Wyniki wyszukiwania - Biblioteka Nauki

1

Mapping of relational structures in graph database Neo4j

100%

Mueller W. , Idziaszek P. , Kujawa S. , Łukomski M. , Nowak P.

Journal of Research and Applications in Agricultural Engineering

|

2018

|

tom Vol. 63, nr 4

121--124

EN

Extension of functionality of most applications including the ones supporting agriculture, as a general rule requires an indepth knowledge of relational structures creating databases, which can be sometimes difficult to achieve. It can result from the lack of complete technical documentation as well as relatively huge complexity of relational structures. The given publication is a continuation of the author’s actions, aimed at creating a moderately universal application allowing to reproduce the existing relational structures created with the use of different relational database management systems (RDBMS), namely SQL Server, MySQL or Oracle into graph form on the level of Neo4j graph database. This form makes it possible to thoroughly recognize complex relational structures with the use of queries prepared in Cypher language in native client, which is made available from the level of the created application. During the construction process of the presented tool, technologies such as ADO.NET, graph database Neo4j together with available programming interface as well proper tables containing metadata were utilized.

PL

Rozbudowa funkcjonalności większości aplikacji, w tym również wspomagających rolnictwo z reguły wymaga pełnej znajomości struktur relacyjnych tworzących bazy danych, co czasami może być trudne do osiągnięcia. Powodem może być brak pełnej dokumentacji technicznej oraz względnie duża złożoność struktur relacyjnych. Prezentowana publikacja, to kontynuacja działań autorów, zmierzająca do wytworzenia w miarę uniwersalnej aplikacji, pozwalającej na odwzorowanie istniejących struktur relacyjnych, powstałych przy wykorzystaniu różnych systemów bazodanowych SQL Server, MySQL oraz Oracle, do postaci grafowej na poziomie Neo4j. Ta postać umożliwia wygodne, dogłębne rozpoznawanie złożonej struktury relacyjnej za pomocą pytań konstruowanych w języku Cypher w natywnym programie klienckim udostępnianym z poziomu prezentowanej aplikacji. W procesie budowy prezentowanego narzędzia wykorzystano technologie ADO.NET, bazę grafową Neo4j wraz z dostępnym interfejsem programistycznym oraz odpowiednie tabele zawierające metadane.

2

Visualisation of Relational Database Structure by Graph Database

86%

Idziaszek P. , Mueller W. , Rudowicz-Nawrocka J. , Gruszczyński M. , Kujawa S. , Górna K. , Balcerzak K.

Computational Methods in Science and Technology

|

2016

|

tom Vol. 22, No. 4

217--224

EN

Most IT systems rely on dedicated databases, and most of these databases are relational. The advantages of such databases are well known and widely reported in literature. Unfortunately, attempts to identify the topology of links in the relational model produced by iterative development or administrative enhancements are often hampered by the large number of tables that make up the database and the lack of comprehensive technical documentation. Analysis of the model by someone other than its designer requires substantial effort. The aim of the presented work is therefore to develop an application for effective presentation of the database structure in the form of a directed graph. The main assumption was that a graph-oriented database environment would be used. This paper presents the RELATIONS-Graph application developed by the authors. This application automatically generates a directed graph which presents links between tables and attributes which constitute a relational database. The RELATIONS-Graph application can also scan the generated graph in order to discover links between selected tables and columns. This solution has been applied to SQL Server 2014 SP1 DBMS using the Microsoft .NET technology and the Neo4j graph database, also by .NET API. The RELATIONS-Graph application was developed in C#, an object-oriented programming language.

3

Association of vector data used for technical documentation with information embedded in graph databases

86%

Gruszczyński M. , Idziaszek P. , Mueller W. , Weres J. , Rudowicz-Nawrocka J. , Górna K.

Journal of Research and Applications in Agricultural Engineering

|

2016

|

tom Vol. 61, nr 1

21--24

EN

The paper analyzes the possibilities of further and fuller use of geometric models of empirical systems, including agriculture, created at the level of AutoCAD. The analysis focuses primarily on opportunities for better mapping of existing links between graphic elements, unreadable or impossible to present at the level of digital technical documentation in the form of a graph structures offered by Neo4j. Information technologies, recognized and presented as necessary to achieve that objective were subsequently used to design and produce an application as a plug-in for AutoCAD. This application allows generating and management of created connections between geometric objects and their visualization both in the AutoCAD and available client software integrated with Neo4j platform.

PL

Przeanalizowano możliwości dalszego, pełniejszego wykorzystania modeli geometrycznych systemów empirycznych, w tym dotyczących rolnictwa, tworzonych na poziomie AutoCAD-a. Analiza dotyczyła w głównej mierze możliwości pełniejszego odwzorowania istniejących powiązań pomiędzy elementami graficznymi, nieczytelnymi bądź niemożliwymi do przedstawienia na poziomie cyfrowej dokumentacji technicznej w formie struktur grafowych oferowanych przez Neo4j. Rozpoznano i przedstawiono niezbędne do realizacji tego celu technologie informatyczne, które następnie wykorzystano do zaprojektowania i wytworzenia aplikacji w formie plug-in dla AutoCAD. Aplikacja ta pozwala na generowanie, a następnie na zarządzanie utworzonymi powiązaniami pomiędzy obiektami geometrycznymi oraz ich wizualizację zarówno po stronie AutoCAD-a, jak i dostępnego programu klienckiego zintegrowanego z platformą Neo4j.

4

Use of methods of image processing and analysis to determine the distribution class of cortical granules in bovine oocytes

86%

Górna K. , Balcerzak K. , Idziaszek P. , Nowakowski K. , Boniecki P. , Przybył K. , Zaborowicz M.

Journal of Research and Applications in Agricultural Engineering

|

2015

|

tom Vol. 60, nr 1

14--18

EN

Image processing and analysis are one of the tools to achieve data coded in digital images. Development of these methods enables to gain more data coded in digital images, even those which are not visible to the human eyes. Therefore it is justified to create new computer systems appointed in functions and filters that support process of gaining new information coded in digital image. In this study system for classification of oocytes has been described. The cells are classified taking into account distribution of cortical granulae according to three-class scale. In addition, knowing the diameter of the follicle from which the oocyte was aspired and class of oocyte-cumulus complex, it is possible to determine developmental competence of oocyte.

PL

Przetwarzanie i analiza obrazu stanowią narzędzia do uzyskania danych zawartych w obrazach cyfrowych. Dzięki rozwojowi tych metod można uzyskać więcej informacji na temat danych zakodowanych w obrazach cyfrowych, nawet tych które nie są widoczne dla ludzkiego oka. Dlatego też uzasadnione jest tworzenie nowych systemów informatycznych wyposażonych w funkcje i filtry, które wspierają proces pozyskiwania informacji zakodowanych w obrazach cyfrowych . W pracy opisano system do klasyfikacji oocytów. Komórki są klasyfikowane pod względem rozmieszczenia ziaren korowych zgodnie z trójstopniowa skala. Ponadto, przy znajomości średnicy pęcherzyka, z którego został wyaspirowany oocyt i klasę kompleksu oocyt-kumulus, możliwe jest ustalenie w systemie kompetencji rozwojowej komórki jajowej.

5

Use of neuron image analysis to build classification model of corpora lutea of domestic cattle

86%

Górna K. , Zaborowicz M. , Jaśkowski B. M. , Idziaszek P. , Okoń P. , Boniecki P. , Przybył J.

Journal of Research and Applications in Agricultural Engineering

|

2016

|

tom Vol. 61, nr 3

162--166

EN

The paper presents the results of studies on the usefulness of the texture images USG (ultrasonography) analysis by GLCM (Gray Level Co-Occurrence Matrix) in neural modeling. Tests pertained to the efficacy of the classification of the corpora lutea located in ultrasound images of the domestic cattle ovaries performed by artificial neural networks. The tests were performed using three different methods: the first one used unprocessed images - raw, the second method used image processing - unsharp mask. In the third method the raw images were processed by filter reducing the noise - despeckle filter. For each of the presented methods, the best generated neural network model had the structure of the MLP (Multi Layers Perceptron). The best results, in terms of artificial neural network were obtained in the case of ultrasound images that were not processed prior to texture analysis. As a result, it generated MLP neural model of structure 5:5-8-1:1.

PL

W pracy zaprezentowano wyniki przeprowadzonych badań nad przydatnością analizy tekstury obrazów USG (UltraSonoGraphy) metodą GLCM (Gray Level Co-Occurrence Matrix) w modelowaniu neuronowym. Sprawdzano skuteczność klasyfikacji przez sztuczne sieci neuronowe ciałek żółtych znajdujących się na obrazach USG jajników bydła domowego. Badania wykonano za pomocą trzech różnych metod: w pierwszej wykorzystano obrazy nieprzetworzone - surowe, w drugiej posłużono się metodą przetwarzania obrazu - filtrem wyostrzającym. Natomiast w trzecim sposobie obrazy surowe zostały przetworzone filtrem redukującym zaszumienia. Dla każdej z zaprezentowanych metod, najlepszy wygenerowany model sieci neuronowej miał strukturę MLP (Multi Layer Perceptron). Najlepsze wyniki, pod względem jakości sztucznej sieci neuronowej uzyskano w przypadku obrazów USG, które nie były przetwarzane przed analizą tekstur. W efekcie wygenerowano model neuronowy MLP o strukturze 5:5-8-1:1.