szybkość podejmowania decyzji i umiejętność samokształcenia. Zaproponowane podejście zostało z sukcesem wdrożone do oceny poziomu zarządzania HC w 24 przedsiębiorstwach krajowych. Opracowany przez autorów system informatyczny „HC” pozwala na obliczenie szacunkowych parametrów procesu oceny; określenie poziomu zarządzania HC w oparciu o aparat matematyczny perceptronu wielowarstwowego. Szacunki te korelują z szacunkami uzyskanymi przez ekspertów tych przedsiębiorstw, co wskazuje na adekwatność podejścia zaproponowanego przez autorów. Dlatego też zaproponowany system informatyczny oceny poziomu zarządzania HC pozwala na dokładną realizację takiego procesu przy minimalnych kosztach czasowych i finansowych.

6

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.

7

Automated detection of cybersecurity attacks in healthcare systems with recursive feature elimination and multilayer perceptron optimization

Firat Kilincer Ilhan, Ertam Fatih, Sengur Abdulkadir, Tan Ru-San, Rajendra Acharya U.

Biocybernetics and Biomedical Engineering

|

2023

|

Vol. 43, no. 1

30--41

EN

Widespread proliferation of interconnected healthcare equipment, accompanying software, operating systems, and networks in the Internet of Medical Things (IoMT) raises the risk of security compromise as the bulk of IoMT devices are not built to withstand internet attacks. In this work, we have developed a cyber-attack and anomaly detection model based on recursive feature elimination (RFE) and multilayer perceptron (MLP). The RFE approach selected optimal features using logistic regression (LR) and extreme gradient boosting regression (XGBRegressor) kernel functions. MLP parameters were adjusted by using a hyperparameter optimization and 10-fold cross-validation approach was performed for performance evaluations. The developed model was performed on various IoMT cybersecurity datasets, and attained the best accuracy rates of 99.99%, 99.94%, 98.12%, and 96.2%, using Edith Cowan University- Internet of Health Things (ECU-IoHT), Intensive Care Unit (ICU Dataset), Telemetry data, Operating systems’ data, and Network data from the testbed IoT/IIoT network (TON-IoT), and Washington University in St. Louis enhanced healthcare monitoring system (WUSTL-EHMS) datasets, respectively. The proposed method has the ability to counter cyber attacks in healthcare applications.

8

A dual-stage transformer and MLP-based network for breast ultrasound image segmentation

Lin Guidi, Chen Mingzhi, Tan Minsheng, Chen Lingna, Chen Junxi

Biocybernetics and Biomedical Engineering

|

2023

|

Vol. 43, no. 4

656--671

EN

Automatic segmentation of breast lesions from ultrasound images plays an important role in computer-aided breast cancer diagnosis. Many deep learning methods based on convolutional neural networks (CNNs) have been proposed for breast ultrasound image segmentation. However, breast ultrasound image segmentation is still challenging due to ambiguous lesion boundaries. We propose a novel dual-stage framework based on Transformer and Multi-layer perceptron (MLP) for the segmentation of breast lesions. We combine the Swin Transformer block with an efficient pyramid squeezed attention block in a parallel design and introduce bi-directional interactions across branches, which can efficiently extract multi-scale long-range dependencies to improve the segmentation performance and robustness of the model. Furthermore, we introduce tokenized MLP block in the MLP stage to extract global contextual information while retaining fine-grained information to segment more complex breast lesions. We have conducted extensive experiments with state-of-the-art methods on three breast ultrasound datasets, including BUSI, BUL, and MT_BUS datasets. The dice coefficient reached 0.8127 ± 0.2178, and the intersection over union reached 0.7269 ± 0.2370 on benign lesions when the Hausdorff distance was maintained at 3.75 ± 1.83. The dice coefficient of malignant lesions is improved by 3.09% for BUSI dataset. The segmentation results on the BUL and MT_BUS datasets also show that our proposed model achieves better segmentation results than other methods. Moreover, the external experiments indicate that the proposed model provides better generalization capability for breast lesion segmentation. The dual-stage scheme and the proposed Transformer module achieve the fine-grained local information and long-range dependencies to relieve the burden of radiologists.

9

Cat swarm optimization algorithm tuned multilayer perceptron for stock price prediction

Chandar S. Kumar, Punjabi Hitesh

Computer Assisted Methods in Engineering and Science

|

2022

|

Vol. 29, no. 1-2 spec.

145--160

EN

Due to the nonlinear and dynamic nature of stock data, prediction is one of the mostchallenging tasks in the financial market. Nowadays, soft and bio-inspired computing algorithms are used to forecast the stock price. This article assesses the efficiency of thehybrid stock prediction model using the multilayer perceptron (MLP) and cat swarm optimization (CSO) algorithm. The CSO algorithm is a bio-inspired algorithm inspired bythe behavior traits of cats. CSO is employed to find the appropriate value of MLP parameters. Technical indicators calculated from historical data are used as input variablesfor the proposed model. The model’s performance is validated using historical data notused for training. The model’s prediction efficiency is evaluated in terms of MSE, MAPE, RMSE and MAE. The model’s results are compared with other models optimized byvarious bio-inspired algorithms presented in the literature to prove its efficiency. The empirical findings confirm that the proposed CSO-MLP prediction model provides the bestperformance compared to other models taken for analysis.

10

Hybrid predictions of the homogenous properties’ market value with the use of ann

Anysz Hubert, Podwórna Monika, Ibadov Nabi, Lennerts Kunibert, Dikarev Kostiantyn

Archives of Civil Engineering

|

2021

|

Vol. 67, nr 1

285--301

EN

The homogenous properties – as flats are – have the set of key features that characterizes them. The area of a flat, the number of rooms and storey number where it is located, the technical state of a building, and the state of the vicinity of the blocks of flats assessed. The database comprises 222 flats with their transaction prices on the secondary estate market. The analysed flats are located in a certain quarter of Wrocław city in Poland. The database is large enough to apply machine learning for successful price predictions. Their close locations significantly lower the influence of clients’ assessments of the attractiveness of the location on the flat’s price. The hybrid approach is applied, where classifying precedes the solution of the regression problem. Dependently on the class of flats, the mean absolute percentage error achieved through the calculations presented in the article varies from 4,4 % to 7,8 %. In the classes of flats where the number of cases doesn’t allow for machine predicting, multivariate linear regression is applied. The reliable use of machine learning tools has proved that the automated valuation of homogenous types of properties can produce price predictions with the error low enough for real applications.

PL

Wycena nieruchomości jest złożonym procesem. Rzeczoznawca majątkowy musi być biegły zarówno w naukach ekonomicznych, prawnych, jak i technicznych. W praktyce często zdarzają się przypadki, w których konieczne jest poznanie zakresu wartości nieruchomości w krótkim czasie. Zautomatyzowane modele wyceny (AVM) są kwestionowane przez praktyków, ale nie oznacza to, że nie należy szukać nowych metod wyceny, innych niż te określone w Rozporządzeniu Rady Ministrów z dnia 21 września 2004 r. w sprawie wyceny nieruchomości i sporządzania operatu szacunkowego. Do określenia wartości rynkowej nieruchomości zdefiniowanej w Ustawie z dnia 21 sierpnia 1997 r o gospodarce nieruchomościami, jako „szacunkowa kwota, jaką w dniu wyceny można uzyskać za nieruchomość w transakcji sprzedaży zawieranej na warunkach rynkowych pomiędzy kupującym a sprzedającym, którzy mają stanowczy zamiar zawarcia umowy, działają z rozeznaniem i postępują rozważnie oraz nie znajdują się w sytuacji przymusowej”, najczęściej stosowaną metodą wyceny jest podejście porównawcze polegające na szacowaniu wartości na podstawie ostatnich danych sprzedaży innych podobnych nieruchomości na rynku lokalnym. Takie podejście wymaga aktywnego, rozwiniętego oraz w miarę stabilnego rynku. Rzeczoznawca majątkowy analizuje ceny transakcyjne nieruchomości, które w wystarczającym stopniu są podobne do nieruchomości wycenianej. Analiza atrybutów nieruchomości polega na badaniu nieruchomości pod względem trwałych cech, które mają znaczący wpływ na wartość, w szczególności lokalizację obiektu, jego powierzchnię, położenie w budynku, stan techniczny. W pracy przenalizowano próbkę 222 nieruchomości lokalowych, które były przedmiotem obrotu na wrocławskim rynku wtórnym. Lokalny rynek nieruchomości przyjęto jako nieruchomości lokalowe o powierzchni użytkowej z przedziału od 15 do 95 m2, w budynkach o stanie dobry lub średnim, z obrębu Grabiszyn dzielnicy Fabryczna miasta Wrocław. W pracy przyjęto dwuletni okres analizy, ze względu na w miarę stabilny rynek w okresie 2013-2014 nie uwzględniono czynnika czasu - przyjęto zerowy trend czasowy dla transakcji wolnorynkowych.

11

Przekształcenie wskazania analogowego przyrządu pomiarowego na postać cyfrową

Luśtyk Dariusz

Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar

|

2020

|

nr 2 (25)

47--54

PL

W artykule przedstawiono sposób wyodrębnienia obrazu podzielni analogowego przyrządu pomiarowego uzyskanego z kamery oraz metodę przetwarzania jego wskazania na postać cyfrową z zastosowaniem perceptronu wielowarstwowego. W pracy przedstawiono wyniki skuteczności odczytu wskazań analogowych z wykorzystaniem programu implementującego proponowaną metodę.

EN

The article presents a method of extracting the image of an analog measuring instrument scale obtained from a camera, and the method of its processing into a digital form of an indication using a multilayer perceptron. The paper presents the results of the effectiveness of reading analog indication with the use of a program implementing the proposed method.

12

Diagnozowanie uszkodzeń łożysk tocznych z wykorzystaniem wybranych klasyfikatorów

Piekoszewski J.

Autobusy : technika, eksploatacja, systemy transportowe

|

2018

|

R. 19, nr 12

597--601

PL

Niewielkie uszkodzenie łożysk tocznych może prowadzić do poważnej awarii urządzenia. Zatem, bardzo ważnym jest wykrycie takich defektów na ich początkowym etapie powstawania aby zapobiec dalszym uszkodzeniom. W pracy przedstawiono kilka wybranych teoretycznych narzędzi z obszaru sztucznej inteligencji zastosowanych do rozwiązania problemu diagnozowania uszkodzeń łożysk tocznych. Rozważanymi narzędziami są: algorytm k najbliższych sąsiadów, drzewo decyzyjne, maszyna wektorów podpierających, perceptron wielowarstwowy, sieć bayesowska oraz sieć neuronowa o radialnych funkcjach bazowych. Rezultaty wszystkich eksperymentów zostały otrzymane z wykorzystaniem rzeczywistych danych oraz aplikacji WEKA (ang. Waikato Environment for Knowledge Analysis) dostępnej na stronach Uniwersytetu Waikato w Nowej Zelandii.

EN

Minor roller bearing damage may lead to serious failures of the device. Thus, it is very important to detect such damage as early as possible to prevent further damage. This paper presents a selection of several theoretical tools from the field of artificial intelligence and their application in roller bearings fault classification. The considered tools are: k-nearest neighbor algorithm, decision tree, support vector machine, feed forward neural network (multilayer perceptron), Bayesian network and neural network with radial basis functions. All numerical experiments presented in the paper were performed with the use of real - world dataset and WEKA (Waikato Environment for Knowledge Analysis) software, available at the server of the University of Waikato.

13

Using neural networks and deep learning algorithms in electrical impedance tomography

Kłosowski G., Rymarczyk T.

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2017

|

T. 7, nr 3

99--102

EN

This paper refers to the cases of the use of Artificial Neural Networks and Convolutional Neural Networks in impedance tomography. Machine Learning methods can be used to teach computers different technical problems. The efficient use of conventional artificial neural networks in tomography is possible able to effectively visualize objects. The first step of implementation Deep Learning methods in Electrical Impedance Tomography was performed in this work.

PL

W artykule zaprezentowano dwa przypadki dotyczące zastosowania sztucznych sieci neuronowych i konwolucyjnych sieci neuronowych w tomografii impedancyjnej. Uczenie maszynowe może znaleźć zastosowanie przy rozwiązywaniu różnorodnych problemów technicznych. W tomograficznej rekonstrukcji obrazów można stosować konwencjonalne sieci neuronowe. W niniejszej pracy przedstawiono przykład zastosowania metod głębokiego uczenia w obszarze elektrycznej tomografii impedancyjnej.

14

Application of artificial neural networks to the technical condition assessment of water supply systems

Kamiński K., Kamiński W., Mizerski T.

Ecological Chemistry and Engineering. S

|

2017

|

Vol. 24, nr 1

31--40

EN

The paper explains a method for discerning the parts of a water supply system in need of renovation. The results are based on technical data collected over the last twenty one years, concerning more than two hundred sections of both renovated and nonrenovated pipelines. In the study, an appropriately prepared data set was used for training an artificial neural network (ANN) in the form of a multilayer perceptron (MLP). Further comparison between the responses of the trained MLP and the decisions made by human experts showed satisfactory consistency, although 15% of the database records produced certain discrepancies. The presented method can help create an expert system capable of supporting failure-free operation of a water distribution system.

15

Sztuczne sieci neuronowe i kierunki ich zastosowań w przemyśle. Podstawowe rodzaje sztucznych sieci neuronowych

Drobina R., Grecka A., Lewandowski S.

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2016

|

nr 7

26--31

EN

The article presents the basic types of artificial neural networks (ANN), designed to solve the regression problems, engineering applications, engineering manufacturing as well as in industrial conditions. The group included these networks are Adaline network, Madaline networks, linear, unidirectional network perpceptron type of multi-layer (MLP), Generalized Regression Neural Networks (GRNN) and a network of radial basis function (RBF).

16

Sztuczne sieci neuronowe i kierunki ich zastosowań w przemyśle. Przykłady zastosowań sztucznych sieci neuronowych wykorzystanych do poprawy jakości procesów przędzalniczych

Lewandowski S., Drobina R., Grecka A.

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2016

|

nr 9

32--36

EN

Artificial neural networks have been used in all stages of the manufacturing process of textiles, from fibers, and even at the stage of forming a fiber-forming polymers, starting and ending with finished products. This article presents som examples ofapplications of artificial neural networks used to improve the qualit of spinning processes. Artificial neural multilayer perceptron type learned usin a back propagation algorithm and the algorithm of Marquardt are inter alii to predict the course of the spinning process as well as predicting the physicc properties of yarns, ensuring sufficient accuracy.

17

Sztuczne sieci neuronowe i kierunki ich zastosowań w przemyśle. Kierunki zastosowań sztucznych sieci neuronowych we włókiennictwie wykorzystywane przy klasyfikacji błędów w płaskich wyrobach włókienniczych i użytkowaniu odzieży

Lewandowski S., Drobina R., Grecka A.

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2016

|

nr 10

32--37

EN

The article gives examples of applications of artificial neural networks for research and evaluation of flat textiles (waven fabrics and knitted fabrics). The main attention focused on the detection and classification faults of fabrics, as well as predicting the handle and comfort of clothing.

18

Sztuczne sieci neuronowe i kierunki ich zastosowań w przemyśle. Inspiracje biologiczne sztucznych sieci neuronowych, ich historia oraz matematyczny model neuronu do zastosowań inżynierskich

Drobina R., Grecka A., Lewandowski S.

Przegląd Włókienniczy - Włókno, Odzież, Skóra

|

2016

|

nr 5

19--23

EN

Artificial intelligence is a branch of computer science who create computer programs that simulate intelligent human behavior. The main task of the study of artificial intelligence is designing machines and computer programs capable of carrying out certain functions of the mind and the human senses not amenable to simple numeric algorithmization. Particularly important are artificial neural networks useful to look for more complex relationships between input and output. A neural network is a mathematical paradigm modeling of biological activity and neutral system used to perform calculations. The article presents the biological inspirations and history of the development of artificial neural networks (ANN).

19

Zastosowanie sztucznych sieci neuronowych do oceny stanu technicznego sieci wodociągowej

Kamiński K., Kamiński W., Mizerski T.

Proceedings of ECOpole

|

2016

|

Vol. 10, No. 2

661--666

PL

Zaprezentowano metodę typowania wodociągów wymagających przeprowadzenia remontu wykorzystującą sztuczne sieci neuronowe (SSN). W badaniach zastosowano dane zawierające informacje z ostatnich 21 lat o parametrach technicznych i wskaźnikach awaryjności ponad 200 odcinków wodociągów, zarówno tych, które poddane zostały remontom w tym okresie, jak i o wodociągach nieremontowanych. Odpowiednio przygotowany zbiór danych wejściowych został wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Przedstawiono analizę działania wytrenowanej sieci neuronowej, porównując jej odpowiedzi z podjętymi w przeszłości decyzjami ekspertów o remontach wodociągów. Pomimo dobrej zgodności przewidywań SSN i opinii ekspertów, w większości przypadków stwierdzono około 15% sprzecznych decyzji. Zaproponowana metoda umożliwia stworzenie systemu eksperckiego, którego wdrożenie może poprawić wykorzystanie zasobów finansowych przedsiębiorstwa, przeznaczanych na utrzymanie niezawodnej infrastruktury wodnej.

EN

The paper explains a method for discerning the parts of a water supply system in need of renovation, based on Artificial Neural Networks (ANNs). The study uses data, collected over the last twenty-one years, containing information on condition assessment and failure indicators concerning more than two hundred sections of both renovated and nonrenovated pipelines. During the study, an appropriately prepared data set was used for training a neural network in the form of a multilayer perceptron. Further comparison of the predictions obtained using the trained ANN with the decisions made by human experts showed satisfactory consistency; however, it should be noted that for 15% of all cases from the database discrepancies were recorded. The proposed method enables creating an expert system, which implemented by a water supply company can improve its cost management and ensure failure-free operation of its water distribution system.

20

Using artificial neural networks to determine the location of wind farms. Miedzna district case study

Pokonieczny K.

Journal of Water and Land Development

|

2016

|

no. 30

101--111

EN

The article concerns issues pertaining to of selecting suitable areas for wind farms. The basic assumption of the study was to take into account both criteria related to the profitability of this type of power plant, as well as public interest, which means the harmonious and not burdensome functioning of these installations for local communities. The problem of wind farm localization may be solved by the application of artificial neural networks (ANN), which are a computational intelligence element. In the conducted analysis, the possibility of wind farm localization was considered for the primary grid field with dimensions of 100 by 100 m. To prepare the training set, topographic vector data from the VMap L2 and SRTM (Shuttle Radar Topography Mission) digital terrain model were used. For each 100-meter x 100-meter grid, the input data was prepared, consisting of the factors which are important from the point of view of wind farm localization (forests, rivers, built-up areas etc.). Studies show that a properly trained neural network (using a representative number of samples and for the appropriate architecture), allows to process automation area classification in terms of placement on the wind turbines.

PL

Zgodnie z obowiązującymi w Polsce regulacjami prawnymi użytkowanie elektrowni wiatrowych podlega odpowiednim uwarunkowaniom. Obostrzenia te dotyczą zarówno parametrów technicznych tych urządzeń, które związane są z bezpieczeństwem ich eksploatacji, jak i uwarunkowaniami przestrzennymi, związanymi z lokalizacją tych elektrowni oraz ich odległości od takich elementów pokrycia terenu, jak zabudowa czy lasy. Problematyka ta jest szczególnie istotna w kontekście częstych protestów mieszkańców, w sąsiedztwie których takie elektrownie mają być budowane. W celu wyznaczenia obszarów optymalnych dla lokalizacji elektrowni wiatrowych wykorzystano jedną z metod uczenia maszynowego, którą są sztuczne sieci neuronowe. Ich istotą, a jednocześnie przewagą nad metodami bazującymi na zadanym algorytmie, jest zdolność do uogólnienia otrzymywanych wyników, gdy algorytm rozwiązania danego problemu nie jest prosty (jak w przypadku wyznaczania obszarów szczególnie predestynowanych do lokalizacji elektrowni wiatrowych). W artykule przedstawiono metodykę zastosowania jednego rodzaju sieci neuronowych, którym jest perceptron wielowarstwowy. W zastosowanej sieci wykorzystano metodę nauczania nadzorowanego z nauczycielem, polegającą na wskazywaniu sieci neuronowej wzorcowego rozwiązania z określonymi danymi wejściowymi, którymi są parametry związane z pokryciem terenu i sąsiedztwem przestrzennym pola podstawowego, tj. kwadratu o wymiarach 100 × 100 m. Jako studium przypadku wybrana została gmina Miedzna, która znajduje się we wschodniej części województwa mazowieckiego i jest gminą wiejską o charakterze rolniczym. Obszar gminy leży na falistej wysoczyźnie morenowej, urozmaiconej morfologicznie. Otwarte pola uprawne oraz lekko pofałdowany teren to dwa główne czynniki sprzyjające możliwości rozmieszczenia farm wiatrowych na danym terenie. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 oraz dane wysokościowe Shuttle Radar Topography Mission (SRTM). W wyniku przeprowadzonych eksperymentów dowiedziono, że poprawnie nauczona sieć neuronowa (z wykorzystaniem reprezentatywnej liczby próbek i odpowiednią architekturą), umożliwia poprawne wyznaczenie obszarów predestynowanych do lokalizacji elektrowni wiatrowych nie tylko na terenie gminy Miedzna, ale również innych gmin, automatyzując proces wykonywania analiz tego typu.