Wyniki wyszukiwania - BazTech

1

Dekompozycja ciągu uczącego dla rozproszonej bazy danych

Lebiediewa S.

Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka

|

2017

|

vol. 7, nr 2

20--24

PL

The problem of decomposition of a teaching sequence (TS) for distributed database is formulated. Three types of TS decomposition for a distributed database are formulated. Theorems concerning memory occupancy by the TS after decomposition are proved. The results of a calculation experiment are presented, that illustrate the memory occupancy depending upon the decomposition type, the redundancy of features in the tree and upon the type of the dispersion.

EN

Sformułowano problem dekompozycji ciągu uczącego (CU) dla rozproszonej bazy danych. Zdefiniowano trzy rodzaje dekompozycji. Przedstawiono twierdzenia dotyczące zajętości pamięci przez zdekomponowany ciąg uczący. Zaprezentowano wyniki badań symulacyjnych ilustrujących zajętość pamięci w zależności od typu rozproszenia i rodzaju dekompozycji.

2

Dekompozycja ciągu uczącego dla rozproszonej bazy danych

Lebiediewa S.

Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka

|

2016

|

vol. 16

14--18

EN

The problem of decomposition of a teaching sequence (TS) for distributed database is formulated. Three types of TS decomposition for a distributed database are formulated. Theorems concerning memory occupancy by the TS after decomposition are proved. The results of a calculation experiment are presented, that illustrate the memory occupancy depending upon the decomposition type, the redundancy of features in the tree and upon the type of the dispersion.

PL

Sformułowano problem dekompozycji ciągu uczącego (CU) dla rozproszonej bazy danych. Zdefiniowano trzy rodzaje dekompozycji. Przedstawiono twierdzenia dotyczące zajętości pamięci przez zdekomponowany ciąg uczący. Zaprezentowano wyniki badań symulacyjnych ilustrujących zajętość pamięci w zależności od typu rozproszenia i rodzaju dekompozycji.

3

Training sequence decomposition

Lebiediewa S.

Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka

|

2015

|

vol. 5

7--11

EN

The problem of decomposition of a training sequence (TS) is formulated. Two types of TS decomposition for a centralized database are formulated. Theorems concerning memory occupancy by the TS after decomposition are proved. The calculation complexity of decomposition algorithms is estimated. The results of a calculation experiment are presented that illustrate memory occupancy depending on the decomposition type, the redundancy of features in the tree, the path, and the tree height.

PL

Sformułowano problem dekompozycji ciągu uczącego (CU). Zdefiniowano dwa rodzaje dekompozycji CU dla scentralizowanej bazy danych (SBD). Udowodniono twierdzenia dotyczące zajętości pamięci przez CU po dekompozycji. Oszacowano złożoność obliczeniową algorytmów dekompozycji. Przedstawiono wyniki eksperymentu obliczeniowego ilustrującego zajętość pamięci w zależności od rodzaju dekompozycji, redundancji cech w drzewie i na ścieżce oraz wysokości drzewa.

4

Zastosowanie sieci neuronowej do określania własności połączeń spawanych

Pamuła T.

Zeszyty Naukowe. Transport / Politechnika Śląska

|

2000

|

z. 40

13-21

PL

W artykule przedstawiono próbę zastosowania sieci neuronowej do oceny struktur spoin niskowęglowych. Zaproponowano użycie trójwarstwowej jednokierunkowej nieliniowej sieci do przetwarzania obrazów mikroskopowych spoin i powiązania ich z bazą danych własności. Zastosowano sigmoidalną funkcję przejścia. Naukę sieci przeprowadzono wikorzystując metodę propagacji wstecznej z różnymi współczynnikami uczenia dla każdej z warstw. Mikroskopowe obrazy spoin potraktowano jak tekstury i przygotowano ciągi uczące dla sieci wykorzystując metody klasyfikacji tekstur.

EN

The paper presents an attempt to apply a neural network for assesing the properties of low carbon welds. A three layer unidirectional non linear net was designed to interpret the contents of microscopic images of the welds and combine it with the contents of a database of weld properties. For this purpose a sigmoidal transfer functions were used. The course of the net training was carried out using backpropagation idea with different learning rates and momentum coefficients for the net layers. The weld images were treated as textures. A method for preparing training sequences was devised, based on texture analysis methods.