Warianty tytułu
Application example of sensitivity analysis in optimization of signal features set
Języki publikacji
Abstrakty
Analiza wrażliwości znajduje zastosowanie w wyborze cech sygnałów zawierających najwięcej istotnych informacji o stanie lub klasie stanu badanego obiektu. Wybierane za jej pomocą cechy mogą służyć do budowy prostszych, sprawniejszych i wydajniejszych systemów diagnostycznych. W ramach badań określono jakość budowanego, na podstawie wybranych cech, modelu diagnostycznego. Zrobiono to dla przypadku, gdy cechy sygnału wybierano w sposób, który mógł wydawać się najbardziej poprawny oraz dla przypadku, gdy w wyborze cech posłużono się analizą wrażliwości. W obu przypadkach do określenia zbioru uczącego i testowego zastosowano metodę leave one aut oraz uwzględniono przypadek, w których zbiór danych testujących był równy zbiorowi danych uczących.
Sensitivity analysis finds practical application in selection of signal features, which contains the most important information about state orstate class of researched object. Selected signal features may be used to design and perform simpler and more efficient diagnostic systems. Quality of built diagnostic model was determined based on chosen features. It was made in the case of signal features choice that seems to be the most correct, and in the case of features choice with application of sensitivity analysis. The "leave one out" method and method in which test set was equal to train set where applied in the both cases.
Czasopismo
Rocznik
Tom
Strony
29--31
Opis fizyczny
Bibliogr. 5 poz.,
Twórcy
autor
- Politechnika Śląska, Katedra Podstaw Konstrukcji Maszyn, damian.slawik@polsl.pl
Bibliografia
- [1] Kiciński J., Markiewicz-Kicińska A., NLDW-LEW-75. Opracowanie wewnętrzne 3857/03, IMP PAN, 2003.
- [2] Koronacki J., Mielniczuk J., Statystyka dla studentów kierunków technicznych i przyrodniczych. Wydawnictwo Naukowo-Techniczne. Warszawa. 2001.
- [3] Dave R. N., Krishnapuram R., Robust clustering methods: a unified wiew. IEEE Trans. Fuzzy System,. (5):270 293, 1997.
- [4] Paiva R., Dourado A., Interpretability and learning in neuro-fuzzy systems. Fuzzy Sets and Systems, (147): 17-38,2004.
- [5] Lin C. T., A neural fuzzy control scheme with structure and parameter learning. Fuzzy Sets and Systems, (70):183-212, 1995.
- [6] The Math Works, Inc. Fuzzy logic toolbox user's guide, 2004.
Uwagi
PL
Opracowano częściowo w ramach projektu PBZ K015/T10/2001 i granatu promotorskiego KBN 8 T07B 030 27 pod kierunkiem W. Cholewy
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-228ecf69-ce33-438c-aec5-230e78b1d14a