Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 10

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  artificial inteligence
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
Background: Experience from the implementation of the industry 4.0 concept has proved that the key success factor is the use of techniques and methods of artificial intelligence. One of these techniques is artificial neural networks. The development of artificial neural networks has been taking placefor a long time and has led to a number of important applications of this technique in industrial practice. Along with the development of practical applications, a wide theoretical base has also been created regarding the concepts, tools and principles of using this technique. Methods: This paper contains an attempt to use the theoretical basis of artificial neural networks to build a specialized tool. This tool is called a pseudo-network. It is based not on the whole of the theory of artificial neural networks but only on the targeted elements selected for it. The selection criterion is the use of an artificial neural pseudo-network to control production. Results: The paper presents the assumptions of an artificial neural pseudo-network, the architecture of the developed solution and initial experience of using it. Conclusions: These initial results proved the assumptions made by an author. The architecture of the pseudo-network has been developed. Work to build a system demonstrator representing the artificial neural pseudo-network have been initiated and is still in progress.
PL
Wstęp: Doświadczenia z wdrażania koncepcji Industrie 4.0 wskazują, że kluczowym czynniku sukcesu jest stosowanie metod i technik z zakresu sztucznej inteligencji. Jedną z tych technik są sztuczne sieci neuronowe. Rozwój sztucznych sieci neuronowych trwa od długiego czasu i doprowadził do wielu istotnych zastosowań tej techniki w praktyce przemysłowej. Równolegle z rozwojem zastosowań praktycznych stworzona została baza teoretyczna koncepcji, narzędzi i zasad stosowania tej techniki. Metody: Artykuł ten zawiera próbę wykorzystania teoretycznej bazy sztucznych sieci neuronowych do stworzenia specjalnego narzędzia. Nosi ono nazwę sztucznej pseudo-sieci neuronowej. Opiera się ona nie na całości dorobku teorii sztucznych sieci neuronowych ale na celowo wybranych jego elementach. Kryterium doboru było zastosowanie sztucznej pseudo-sieci neuronowej do sterowania produkcji. Wyniki: Artykuł przedstawia założenia do opracowania sztucznej pseudo-sieci neuronowej, architekturę opracowanego rozwiązania i wstępne doświadczenia z prób jego zastosowania. Wnioski: Wstępne wyniki potwierdziły założenia przyjęte przez autora artykułu. Opracowana została architektura sztucznej pseudo-sieci neuronowej. Zapoczątkowane zostały pracy nad budową demonstratora sztucznej pseudo-sieci neuronowej. Prace trwają nadal.
PL
W artykule przedstawiono badania algorytmów sztucznej inteligencji w procesie rozpoznawania stanu narzędzia online. Ponadto opisano możliwości diagnozowania procesu frezowania, wynikające z zastosowana sztucznych sieci neuronowych, oraz ograniczenia zastosowania tej technologii. W przeprowadzonych badaniach doświadczalnych określono wpływ struktury sieci neuronowej na proces uczenia (czasochłonność uczenia i zdolność sieci do uogólniania wiedzy).
EN
The paper contains a research about an ability to use an artificial intelligence in tool condition monitoring process online. There was a parolee why developing a system which set a machine able to get a decision them self is advisable. Besides, there was described an ability to use an artificial intelligence, and limits to use the technology. In conducted experimental researchers there was discover an influence neural network’s structure on learning process (learning time-consuming and ability to make a knowledge an abstract).
EN
This paper describes the automatic region of interest selection method in virtual slide images for assessment of pathomorphological diagnostic. The proposed method for identification of high concentration of immunopositive cancer cells is based on specimen area recognition, segmentation of the immunopositive cells, local maxima recognition on cell density map and function of penalty to avoid the too high concentration of the selected ROIs. The obtained results confirm, that average 8.6±1.4 of 10 reaction fields chosen manually were compliant regionally with regions selected automatically, which is a high compliance of specimen histological examination.
PL
W pracy zaproponowano metodę automatycznego wyboru obszarów zainteresowań w obrazach wirtualnych preparatów jako narzędzie wspierające diagnostykę patomorfologiczną. Zaproponowane metoda identyfikacji obszarów o wysokiej koncentracji immunododatnich komórek nowotworowych bazuje na wydzielaniu obszaru tkanki z obrazu, segmentacji komórek immunododatnich, wykrywaniu lokalnych maksimów na mapie gęstości rozkładu komórek oraz zaproponowanej funkcji kary w celu uniknięcia nadmiernej koncentracji zwracanych obszarów zainteresowań. Wyniki liczbowe wskazują, iż średnio 8.6±1.4 na 10 wybranych pól manualnie oraz automatycznie jest tożsamych obszarowo, co skutkuje wysoką zgodność oceny histologicznej przypadków.
4
Content available remote Witold Kosiński (1946 – 2014)
PL
Biogram Witolda Kosińskiego (1946 – 2014) zawierający opis jego zainteresowań matematycznych oraz osiągnięć w jej zastosowaniach.
EN
Biography of Witold Kosiński (1946 – 2014) whose life included mathematical studies and achievements in applied mathematics.
EN
The book is composed of two parts, which are preceded by the introduction given in Chapter 1, The introduction presents the genesis of problems considered in the monograph, as well as its organization and objectives. Based on these objectives the main problems discussed in the dissertation are formulated. Part I, which is as a presentation of methodological apparatus used in the research studies performed by the author, consists of two chapters, Chapter 2 concerning artificial intelligence, and Chapter 3 related to population genetics. Part II shows how the methods described in Part I are applied in author's evolutionary genetics studies. These studies are roughly focused in three areas, the neutral theory of evolution described in Chapter 4, the evolution of humans discussed in Chapter 5, and the origin of life, considered in Chapter 6. The more specific description of particular chapters is given below. The organization of Chapter 2 is motivated by the natural discrimination between the methods which are inspired by biology, such as artificial neural networks and evolutionary computation, and methods based on formal logie, such as rule-based information systems. It is author's full responsibility that out of many currently studied machine learning methods, he has subjectively chosen in his research neural and evolving systems as those which had arisen from contemplation of life and the rough set theory as the formal logic-based method. However, after this choice has been done and reflected in his studies, the composition of Chapter 2 could not be different. That is also an explanation why the last section in this chapter is a case study - its goal is to illustrate how in one practical application, all these three approaches have found their place. Chapter 3 is a brief presentation of population genetics models, which are used, in addition to machine learning and computer simulations, in author's studies considered in Part II. Comparing the content of this chapter with what is classically understood as a population genetics, the reader will notice that except typical material, such as the Wright-Fisher model of a genetic drift, drift-mutation-selection interplay, and the coalescent method, the chapter also contains a section about genealogy of branching processes. This latter is again the subjective choice, which has been made before writing of the book was started. It was made at the time when the author, inspired by an excellent Kimmel's and Axelrod's book, has introduced to population genetics-related research the branching processes models, in particular the 0'Connell model of branching processes genealogy. Chapter 4, entitled "Theory of Neutral Evolution", after presenting introductory material concerning Kimura's theory of neutral molecular evolution and its relation to the Darwinian selection-driven evolution, focuses on how this theory can be used in search for signatures of natural selection at molecular level. The neutrality tests, which have been designed for detection of such selection are presented, before the case study on that issue is given. The problems with interpretation of the results are the starting point for development of two author's methods: multi-null-hypotheses method and the machine learning-based quasi dominant rough set approach. In Chapter 5, the human evolution is the central point. Within this field many approaches are used for inferring the past of our species, including paleontology and evolutionary genetics. On the background of two competing theories of modern human origin, the multiregional and the recent out-of-Africa hypotheses, there are presented studies concerning detection of past population expansion using classical and author's neural network-based tests. This material is followed by reporting on the research concerning the mitochondrial DNA record. In particular, it is shown how the date of the root of mitochondrial DNA polymorphism is estimated using the 0'Connell and the Wright-Fisher models in forward-time computer simulations of slightly supercritical branching processes. Additionally, in Chapter 5 it is demonstrated how the criticality of branching processes has been used for modeling the decay of hypothetical admixture of Neanderthal mitochondrial DNA in a gene pool of the Upper Paleolithic anatomically modern humans. This issue is currenfly hot debated in the light of results from the Neandertal Genome Project and discussions about interbreeding between H. sapiens and H. neanderthalensis. As Chapter 5 was focused on evolution, which took place less than million years ago, the Chapter 6 speculates about the times almost as ancient as the age of Earth. The point of gravity of Chapter 6 is computer science contribution to the problem of how life has emerged. With that regard, three models are discussed. The first is the Demetrius-Kimmel complexity threshold model supplemented by the author to include hydrolysis of RNA strands caused by phosphodiester bond break reaction. The second is the modification of the Niesert compartment model with random segregation of genetic material. The third is the Monte-Carlo model proposed by Ma and collaborators in 2007, and supplemented by simulation of non-enzymatic template-based RNA recombination process, which seemed to be significant in the emergence of the RNA World. Finally, these three application-oriented chapters which constitute Part JJ of the book, are followed by Chapter 7, which gives the opportunity, not only to summarize the issues discussed in the whole monograph, but also to go beyond that material, by speculating on philosophical matters, which naturally occur when the artificial intelligence is considered.
PL
Niniejsza monografia składa się z dwóch części, które są poprzedzone wstępem zawartym w rozdziale 1. We wprowadzeniu przedstawiono genezę problemów rozważanych w monografii, jak również jej organizację oraz cele. Na podstawie tych celów zostały sformułowane główne problemy rozprawy. Część I, będąca prezentacją aparatu metodologicznego wykorzystywanego w badaniach naukowych autora, składa się z dwóch rozdziałów: rozdziału 2 dotyczącego sztucznej inteligencji i rozdziału 3 na temat genetyki populacyjnej. W części II pokazano, jak metody opisane w części I są wykorzystywane w badaniach prowadzonych przez autora w zakresie genetyki ewolucyjnej. Badania te skupiają się wokół trzech dziedzin: teorii neutralnej ewolucji, opisanej w rozdziale 4, ewolucji człowieka, opisanej w rozdziale 5, oraz pochodzenia życia, rozważanego w rozdziale 6. Bardziej szczegółowy opis poszczególnych rozdziałów znajduje się poniżej. Organizacja rozdziału 2 jest motywowana naturalnym zróżnicowaniem pomiędzy metodami, które są inspirowane przez biologię, takimi jak sztuczne sieci neuronowe i obliczenia ewolucyjne, oraz metodami opartymi na logice formalnej, takimi jak regałowe systemy informacyjne. Autor bierze pełną odpowiedzialność za to, że spośród wielu aktualnie wykorzystywanych metod uczenia maszynowego wybrał w swoich badaniach systemy neuronowe i ewolucyjne jako te, które wyrosły z kontemplacji życia, oraz teorię zbiorów przybliżonych jako metodę opartą na logice formalnej. Jednakże, po dokonaniu tego wyboru odzwierciedlonego w jego badaniach, kompozycja rozdziału 2 nie mogła być już inna. Wybór ten wyjaśnia również, dlaczego ostatnia sekcja tego rozdziału jest poświęcona studium przypadku - jej celem jest zilustrowanie, jak wszystkie te trzy podejścia znajdują swoje miejsca w jednym praktycznym zastosowaniu. Rozdział 3 jest zwartą prezentacją modeli genetyki populacyjnej, które wykorzystywane są, obok uczenia maszynowego i komputerowych symulacji, w badaniach autora rozważanych w części II. Porównując zawartość tego rozdziału z klasycznie ujmowaną genetyką populacyjną czytelnik zauważy, że oprócz typowego materiału, takiego jak model dryfu genetycznego Wrighta-Fishera, współdziałania dryru, mutacji i selekcji oraz metody koalescentu, rozdział zawiera sekcję na temat genealogii procesów gałązkowych. To ostatnie zagadnienie jest znowu subiektywnym wyborem, dokonanym przed rozpoczęciem pisania książki. Decyzja została podjęta, kiedy autor, zainspirowany przez doskonałą książkę Kimmla i Axelroda, wprowadził do swych badań z zakresu genetyki populacyjnej modele procesów gałązkowych, a w szczególności model 0'Connella, dotyczący genealogii procesów gałązkowych. Rozdział 4, zatytułowany "Teoria ewolucji neutralnej", po przedstawieniu materiału wstępnego dotyczącego teorii Kiury, zwanej teorią neutralnej ewolucji molekularnej, jak również jej związków z Darwinowską ewolucją napędzaną przez selekcję, rozważa, jak teoria ta może być wykorzystana w poszukiwaniu znamion selekcji naturalnej na poziomie molekularnym. Pokazano testy neutralności, które zostały zaprojektowane do wykrywania takiej selekcji, a następnie ich wykorzystanie w studium przypadku. Problemy interpretacji rezultatów tych testów stanowiły punkt wyjścia do rozwinięcia dwóch autorskich metod: metody wielu hipotez zerowych oraz metody opartej na uczeniu maszynowym z użyciem podejścia ąuasi-dominujących zbiorów przybliżonych. W rozdziale 5 centralnym punktem jest ewolucja człowieka. W tej dziedzinie zaproponowano wiele podejść, by odkryć przeszłość naszego gatunku, w tej liczbie, metody paleontologiczne i genetyczne. Na tle dwóch konkurujących teorii pochodzenia człowieka współczesnego, hipotezy wieloregionalnej oraz hipotezy pożegnania z Afryką zaprezentowane są badania, mające na celu wykrycie przeszłych okresów ekspansji populacji z wykorzystaniem metod klasycznych, oraz, opartej na sieciach neuronowych, metod autora. Następnie przedstawiono raport z badań na temat zapisu mitochondrialnego DNA. W szczególności pokazano, jak estymowano epokę korzenia polimorfizmu mitochondrialnego DNA z wykorzystaniem modeli 0'Connella oraz Wrighta-Fishera w symulacjach komputerowych lekko nadkrytycznych procesów gałązkowych. Ponadto, w rozdziale 5 pokazano, jak wykorzystać krytyczność procesu gałązkowego do modelowania zaniku hipotetycznej domieszki neandertalskiego mitochondrialnego DNA w puli genów ludzi anatomicznie współczesnych Górnego Paleolitu. Ta kwestia jest aktualnie gorąco dyskutowana w świetle rezultatów Projektu Neandertalskiego Genomu oraz dyskusji na temat krzyżowania pomiędzy H. sapiens i H. Neanderthalensis. O ile rozdział 5 był poświęcony ewolucji działającej w okresie mniej niż milion lat wstecz, rozdział 6 spekuluje na temat czasów prawie tak starych jak sama Ziemia. Punktem ciężkości rozdziału 6 jest wkład informatyki do problemu powstania życia. W tym kontekście są dyskutowane trzy modele. Pierwszy, to model granicy złożoności Demetriusa-Kimmla, uzupełniony przez autora tak, by uwzględniał hydrolizę łańcuchów RNA spowodowaną przez reakcję rozpadu wiązania fosfodiestrowego. Drugi, to modyfikacja kompartmentowego modelu Niesert z losową segregacją materiału genetycznego. Trzeci, to model Monte-Carlo zaproponowany przez Ma i współpracowników w 2007, i uzupełniony przez symulację procesu nieenzymatycznej opartej na wzorcu rekombinacji RNA, który to proces wydaje się być znaczący w powstaniu świata RNA. Na koniec, po tych trzech zorientowanych na zastosowania rozdziałach, które stanowią część II monografii, rozdział 7 stanowi okazję nie tylko do podsumowania problemów poruszanych w całej rozprawie, ale również do wyjścia poza ten materiał poprzez rozważanie kwestii filozoficznych, które naturalnie się pojawiają w myśleniu o sztucznej inteligencji.
EN
The realisation stage of the algorithm of the system for evaluation of the electromechanical traction process from the point of view of motion disturbances with use of categories typical of artifical intelligence systems which has been presented concerns the supervised classification. Each class of the evaluation system input sampIes is represented by its own codebook vector. Non-supervised classification determines the basic class set and at the same time it defines the attachment or a input signal sample to one of the classes. At the stage of the supervised classification the classes are a priori known. The supervised classification is made on the base of the relation between the values of the evaluation indices within the classes of the process. The technical system arameters change during exploitation. The changes follow from wear of the technical system elements, they may depend on external influences and they may aIso be an effect of decisions made in the decision process. In connection with that - as the runs of typical processes as a rule differ from each other - it is assumed that so different exploitation processes are optimal from the point of view or parameters. This is a common base for comparative studies. The question under discussion is connected with creation or vector representation of sampIes in the processor system: by self-organisation, arranging of the reference vector values as well as quantisation of associated memory within subspaces of the classes. Non-supervised classification and supervised classification are the base for realisation of neuron-type processor structure intended for evaluation of electromechanical traction processes.
PL
Ocenianie elektromechanicznych procesów trakcyjnych ze względu na zaburzenia ruchu jest realizowane w samoorganizującej się procedurze rozpoznania i klasyfikacji informacji wejściowych, na podstawie pomiarów eksploatacyjnych zmiennych procesowych. Uporządkowany system przetwarzania informacji, posiadający atrybuty sztucznej inteligencji, tworzy podstawy aktywnego bezpieczeństwa mając na uwadze zagrożenia wynikające z eksploatacji transportowego systemu trakcyjnego. Klasyfikacja nadzorowana systemu oceniania elektromechanicznych procesów trakcyjnych ze względu na zaburzenia korzysta z systemu klas wyznaczanych w procedurze klasyfikacji nienadzorowanej . Klasyfikacja nadzorowana wyznacza przestrzeń realizacji wektora odniesienia (codebook vector) pamięci skojarzonej systemu oceniania. Przyjmuje się, że badane procesy, jakkolwiek różnią się od siebie, to eksploatacyjnie są podobne i parametrycznie optymalne. To określa wspólną platformę badań porównawczych. Klasyfikacja nadzorowana jest efektem oceniania ilościowych relacji próbek informacji wejściowej w klasach procesu oraz jakościowych relacji podprocesów, również w wielowymiarowych procesach trakcyjnych lokomotyw elektrycznych. Omawiane zagadnienia związane są z tworzeniem reprezentacji wektorowej próbek w systemie procesora poprzez: samoorganizację, porządkowanie wartości wektorów odniesienia oraz kwantyzację pamięci skojarzonej w podprzestrzeniach klas.
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.
8
Content available remote Wybrane zastosowania sztucznej inteligencji w diagnostyce technicznej
PL
Przedmiotem referatu są zastosowania sztucznej inteligencji w określonej dziedzinie, jaką jest diagnostyka techniczna. W praktycznych zadaniach diagnostyki technicznej celowe jest wyodrębnienie podmiotu, przez który rozumiany będzie bądź człowiek-diagnosta, bądź sztuczny układ diagnozujący. Głównym celem postępowania ("diagnostycznego") jest ocena stanu (technicznego) obiektu diagnozowania. Działanie to wymaga zgromadzenia odpowiedniej wiedzy i/lub doświadczenia. Może ono być bądź to wspomagane, bądź wręcz realizowane, przez odpowiedni system bazujący na wiedzy (ang. Knowledge-based system). Budowa takich systemów, a zwłaszcza budowa ich baz wiedzy, jest ważną gałęzią sztucznej inteligencji.
EN
The paper deals with several issues concerning applications of Artificial Intelligence (AI) in technical diagnostics. The applications were selected with respect to research work carried out in the Department of Fundamentals of Machinery Design, Silesian University of Technology at Gliwice, Poland. Main tasks of technical diagnostics of objects (machinery and equipment) and processes are briefly discussed. Further on, some arbitrary selected applications are described. Apart from the first application that focuses on acquisition of procedural and declarative knowledge from domain experts, all remaining ones are connected with knowledge acquisition from databases containing either examples obtained during simulations, or collected from real machinery and processes. Diagnostic inverse models are means of diagnostic concluding. The models are usually trained on simulation data. Belief network is other means of efficient modeling diagnostic relations that allows representing and dealing with uncertainty. An important contribution to classification yield diagnostic multimodels and multilevel models, both of them making possible application of local models, and then combining responses of component models. Recently, approximate models of processes become important, with special attention paid to different soft modeling methods. It is shown that classical machine learning methods may be efficiently employed for knowledge acquisition from examples. However, since many databases accessible from monitoring systems contain unclassified though quite valuable data, applications of new methodology of knowledge discovery in databases are very promising. Finally, a comprehensive application - a diagnostic expert system - is discussed. The paper concludes with short discussion about the role that AI should play in technical diagnostics in the future, and some issues that become potential subjects of prospective research.
9
Content available remote Zastosowanie metody CBR do wspomagania procesu koncepcyjnego projektowania maszyn
PL
W pracy zaprezentowano koncepcję systemu komputerowego, bazującego na wiedzy i doświadczeniu projektowym, do wspomagania projektowania maszyn. Do wspomagania tego procesu zaimplementowano metodę CBR (Case Based Reasoning). Przedstawiono podstawy metody CBR, pokazano sformalizowany opis działania opracowanego systemu SWPK_CBR oraz zaprezentowano strukturę i sposób jego funkcjonowania.
EN
In this paper a conception of computer system based on knowledge and design experience was applied to machine design aiding. The method called Case Based Reasoning (CBR) was complied. Formalised function description, structure and descriptions of created system operating were presented
EN
The paper presents application of classical methods of modelling and methods of artificial inteligence for investigations of dynamic properties of drive systems. Comparision of results obtained from classical and heuristic approach shows some characteristic properties of neuronal networks.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.