Wyniki wyszukiwania - Biblioteka Nauki

1

Multiple Additive Regression Trees (MART) and their Application

100%

Trzęsiok J. , Department of Mathematics K. A. U. o. E.

|

tom 206

EN

Multiple additive regression trees MART is a methodology for trying to solve prediction problems in regression and classification. It’s one of the boosting methods. It was introduced by J. H. Friedman (1999a). Besides accuracy, its primary goal is robustness. It lends to be resistant against outliers, missing values, and the inclusion of potentially large numbers of irrelevant predictor variables that have little or no effect on the response. In this paper the MART algorithm and their applications will be discussed.

PL

Addytywna metoda budowy drzew regresyjnych (MART), została zaproponowana przez J. H. Friedmana w 1999 r. (1999a, b). Jest to jedna z metod agregacyjnych, mająca zastosowanie w regresji i dyskryminacji opierająca się na modelach w postaci drzew. Jej zaletami, poza dokładnością predykcji, jest odporność na wartości oddalone i braki danych. Bardzo dobrze radzi sobie również z dużą liczbą zmiennych objaśniających, wśród których wiele może nie mieć istotnego wpływu na zmienną zależną. W artykule przedstawiona została ogólna idea metod agregacyjnych. Zaprezentowano i omówiono kolejne kroki algorytmu MART, a następnie, dla ilustracji, podany został przykład zastosowania procedury MART dla zbioru danych „Boston”.

2

Modelowanie emisji NOx w zawiesinowym procesie wytwarzania miedzi przy wykorzystaniu metody drzew regresyjnych

86%

Talar J. , Jarosz P. , Stanisławczyk A. , Kusiak J.

|

tom R. 52, nr 3

129-135

PL

Przedstawiono problem przewidywania emisji NOx w zawiesinowym procesie wytwarzania miedzi. Algorytm drzew regresyjnych CART został wykorzystany do przewidywania poziomu NOx w gazach. W modelowaniu tego zjawiska wykorzystano przemysłowe dane pomiarowe. Opracowany model na bazie drzew decyzyjnych pozwolił na identyfikację zmiennych niezależnych, które mają decydujące znaczenie dla przewidywania poziomu stężenia NOx w gazach. Wyniki modelowania uzyskane przez algorytm CART porównano z wynikami sztucznych sieci neuronowych oraz metod regresji liniowej i nieliniowej. Opracowane modele oparte o sztuczne sieci neuronowe oraz drzewo regresyjne mogą być zastosowane w optymalizacji i sterowaniu procesu wytwarzania miedzi pod kątem redukcji szkodliwej emisji NOx.

EN

The problem of prediction of NOx emission in the copper flash smelting process is presented. The CART algorithm was applied to prediction of the NOx content in exhausts. The industrial data were used to modelling of this phenomenon. The model developed on the base of the decision trees allows to identify the independent variables, which are significant for prediction of NOx content in gases. The results of CART algorithm were compared with the artificial neural networks and the linear and non-linear regression models. The elaborated models based on the artificial neural networks and regression tree method can be applied in optimisation and control of the copper production process for reduction of harmful emission of NOx.

3

Prediction of Ordinal Classes Using Regression Trees

86%

Kramer S. , Widmer G. , Pfahringer B. , De Groeve M.

|

tom Vol. 47, nr 1,2

1-13

EN

This paper is devoted to the problem of learning to predict ordinal (i.e., ordered discrete) classes using classification and regression trees. We start with S-CART, a tree induction algorithm, and study various ways of transforming it into a learner for ordinal classification tasks. These algorithm variants are compared on a number of benchmark data sets to verify the relative strengths and weaknesses of the strategies and to study the trade-off between optimal categorical classification accuracy (hit rate) and minimum distance-based error. Preliminary results indicate that this is a promising avenue towards algorithms that combine aspects of classification and regression.

4

Prediction of pedal cyclists and pedestrian fatalities from total monthly accidents and registered private car numbers

72%

Ghasemlou K. , Aydi M. M. , Yildirim M. S.

Archives of Transport

|

2015

|

tom Vol. 34, iss. 2

29--35

EN

Accident prevention is relatively a complex issue considering the effectiveness of the injury prevention technologies as well as more detailed assessment of the complex interactions between the road condition, vehicle and human factor. For many years, highway agencies and vehicle manufacturers showed great efforts to reduce the injuries resulting from the vehicle crashes. Many researchers used a broad range of methods to evaluate the impact of several factors on traffic accidents and injuries. Recent developments lead up to capable for determining the effects of these factors. According to World Health Organization (WHO), cyclists and pedestrians comprise respectively 1.6% and 16.3% in traffic crash fatalities in 2013. Also in Turkey crash fatalities for pedestrian and cyclists are respectively 20.6% and 3% according to Turkish Statistical Instıtute data in 2013. The relationship between cycling and pedestrian rates and injury rates over time is also unknown. This paper aims to predict the crash severity with the traffic injury data of the Konya City in Turkey by implementing the Artificial Neural Networks (ANN), Regression Trees (RT) and Multiple Linear Regression modelling (MLRM) method.

5

On the use of acoustic emission to assess the wear in a tribosystem

72%

Kekez M. , Desaniuk T. , Duszczyk J. , Ozimina D.

|

2019

|

tom no. 2

99--103

EN

The article focuses on the analysis of acoustic emission signals generated under dry sliding friction conditions. Two tests were conducted using a TRB3 tribometer with the disc made of 100Cr6 steel with a DLC coating, and pin made of corundum (Al2O3) and steel 100Cr6, respectively. Two tests with the disc without DLC coating were also carried out. The audio data written in the 16-bit linear pulse-code modulation (LPCM) format were analysed using the SpectraPLUS software. An A-weighting filter and 1/1 and 1/3-octave band filters were used for sound level measurements. The analysis of the equivalent sound level calculated for 10-second time intervals was carried out. The highest A-weighted sound level occurred during the first 2 hours of the test with the disc having a DLC coating and pin made of 100Cr6 steel. At the end of this test, the sound level dropped by about 40 dB compared to the maximum. The lowest A-weighted sound level was recorded during the last 2 hours of the test with disc having a DLC coating and pin made of corundum. The time-dependent variability of sound parameters was predicted using the regression tree and random forest models, which proved to be accurate and easy to follow.

PL

W pracy przedstawiono analizę dźwięku zarejestrowanego podczas tarcia technicznie suchego w ruchu ślizgowym. Dwa testy przeprowadzono na tribometrze TRB3 dla próbek wykonanych ze stali 100Cr6 z powłoką DLC i przeciwpróbek wykonanych odpowiednio z korundu (Al2O3) i stali 100Cr6. Przeprowadzono również dwa testy dla próbek bez powłoki DLC. Dźwięk został zarejestrowany w standardzie 16-bitowego liniowego PCM, a następnie poddany analizie w programie SpectraPlus. Dla kolejnych chwil czasu wyznaczono wartości poziomu dźwięku A, a także poziomy dźwięku w wybranych pasmach oktawowych i 1/3-oktawowych. Przeprowadzono analizę równoważnego poziomu dźwięku obliczonego dla 10-sekundowych odcinków czasu. Najwyższy poziom dźwięku A występował podczas pierwszych 2 godzin testu próbki z powłoką DLC i przeciwpróbki wykonanej ze stali 100Cr6. Pod koniec tego testu poziom dźwięku spadł o około 40 dB względem dotychczasowego maksimum. Najniższy poziom dźwięku A zanotowano podczas ostatnich 2 godzin testu, w którym próbka miała powłokę DLC, a przeciwpróbka była wykonana z korundu. Utworzono modele opisujące zmienność w czasie wybranych parametrów dźwięku, oddzielnie dla każdej próbki. Do utworzenia modeli zastosowano drzewa regresji oraz Random Forest. W pracy zamieszczono analizę dokładności i przejrzystości otrzymanych modeli.

6

Methods of development fuzzy logic driven decision-support models in copper alloys processing

58%

Kluska-Nawarecka S. , Górny Z. , Mrzygłód B. , Wilk-Kołodziejczyk D. , Regulski K.

|

2010

|

tom Vol. 10, iss. 1 spec.

23--28

EN

Development of a diagnostic decision support system using different then divalent logical formalism, in particular fuzzy logic, allows the inference from the facts presented not as explicit numbers, but described by linguistic variables such as the "high level", "low temperature", "too much content", etc. Thanks to this, process of inference resembles human manner in actual conditions of decision-making processes. Knowledge of experts allows him to discover the functions describing the relationship between the classification of a set of objects and their characteristics, on the basis of which it is possible to create a decision-making rules for classifying new objects of unknown classification so far. This process can be automated. Experimental studies conducted on copper alloys provide large amounts of data. Processing of these data can be greatly accelerated by the classification trees algorithms which provides classes that can be used in fuzzy inference model. Fuzzy logic also provides the flexibility of allocating to classes on the basis of membership functions (which is similar to events in real-world conditions). Decision-making in foundry operations often requires reliance on knowledge incomplete and ambiguous, hence that the conclusions from the data and facts may be "to some extent" true, and the technologist has to determine what level of confidence is acceptable, although the degree of accuracy for specific criteria is defined by membership function, which takes values from interval <0,1>. This paper describes the methodology and the process of developing fuzzy logic-based models of decision making based on preprocessed data with classification trees, where the needs of the diverse characteristics of copper alloys processing are the scope. Algorithms for automatic classification of the materials research work of copper alloys are clearly the nature of the innovative and promising hope for practical applications in this area.