Wyniki wyszukiwania - Biblioteka Nauki

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

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: data mining techniques

Sortuj według:

Ogranicz wyniki do:

A methodological review of data mining techniques in predictive medicine: An application in hemodynamic prediction for abdominal aortic aneurysm disease

100%

Paramasivam V. , Yee T. S. , Dhillon S. K. , Sidhu A. S.

2014

tom Vol. 34, no. 3

139--145

Modern clinics and hospitals need accurate real-time prediction tools. This paper reviews the importance and present trends of data mining methodologies in predictive medicine by focusing on hemodynamic predictions in abdominal aortic aneurysm (AAA). It also provides potential data mining working frameworks for hemodynamic predictions in AAA. These frameworks either allow the coupling between a typical computational modeling simulation and various data mining techniques, using the existing medical datasets of real-patient and mining it directly using various data mining techniques or implementing visual data mining approach to already available computed results of various hemodynamic features within the AAA models. These approaches allow the possibility of statistically predicting rupture potentials of aneurismal patients and ideally provide an alternate solution for substituting tedious and time-consuming computational modeling. Prediction trends of patient-specific aneurismal conditions via mining huge volume of medical data can also speed up the decision making process in real life medicine.

Performance optimization of model-free fault diagnosis schemes

67%

Kalisch M. , Przystałka P. , Katunin A. , Timofiejczuk A.

tom Vol. 17, No. 1

51--58

This paper describes the method of model-free fault detection and isolation. The main purpose of the research is to present one possibility of the development of diagnostic schemes for which the component structure and behavioural parameters are tuned automatically in order to obtain the maximal efficiency of the fault detection and isolation system. The proposed approach can be viewed as the intersection of elementary methods (classic and soft computing) such as discrete wavelet analysis, machine learning (using decision trees or artificial neural networks), and evolutionary algorithms. The fundamental verification of the method was conducted for data made available within the benchmark problem involving a wind turbine. The achieved results confirm the effectiveness of the proposed approach while also showing its limitations.

Artykuł opisuje metodę detekcji i izolacji uszkodzeń bez użycia modelu. Głównym celem badań jest pokazanie możliwości opracowania schematów diagnostycznych, których struktura oraz parametry są dostrajane automatycznie w celu osiągnięcia najwyższej możliwej sprawności detekcji i izolacji uszkodzeń. Zaproponowane podejście może być postrzegane jako połączenie elementarnych metod (klasyczne metody oraz obliczenia miękkie) jak np. analiza falkowa, metody uczenia maszynowego (drzewa decyzyjne i sztuczne sieci neuronowe) oraz algorytmy ewolucyjne. Weryfikacja metody została przeprowadzona na danych symulacyjnych wygenerowanych za pomocą modelu turbiny wiatrowej. Uzyskane wyniki potwierdziły wysoką skuteczność metody oraz pokazały jej ograniczenia.