Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 4

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Gradient method

Sortuj według:

Ogranicz wyniki do:

Kinetyka zużycia galwanicznych kompozytowych powłok w czasie tarcia

100%

Wajs E.

nr nr 4, CD 2

6403-6410

W artykule przedstawiono kinetykę zużycia kompozytowych gradientowych powłok, w których podstawowym typem struktury są warstwowe, matrycowe wtrącenia, poddane obciążeniom statycznym i dynamicznym, wywołanych siłami tarcia ślizgowego lub tocznego. Pokazano, że powłoki gradientowego typu z nano kompozytową osnową i równomiernie rozłożonymi w niej makro wtrąceniami, cechują się wysoką odpornością na zużycie. Optymalną, dla stykających się powierzchni poddanym znacznym obciążeniom przy tarciu ślizgowym, jest dyspersyjnie umocniona osnowa, , zawierająca wtrącenia związane z metaliczną osnową i przejściową strefą dyfuzyjnego współdziałania.(abstrakt oryginalny)

It was established that coatings of the gradient type with a high carrying capacity has enough wear resistance. An optical high-loaded sliding friction couple is a dispersively strengthened or diffusively alloyed matrix deposited over a directedly crystallized columnlike eutectic layer on an under-layer containing macro inclusions connected with the metal matrix and substrate through a transition zone of diffusive interaction.(original abstract)

Gradient Boosting in Regression

84%

Gatnar E.

2005

tom 194 Multivariate Statistical Analysis : Probability, Statistical Inference and Applications

11-19

Szeroko stosowane w praktyce metody nieparametryczne wykorzystujące tzw. drzewa regresyjne mają jedną istotną wadę. Otóż wykazują one niestabilność, która oznacza, że niewielka zmiana wartości cech obiektów w zbiorze uczącym może prowadzić do powstania zupełnie innego modelu. Oczywiście wpływa to negatywnie na ich trafność prognostyczną. Tę wadę można jednak wyeliminować, dokonując agregacji kilku indywidualnych modeli w jeden. Znane są trzy metody agregacji modeli i wszystkie opierają się na losowaniu ze zwracaniem obiektów ze zbioru uczącego do kolejnych prób uczących: agregacja bootstrapowa (boosting), losowanie adaptacyjne (bagging) oraz metoda hybrydowa, łącząca elementy obu poprzednich. W analizie regresji szczególnie warto zastosować gradientową, sekwencyjną, odmianę metody boosting. W istocie polega ona wykorzystaniu drzew regresyjnych w kolejnych krokach do modelowania reszt dla modelu uzyskanego w poprzednim kroku. (abstrakt oryginalny)

The successful tree-based methodology has one serious disadvantage: lack of stability. That is, regression tree model depends on the training set and even small change in a predictor value could lead to a quite different model. In order to solve this problem single trees are combined into one model. There are three aggregation methods used in classification: bootstrap aggregation (bagging), adaptive resample and combine (boosting) and adaptive bagging (hybrid bagging-boosting procedure). In the field of regression a variant of boosting, i.e. gradient boosting, can be used. Friedman (1999) proved that boosting is equivalent to a stepwise function approximation in which in each step a regression tree models residuals from last step model. (original abstract)

Predictive Business Process Monitoring with Tree-based Classification Algorithms

84%

Owczarek T. , Janke P.

2018

tom 40

73-82

Predictive business process monitoring is a current research area which purpose is to predict the outcome of a whole process (or an element of a process i.e. a single event or task) based on available data. In the article we explore the possibility of use of the machine learning classification algorithms based on trees (CART, C5.0, random forest and extreme gradient boosting) in order to anticipate the result of a process. We test the application of these algorithms on real world event-log data and compare it with the known approaches. Our results show that.(original abstract)

Wykorzystanie metody gradientu do optymalizacji relacji między produkcją a kosztami

84%

Kwiedorowicz M.

nr nr 693

161-166

Przedmiotem artykułu jest wykorzystanie metod ekstrapolacji i gradientu do podejmowania decyzji dotyczących produkcji.

The paper presents the application of extrapolation and gradient method to the optimization of the relationship between production and costs. Cost estimation and forecasting for decision making are concerned with finding the shape and placement of the firm's cost curves. Knowledge of the cost functions allows the decision maker to judge the optimality of present output leves and to solve decision problems using extrapolation and gradient analysis. (original abstract)