Wyniki wyszukiwania - Biblioteka Nauki

1

Technologie programistyczne do tworzenia interfejsu użytkownika w systemach wbudowanych

100%

Lisowiec A. , Książek L. , Gacek A. , Makowiecki K.

|

2018

|

tom Vol. 59, nr 12

8--10

PL

W artykule przedstawiono technologie informatyczne do tworzenia graficznego interfejsu użytkownika w systemach wbudowanych. Podano przykład stworzenia takiego interfejsu za pomocą platformy Angular w urządzeniu medycznym do terapii polem magnetycznym i światłem.

EN

In the paper the information technologies for graphical user interface construction have been presented. As an example the graphical user interface designed with Angular framework for medical device for therapy has been presented.

2

Graphical analysis of load pattern in Polish Power System using PCA and Kohonen map

100%

Siwek K.

Przegląd Elektrotechniczny

|

2010

|

tom R. 86, nr 1

118-120

EN

This work presents the graphical analysis of the load patterns of the Polish Power System by using two kinds of multidimensional decompositions - statistical PCA and the neural Kohonen map. Presented results of analysis can be directly used to the construction of the prediction model of the electroenergetic load in both short and long time perspectives.

PL

Praca przedstawia dogłębną analizę obciążeń Polskiego Systemu Elektroenergetycznego przy użyciu dwóch rodzajów dekompozycji wielowymiarowych – statystycznej PCA i neuronowej – mapy Kohonena. Przedstawione wyniki można użyć bezpośrednio do zbudowania systemu predykcji obciążeń elektroenergetycznych – zarówno krótko jak i długoterminowej.

3

E-autobusy w Szczecińskim Obszarze Metropolitarnym : nowy kierunek rozwoju komunikacji miejskiej

100%

Mysłowski J.

Autobusy : technika, eksploatacja, systemy transportowe

|

2017

|

tom R. 18, nr 7-8

507--511

PL

Artykuł opisuje możliwości reorganizacji transportu zbiorowego poprzez zastosowani e–autobusów w Szczecińskim Obszarze Metropolitarnym. Przedstawiono ten nowy kierunek rozwoju komunikacji miejskiej jego zalety oraz perspektywy. Opierając się na faktycznych danych z różnych obszarów Europy Zachodniej autor przekonuje o słuszności tej koncepcji. Omówiono wady i zalety różnych systemów oraz opcje i możliwości na które trzeba zwrócić uwagę przy zakupie.

EN

This article describes the possibilities of reorganizing collective transport through the use of e-buses in Szczecin Metropolitan Area. This new direction of urban transport has been presented in its advantages and prospects. Based on the actual data from various areas of Western Europe, the author argues for the validity of this concept. The advantages and disadvantages of different systems are discussed, as well as the options and possibilities that should be considered when purchasing.

4

Soft computing tools for virtual drug discovery

94%

Hagan D. , Hagan M.

Journal of Artificial Intelligence and Soft Computing Research

|

2018

|

tom Vol. 8, No. 3

173--189

EN

In this paper, we describe how several soft computing tools can be used to assist in high throughput screening of potential drug candidates. Individual small molecules (ligands) are assessed for their potential to bind to specific proteins (receptors). Committees of multilayer networks are used to classify protein-ligand complexes as good binders or bad binders, based on selected chemical descriptors. The novel aspects of this paper include the use of statistical analyses on the weights of single layer networks to select the appropriate descriptors, the use of Monte Carlo cross-validation to provide confidence measures of network performance (and also to identify problems in the data), the addition of new chemical descriptors to improve network accuracy, and the use of Self Organizing Maps to analyze the performance of the trained network and identify anomalies. We demonstrate the procedures on a large practical data set, and use them to discover a promising characteristic of the data. We also perform virtual screenings with the trained networks on a number of benchmark sets and analyze the results.

5

Evaluation of shallow groundwater quality under impact zones of livestock and poultry farms using self-organizing maps

94%

Chen J. , Gui H.

|

2023

|

tom Vol. 71, no. 5

2465--2479

EN

The shifting of livestock and poultry production systems from traditional small householder farms to semi-intensive and intensive farms has led to a gradual deterioration in the quality of shallow groundwater, which has attracted considerable attention from researchers. In this study, a combination of self-organizing map technology was used to identify the effects of livestock and poultry farms on shallow groundwater hydrochemistry. NO3–N content in the livestock and poultry farm water samples in summer and winter, as well as the NH4–N and NO2–N content in the water samples of livestock and poultry farm, respectively, in winter, were more vulnerable to external influences. Agricultural and industrial activities were important sources of Cl- and SO42- leaching in shallow groundwater in the study area. Silicate weathering is an important source of conventional ions in the shallow groundwater at these two sites. The water quality at livestock farms was mainly affected by farm activities and agricultural pollution in summer and winter, whereas that at poultry farms was mainly affected by industrial sources and natural sources.

6

Wykorzystanie sieci neuronowej Kohonena do wizualizacji danych MPG

84%

Oszutowska-Mazurek D. A.

Problemy Nauk Stosowanych

|

2016

|

tom T. 4

19--30

PL

Wstęp i cel: Zastosowanie sieci neuronowych Kohonena zapewnia zmniejszenie wielowymiarowości danych. Wizualizacja w postaci map samoorganizujących się (SOM) jest użytecznym narzędziem do wstępnego kastrowania (grupowania) danych. Materiał i metody: Wizualizację przeprowadzona dla rzeczywistych danych, udostępnionych przez uniwersytet w Kalifornii za pomocą oprogramowania SNNS v.4.3. Głównym celem pracy jest zastosowanie sieci neuronowych Kohonena zapewniające zmniejszenie wielowymiarowości danych. Wyniki: Otrzymano wizualizacje danych wskazujące jednoznacznie na dodatnie i ujemne korelacje danych MPG. Wniosek: Mapy samoorganizujące się mogą być dedykowane wizualizacji danych wielowymiarowych jednak wyniki zależą od sposobu mapowania danych wejściowych, zwłaszcza o charakterze jakościowym, nawet jeśli stosowana jest normalizacja każdego z parametrów.

EN

Introduction and aim: The use of Kohonen neural network ensures the decrease of data multidimensionality. Visualisation called Self organized maps is useful tool for preliminary data clustering. Material and methods: The visualisation of real data set was obtained with the use of program SNNS v.4.3 for real dataset from California University. The main aim of this paper is the use of Kohonen neural network to ensure the reduction of multidimensional data. Results: Obtained visualisations of data indicate unambiguously positive and negative correlations for MPG data Conclusion: Self organising maps could be dedicated to multidimensional data visualisation and preliminary quality assessment, but the results depend on the mapping method of input data, especially quantity type, even if normalisation of every parameter is provided.

7

Klasyfikacja danych eksperymentalnych procesu scukrzania skrobi za pomocą sieci neuronowych typu SOM

84%

Ciesielski K. , Bryjak J. , Zbiciński I.

Inżynieria Chemiczna i Procesowa

|

2001

|

tom T. 22, z. 3B

355--360

PL

Celem niniejszej pracy była klasyfikacja danych procesu scukrzania skrobi z użyciem samoorganizujących się sztucznych sieci neuronowych (SSN). Przetestowano szereg konfiguracji SSN uzyskując wyraźny podział danych procesowych na 3 klasy obiektów odpowiadających różnym mechanizmom reakcji kontrolujących proces.

EN

The aim of the work was the classification of the data of the process of starch saccharification by using the self-organising maps. Several configurations of the neural networks were tested obtaining an explicit division of process data into 3 classes of objects corresponding to different mechanisms of the reaction controlling the process.

8

Zastosowanie sieci samoorganizującej do identyﬁkacji struktur odmienionych węgla kamiennego

84%

Skiba M. , Młynarczuk M.

|

2016

|

tom T. 18, nr 3

61--66

PL

Wewnętrzna budowa węgla, możliwa do obserwacji wyłącznie pod mikroskopem, może wykazywać pewne cechy (takie jak: obecność spękań, struktury kataklastyczne czy mylonityczne), które wpływają na zwiększoną pojemność gazową oraz wskazują na pokład szczególnie zagrożony wyrzutami gazów i skał. Problematyka ta była przedmiotem zainteresowania licznych badaczy, którzy dokonali klasyfikacji węgla odmienionego, wyróżniając różne typu strukturalne takiego węgla. W pracy do identyfikacji poszczególnych struktur zastosowano mapę samoorganizującą (SOM). Może ona posłużyć do ujawnienia takich cech w zbiorze danych, które są często niedostrzegalne w wypadku zastosowania sieci neuronowej uczonej z nauczycielem. Badania wykonane zostały na zdjęciach mikroskopowych, a każdą z analizowanych klas opisano za pomocą 7-wymiarowej przestrzeni cech. Zastosowanie sieci samoorganizującej skutkowało klasyfikacją badanych struktur na poziomie 82% skuteczności.

EN

The internal structure of the coal, observable microscopically only, may have certain features (such as the presence of cracks, cataclastic or mylonitic structures) that affect the increased gas capacity and point to the seams particularly endangered by gas and rock outbursts. The issue was the subject of interest for many researchers who have made a classifi cation of structurally altered coal, distinguishing different types of such coal structure. In this paper, individual structures were identified using self-organizing map (SOM). It can be used to reveal such features in the data set, which are often invisible in the case of the use of neural network learning with a teacher. Tests were performed on microscopic photographs, each of the analyzed grades were described using a 7-dimensional feature space. The use of a self-organizing map resulted in the effectiveness of the classification of these structures at the level of 82%.

9

The perspectives of using railway facilities in Szczecin Metropolitan Area (SOM)

84%

Wolnowska A. , Rymer W. , Czarnecki K.

Logistyka

|

2014

|

tom nr 6

EN

In the article, the results of Szczecin railway connections analysis were depicted. Historical SST projects were also taken into consideration together with re-using existing railway facilities in SOM, and also with connecting different available means of transport in order to create an efficient transport system.

10

Regional differentiation of households in the context of a subjective assessment of the level of income

84%

Grzywińska-Rąpca M.

Nierówności społeczne a wzrost gospodarczy

|

2019

|

tom 60

227-241

EN

One of the factors affecting the stratification and diversity of living conditions of the population is the level of income of the population. Income levels indicate inequalities that are inevitable and even necessary to some extent. They are part of the incentive mechanisms in consumer behaviour. The aim of the article was to show, by grouping voivodships, the differences in the assessment of the subjective level of household income. Households participating in the Household Budget Survey conducted by the Polish Central Statistical Office reported the amount of income (in PLN) allowing (in their assessment) to recognize the given income as: very weak, insufficient, barely sufficient, good and very good. The specified values of the centroids made it possible to organize voivodships in Poland due to the level of analysed features and identification of groups in which there are households with similar expectations and a subjective assessment of the economic situation. Based on the analysis, it can be concluded that in terms of subjective assessments of the level of income obtained by households there are stratifications in the individual groups of voivodships. The analysis of the diversity of income level assessments was conducted in a spatial section (diversification of the phenomenon by voivodships). The SOM-Kohonen method was used for the analysis.

PL

Jednym z czynników wpływających na rozwarstwienie i różnorodność warunków życia społeczeństwa jest poziom dochodu ludności. Poziom dochodu wskazuje na nierówności, które są nieuniknione, a nawet w pewnym stopniu niezbędne. Są elementem mechanizmów motywacyjnych w zachowaniach konsumentów. Celem artykułu jest wykazanie, za pomocą grupowania województw, zróżnicowania w ocenie subiektywnego poziomu dochodów gospodarstw domowych. Gospodarstwa uczestniczące w Badaniu budżetów gospodarstw domowych przeprowadzonym przez Główny Urząd Statystyczny podawały wysokość dochodów (w złotych) pozwalających (w ich ocenie) uznać dane dochody, jako: bardzo słabe, niewystarczające, ledwo wystarczające, dobre i bardzo dobre. Określone wartości centroidów umożliwiły uporządkowanie województw w Polsce ze względu na poziom analizowanych cech oraz identyfikację grup, w których są gospodarstwa domowe o podobnych oczekiwaniach i subiektywnej ocenie sytuacji gospodarczej. Na podstawie analizy można stwierdzić, że pod względem subiektywnych ocen poziomu dochodów uzyskiwanych przez gospodarstwa domowe istnieją stratyfikacje w poszczególnych grupach województw. Analiza różnorodności ocen poziomu dochodów została przeprowadzona w przekroju przestrzennym (zróżnicowanie zjawiska według województw). Do analizy zastosowano metodę SOM-Kohonen.

11

Kohonen Artificial Neural Networks and the IndVal Index as Supplementary Tools for the Quantitative Analysis of Palaeoecological Data

71%

Płóciennik M. , Kruk A. , Michczyńska D. J. , Birks J. B.

Geochronometria

|

2015

|

tom Vol. 42, no.1

189--201

EN

We applied two widely-used methods for data partitioning — constrained incremental sum-of-squares (CONISS) and Optimal Partitioning (OP) along with two supplementary methods, a Kohonen artificial neural network (self-organising map, SOM) and the indicator value (IndVal) index, for the quantitative analysis of subfossil chironomid assemblages from a palaeolake in Central Poland. The samples, taken from 79 core depths, were divided into 5–11 groups (five by SOM, seven by CONISS, 11 by OP), for which different numbers of indicator taxa were determined with the use of the IndVal index (18 for CONISS, 15 for SOM, 11 for OP). Only six indicator taxa were common to all three methods. The number of highly specific (p < 0.001) taxa was highest for SOM. Only the SOM analysis clearly reflected the rate of the changes in chironomid assemblages, which occurred rapidly in the Late Glacial (as a result of greater climate variability) and slowly in the Holocene (as a reflection of slow long-term changes in the local habitat, such as paludification). In summary, we recommend using SOM and the IndVal index in combination with CONISS and/or OP in order to detect different aspects of temporal variability in complex multivariate palaeoecological data.

12

Wykrywanie krwi na obrazach bronchoskopowych za pomocą sieci neuronowych

67%

Mikrut Z. , Duplaga M.

|

2009

|

tom T. 13, z. 3/2

1387-1396

PL

W artykule zaprezentowano eksperymenty dotyczące wykorzystania sieci neuronowych typu SOM-supervised do klasyfikacji pikseli (HSV) z obrazów bronchoskopowych. Na podstawie oceny wizualnej wybrano sześć obrazów przeznaczonych do uczenia sieci. Dla każdego obrazu utworzono zbiór uczący na podstawie zmodyfikowanego zaznaczenia obszaru krwawienia. Zbiory te scalono, przy czym zadbano o wyeliminowanie powstałych sprzeczności. Przeprowadzono uczenie sieci SOM w dwóch wariantach: dla sieci większych i mniejszych. Dokonano analizy wyników zarówno dla zbiorów uczących, jak i dla 14 obrazów testowych. Sformułowano wnioski dotyczące metodyki uczenia oraz dalszego przetwarzania wykrytych obszarów krwawień.

EN

In the paper the experiments with using SOM-supervised neural networks for pixel (HSV) classification were presented. Six visually different images were chosen to be the basis for the SOM training. For these images learning sets were created based on the refined masks of the bleeding regions pointed out by the doctor. Next the six learning sets were merged and the ambiguous pixel representations were removed. Two types of SOM-supervised networks (of "normal" and "small" sizes) were created and learned. The classification results were obtained and analyzed both for learning sets and for 14 test images. Several conclusions were stated concerning the learning methodology and the bleeding areas postprocessing.

13

Klasyfikacja mikroskopowych obrazów skał przy wykorzystaniu sieci neuronowych

67%

Młynarczuk M. , Bielecka M. , Ślipek B.

|

tom nr 86

27--38

PL

Klasyfikacja skał stanowi ważny aspekt w wielu zagadnieniach górnictwa i geologii inżynierskiej. Automatyzacja procesu klasyfikacji mikroskopowych obrazów skał może przyczynić się do usprawniania przetwarzania ogromnych zbiorów fotografii skał, poprzez jego przyspieszenie i wyeliminowanie wpływu subiektywnej oceny obserwatora na końcowy wynik klasyfikacji. Podczas pierwszego etapu badan opisanych w tym artykule wykorzystano zbiór 2700 mikroskopowych obrazów szlifów cienkich 9 skał, różniących się od siebie cechami petrograficznymi. Próbki skał zostały opisane 13-wymiarowym wektorem cech. Przy użyciu trzech różnych sieci neuronowych: dwuwarstwowej sieci jednokierunkowej (multi-layer feed-forward perceptron, MLP), samoorganizującej mapy Kohonena (self organizing Kohonen maps, SOM) oraz kwantyzacji wektorowej (learning vector quantization, LVQ), fotografie, po wcześniejszym treningu sieci odseparowanymi podzbiorami próbek, zostały poddane procesowi automatycznej klasyfikacji. Stukrotne powtarzanie losowania podzbiorów wykorzystywanych do treningu sieci oraz powtarzanie algorytmu uczenia sieci i rozpoznawania zdjęć pozwoliło na uzyskanie statystycznie wiarygodnych wyników, których wartość średnia wyniosła 99,4%. Następnie zbiór skał został zwiększony do łącznej wielkości 6300 zdjęć reprezentujących 21 różnych skał, a badania zostały powtórzone z zachowanie wektora cech oraz parametrów nauki sieci. Wynik średni poprawnych klasyfikacji dla powiększonego zbioru obrazów wyniósł 98,30%.

EN

Rock classification is an inherent part of numerous aspects of geology and engineering geology. Automating the classification of the microscopic images of rocks may result in improvements in analyzing vast sets of rocks' images by speeding up their recognition and eliminating the influence of the observer's subjective judgment in the final classification results. A set of 2,700 microscopic images of thin sections of 9 rocks, which differ in petrographic features, was used during the first step of the study described in the following article. Samples were displayed in a thirteen-dimensional feature space. With the use of three different neural networks multi-layer feed-forward perceptron (MLP), self-organizing Kohonen maps (SOM), and learning vector quantization (LVQ) ? images were subjected to an automated classification process preceded by the network's training with the use of isolated subset samples. Centuple repetition of subset drawings, which were used to train the network by repeating the self-learning network and images recognition algorithm, led to the achievement of statistically trustworthy results with a mean at the level of 99.4 %, and for the best drawing at 99.71%. Afterwards, the rocks set was extended to a total volume of 6,300 images of 21 different rocks, and the test was repeated preserving the feature space and self-learning network parameters. The average score of correct classifications for the extended images set was 98.30%, with the best score at 98.95%.

14

Sztuczne sieci neuronowe ANN : sieci Kohonena

67%

Iljaszewicz P.

Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka

|

2018

|

tom vol. 8, nr 1

34--39

PL

Artykuł omawia sztuczne sieci neuronowe (ang. ANN- Artificial neural networks). Jedną z odmian są sieci Kohonena zwane Mapą Samoorganizującą (ang. SOM – Self Organizing Map) realizują one proces uczenia się sieci neuronowych samodzielnie tzn. rozpoznają relacje występujące w skupieniach poprzez wykrycie wewnętrznej struktury i kategoryzują je w procesie samouczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej do przestrzeni jednowymiarowej lub dwuwymiarowej. Główną cechą SOM jest to, że tworzy on nieliniową projekcję wielowymiarową kolektora danych na regularnej, niskowymiarowej (zwykle 2D) sieci. Na wyświetlaczu klastrowanie przestrzeni danych, jak również relacje metryczno-topologiczne elementów danych, są wyraźnie widoczne. Jeśli elementy danych są wektorami, składniki, których są zmiennymi z określone znaczenie, takie jak deskryptory danych statystycznych lub pomiary, które opisują proces, siatka SOM może być wykorzystana, jako podstawa, na której może znajdować się każda zmienna wyświetlane osobno przy użyciu kodowania na poziomie szarości lub pseudo koloru. Ten rodzaj projekcji został uznany za bardzo przydatny do zrozumienia wzajemnych zależności między zmiennymi, a także strukturami zbioru danych.

EN

The article discusses artificial neural networks (ANN). One of the varieties is the Kohonen network, called the Self Organizing Map (SOM), that perform the learning process of neural networks independently, i.e. they recognize relationships occurring in clusters by detecting an internal structure and categorizing them in the process of self-learning. SOM is used to form mapping from a multidimensional space to a one-dimensional or two-dimensional space. The main feature of SOM is that it creates a non-linear multi-dimensional projection of a data collector on a regular, low-dimensional (usually 2D) network. On the display, data space clustering as well as metric-topological relations of data elements are clearly visible. If the data elements are vectors, the components of which are variables with defined meanings, such as statistical data descriptors or measurements that describe the process, the SOM grid can be used as a basis on which each variable can be displayed separately using gray or pseudo-color coding. This type of projection has been found to be very useful for understanding the interrelationships between variables as well as data set structures.

15

Wykorzystanie sieci Kohonena do selekcji podobrazów na potrzeby dopasowania zdjęć lotniczych

67%

Czechowicz A. , Mikrut Z.

|

2007

|

tom T. 11, z. 3

329-343

PL

Automatyzacja procesu wyznaczania elementów orientacji wzajemnej zdjęć lotniczych jest jednym z kluczowych zadań w fotogrametrii. Artykuł przedstawia zastosowanie reprezentacji obrazu opartej na informacji o rozkładzie gradientu oraz sieci neuronowych Kohonena do selekcji podobrazów dla potrzeb dopasowania zdjęć lotniczych. Badania przeprowadzono, wykorzystując 904 podobrazy zdjęć lotniczych okolic Krakowa o różnym pokryciu terenu, grupując próbki w trzy kategorie: obszarów korzystnych, pośrednich i niekorzystnych pod względem wyszukiwania cech do orientacji wzajemnej. Dla każdego podobrazu pozyskano dwuwymiarowy histogram gradientu. Na jego podstawie wyznaczono reprezentację w postaci wektora wartości maksymalnych dla kierunku gradientu. Reprezentację wykorzystano do klasyfikacji obszarów siecią Kohonena. Poprawność uzyskanej klasyfikacji w stosunku do wykonanej manualnie otrzymano na poziomie 68,3%.

EN

Automatic relative orientation is one of the key problems in photogrammetric processing. This paper concerns the application of the representation based on the gradient distribution and Kohonen neural networks for the selection of sub-images for aerial photographs matching purposes. The examinations were conducted over 904 sub-images of the aerial photographs of the Krakow's surroundings with different land cover, grouped into three categories: advantageous, nondescript and disadvantageous in respect of searching features for relative orientation. The 2D histogram was acquired for every sub-image and on this basis the representation in form of the vector of maximum values for gradient direction has been determined. This representation was utilized for the classification of areas with Kohonen network. The correctness of the obtained classification, compared to manually done, achieved the Ievel of 68,3%.

16

Selekcja podobrazów dla potrzeb dopasowywania zdjęć lotniczych oparta na histogramach gradientu i sieci neuronowej

67%

Czechowicz A. , Mikrut Z.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2007

|

tom Vol. 17a

149--158

PL

Artykuł przedstawia wyniki wykorzystania sieci neuronowych do selekcji podobrazów oraz wyniki wyszukiwania wybranych obszarów na pozostałych zdjęciach z wykorzystaniem rozkładu odpowiedzi dla sieci SOM Kohonena. Zaproponowano reprezentacje fragmentu obrazu oparta na rozkładzie wartości modułu gradientu i jego kierunku. Badania przeprowadzono na dziewięciuset podobrazach zdjęć lotniczych okolic Krakowa o różnym pokryciu terenu podzielonych na trzy kategorie: obszarów korzystnych, pośrednich i niekorzystnych pod względem wyszukiwania cech do orientacji wzajemnej. Dla każdego z obrazów, w oparciu o algorytm Canny’ego, wyznaczono krawędzie. Na podstawie wartości gradientu i kierunków wykrytych krawędzi sporządzono histogram, który następnie posłużył wyznaczeniu reprezentacji podobrazu w postaci profilu kierunku. Tak przygotowana reprezentacje wykorzystano do uczenia sieci neuronowych metoda nadzorowana (backpropagation) oraz nienadzorowana (Kohonena), a następnie do klasyfikacji obszarów nauczonymi sieciami. W przypadku sieci backpropagation miara efektywności klasyfikacji był globalny współczynnik rozpoznania oraz macierz pomyłek. Dla sieci Kohonena wyznaczano współczynnik kompletności i poprawności. Wyniki zestawiono z rezultatami otrzymanymi na drodze uczenia metoda wstecznej propagacji błędów, gdzie generowane na mapie Kohonena odpowiedzi stanowiły sygnał wejściowy dla warstwy backpropagation. W dalszym etapie wytypowane obszary korzystne poszukiwano na sąsiednich obrazach. Wzmocniony funkcja preferująca wysokie wartości rozkład odpowiedzi na mapie cech siec Kohonena, uzyskany dla podobrazów korzystnych, porównywano z rozkładem dla podobrazów o tych samych wymiarach na sąsiednich zdjęciach. Za miarę podobieństwa obszarów przyjęto współczynnik korelacji dla porównywanych odpowiedzi sieci.

EN

This paper describes the application of neural networks for selection of sub-images and the result of the search for the selected areas on the remaining photographs with the utilisation of Kohonen’s SOM network responses distribution. Image fragment representation based on the gradient magnitude values distribution and its direction was proposed. The research was conducted on nine hundred sub-images, taken from aerial photographs of the Cracow’s environs with different terrain cover, divided into three categories: advantageous, intermediate and disadvantageous areas in respect of searching for the features for mutual matching. The edges were detected with Canny algorithm. Based on the gradient values and the directions of the edges, the histogram was created and used to determine the representation of the sub-image in the direction’s profile form. The prepared representation served for teaching the neural network using supervised (backpropagation) and unsupervised (Kohonen) method and later for the classification. For the backpropagation network, the classification effectiveness was measured using the global recognition coefficient and the cooccurrence matrix. For the Kohonen network, the completeness and correctness coefficients were determined. Afterwards, the two networks were put together: the responses generated on the Kohonen map constituted the input signal for the backpropagation layer. In the next step, the adjacent images were sought for the chosen areas. Response distribution on the Kohonen network feature map, amplified with the function preferring the high values, was compared with the distribution for the same size sub-images of the adjacent photographs. To measure the similarity of the subimages, the correlation coefficient to compare network’s responses was used.

17

Image Retrieval Based on Text and Visual Content Using Neural Networks

59%

Castro D. A. , Seijas L. M.

|

2010

|

tom Vol. 2 No. 1

21--39

EN

In the last few years there has been a dramatic increase in the amount of visual data to be searched and retrieved. Typically, images are described by their textual content (TBIR) or by their visual features (CBIR). However, these approaches still present many problems. The hybrid approach was recently introduced, combining both characteristics to improve the benefits of using text and visual content separately. In this work we examine the use of the Self Organizing Maps for content-based image indexing and retrieval. We propose a scoring function which eliminates irrelevant images from the results and we also introduce a SOM variant (ParBSOM) that reduces training and retrieval times. The application of these techniques to the hybrid approach improved computational results.

18

Tailwater habitat stability after dam removal and return to a natural hydrological regime

59%

Tszydel M. , Kruk A.

|

tom Vol. 44, No. 3

410--425

EN

The study was conducted from 2000 to 2003 in the tailwater of the Drzewieckie Lake, an artificial reservoir in Central Poland. Short-term peaks in water flow were generated for the purpose of the operation of a whitewater slalom canoeing track built just downstream of the dam. In 2002, the reservoir was drawn down. The patterns in habitat samples were recognized with a Kohonen’s unsupervised artificial neural network (SOM). The SOM spatial gradient was stronger than the SOM temporal gradient, which shows that the removal of the studied dam did not have a destructive impact on habitats’ features, as shown in other studies, and that the patchy nature of the riverbed has been maintained. The complete emptying of the Drzewieckie Lake took place at the beginning of the vegetation season, which allowed plants to cover the exposed bottom of the reservoir and, consequently, reduce the downstream flow of organic matter accumulated there. Patterns in the displacement of aquatic macrophytes, inorganic substratum and different fractions of particulate organic matter are discussed. The amount of dissolved oxygen decreased because of the lack of intensive water discharge from the reservoir into the river, which would result in high water turbulence. Results of this study are important for planning the ecologically sound dam removals.

19

ITR-SOM-33735 – system w module do zastosowań w warunkach przemysłowych

59%

Nowakowski A. , Broda K. , Przybysz R. , Wlazło P.

Elektronika : konstrukcje, technologie, zastosowania

|

2017

|

tom Vol. 58, nr 12

3--5

PL

System w module (ang. System On Module - SOM) jest rozwiązaniem integrującym funkcjonalność systemu na jednej płytce drukowanej - w jednym module. W artykule przedstawiono informacje dotyczące opracowanego w ITR rozwiązania SOM, wykorzystującego innowacyjne rozwiązanie firmy Octavo Systems [1], OSD335x System w Pakiecie (ang. System-in-Package SiP). Porównano go z innymi rozwiązaniami dostępnymi na rynku. Zaprezentowano parametry techniczne i zalety jakie powstają z jego zastosowania w urządzeniach przeznaczonych do pracy w warunkach przemysłowych.

EN

System On Module (SOM) is a solution that integrates the functionality of a system on one PCB - in one module. This article provides information on the SOM solution developed by ITR, using the innovative Octavo Systems [1], OSD335x System-in-Package (SiP) solution. It was compared to other solutions available on the market. The technical parameters and advantages of its use in industrial equipment are presented.

20

Modelowanie procesu osiadania terenu górniczego Kopalni Węgla Brunatnego Bełchatów - nowe podejście

51%

Palmąka M.

Przegląd Geologiczny

|

2011

|

tom Vol. 59, nr 3

245-245

EN

From the beginning of open-pit mining works (i.e. ground massive dewatering, access excavation, cover dumping) in 1976, which were strictly connected with an exposure a brown coal beds on Bełchatów field it was noticed, that a land surface subsided in the vicinity of Brown Coal Mine Bełchatów. Quantitative land subsidence assessments, which are based on deterministic models (elastic ground model, consolidation model), are not efficient enough to simulate the process – adjusted coefficient of determination amounts R2kor2kor