Browsing by Subject "neural networks"

Now showing 1 - 20 of 53

Access status: Restricted ,
Analiza ruchu na stronie z wykorzystaniem metod eksploracji danych wraz z prognozowaniem zmian pozycji w wyszukiwarce Google dla wybranej strony www
(Data obrony: 2016-10-24) Misiak, Paweł
Wydział Geologii, Geofizyki i Ochrony Środowiska
Praca magisterska opiera się na statystycznej analizie wizyt na stronie internetowej wraz z przewidywaniem przyszłych pozycji w wyszukiwarce Google. Jej celem jest wykazanie konieczności rezygnacji z usług firmy pozycjonującej a także rozpoznanie współczesnych metod analizy przedmiotowych zagadnień. Do realizacji projektu magisterskiego wykorzystano dwie popularne metody - metoda regresji wielorakiej a także sieci neuronowych. Wyniki analiz pokazały jak zmienia się ilość wizyt na stronie w zależności od okresu roku. W analizach wykorzystano także informacje, czy w danym dniu wystąpiły święta a także czy strona społecznościowa była aktualizowana. W wyniku tych analiz wyciągnięto wnioski, że współczesna strona internetowa nie wymaga tak silnych akcji pozycjonerskich, aby jej pozycja w wyszukiwarce się podniosła. Projekt pozwolił zdobyć szerszą wiedzę na temat pozycjonowania stron a także budowy modeli statystycznych, co będzie mogło zostać wykorzystywane w przyszłości do okresowych analiz wyników pozycjonowania strony.
Access status: Restricted ,
Analiza sygnałów elektrohisterograficznych (EHG)
(Data obrony: 2019-01-22) Król, Monika
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Restricted ,
Analysis of selected problems in single image super resolution deep neural networks
(Data obrony: 2020-12-11) Żdżarski, Wojciech Iwo
Wydział Informatyki, Elektroniki i Telekomunikacji
Access status: Restricted ,
Application of artificial intelligence in selected issues of game theory
(Data obrony: 2016-09-19) Słyś, Przemysław
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Open Access ,
Approach to classifying data with highly localized unmarked features using neural networks
(Wydawnictwa AGH, 2019) Grzeszczuk, Rafał
To face the increasing demand of quality healthcare, cutting-edge automation technology is being applied in demanding areas such as medical imaging. This paper proposes a novel approach to classification problems on datasets with sparse highly localized features. It is based on the use of a saliency map in the amplification of features. Unlike previous efforts, this approach does not use any prior information about feature localization. We present an experimental study based on the Diabetic Retinopathy classification problem, in which our method has shown to achieve an over 20%-higher accuracy in solving a two-class Diabetic Retinopathy classification problem than a naive approach based solely on residual neural networks. The dataset consists of 35,120 images of various qualities, inconsistent resolutions, and aspect ratios.
Access status: Open Access ,
Approximation properties of some two-layer feedforward neural networks
(2007) Nowak, Michał Andrzej
In this article, we present a multiyariate two-layer feedforward neural networks that approximate continuos functions defined on $[0,1]^d$. We show that the $L_1$ error of approximation is asymptotically proportional to the modulus of continuity of the underlying function taken at $\sqrt{d}/n$, where n is the number of function values used.
Access status: Restricted ,
Badanie możliwości sieci neuronowych w translacji tekstów
(Data obrony: 2018-07-06) Klinkowski, Aleksander
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Open Access ,
Computational approach to understanding Autism Spectrum Disorders
(Wydawnictwa AGH, 2012) Duch, Włodzisław; Nowak, Wiesław; Meller, Jarosław; Osiński, Grzegorz; Dobosz, Krzysztof; Mikołajewski, Dariusz; Wójcik, Grzegorz Marcin
Every year the prevalence of Autism Spectrum of Disorders (ASD) is rising. Is there a unifying mechanism of various ASD cases at the genetic, molecular, cellular or systems level? The hypothesis advanced in this paper is focused on neural dysfunctions that lead to problems with attention in autistic people. Simulations of attractor neural networks performing cognitive functions help to assess system long-term neurodynamics. The Fuzzy Symbolic Dynamics (FSD) technique is used for the visualization of attractors in the semantic layer of the neural model of reading. Large-scale simulations of brain structures characterized by a high order of complexity requires enormous computational power, especially if biologically motivated neuron models are used to investigate the influence of cellular structure dysfunctions on the network dynamics. Such simulations have to be implemented on computer clusters in a grid-based architectures.
Access status: Open Access ,
Computational intelligence methods in the problem of modelling technical wear of buildings in mining areas
(2012) Rusek, Janusz
In the work presented approach with a view to building the model of degree of technical wear of buildings in the mining areas, as well as an indication that the contribution of the consumption on technical factors interact mining and civil construction origin. Set out criteria for the selection and research methodology effects are synthetically summarised existing work in this field. Justified choice of the epsilon-SVR method confronting its advantages to the characteristics of typical neural network.
Access status: Restricted ,
Efficient storage of training data for DNN (pytorch-ddnevo) evolution platform
(Data obrony: 2020-09-29) Szeremeta, Grzegorz
Wydział Informatyki, Elektroniki i Telekomunikacji
Access status: Restricted ,
Falls prediction using time series analysis techniques and deep learning methods
(Data obrony: 2020-09-29) Błaszczyk, Maciej
Wydział Informatyki, Elektroniki i Telekomunikacji
Access status: Open Access ,
Fast automatic configuration of artificial neural networks used for binary patterns recognition
(Wydawnictwa AGH, 2001) Horzyk, Adrian
This paper presents a powerful method of an automatically generated architecture of neural networks used for binary patterns recognition, which can quickly and automatically reduce synapses in a way of minimally reducing a quality of recognition and a quality of generalization. Moreover, this method computes all weights in two runs over a learning sequence, what makes this method very fast. First, the method calculates all binary features for each pattern and then weights are computed. Furthermore, there is a quality of generalization considered because it is one of the most important factors of recognition while using neural networks.
Access status: Open Access ,
Fundamentals of a recommendation system for the aluminum extrusion process based on data-driven modeling
(Wydawnictwa AGH, 2022) Perzyk, Marcin; Kochański, Andrzej Witold; Kozłowski, Jacek
The aluminum profile extrusion process is briefly characterized in the paper, together with the presentation of historical, automatically recorded data. The initial selection of the important, widely understood, process parameters was made using statistical methods such as correlation analysis for continuous and categorical (discrete) variables and »inverse« ANOVA and Kruskal-Wallis methods. These selected process variables were used as inputs for MLP-type neural models with two main product defects as the numerical outputs with values 0 and 1. A multi-variant development program was applied for the neural networks and the best neural models were utilized for finding the characteristic influence of the process parameters on the product quality. The final result of the research is the basis of a recommendation system for the significant process parameters that uses a combination of information from previous cases and neural models.
Access status: Open Access ,
Hybrid model of the conventional power unit
(Wydawnictwa AGH, 2008) Rusinowski, Henryk; Szapajko, Grzegorz; Stanek, Wojciech
The paper presents the hybrid model of the conventional power unit. The model contains following fragmentary models: model of the boiler, turbine and regenerative heat exchangers. Fragmentary models have been elaborated with the application of the analytical modelling methods, regression and neural networks. Hybrid model of the boiler contains balance model compatible with the German norm DIN and regressive models describing content of the unburnt combustibles in the slag and in the dust and the neural model describing the flue gases temperature at the outlet of the boiler. Model of the turbine contains balance model and theoretical-empirical model of the steam expansion line in the turbine. Models of the heat exchangers contain the balance and empirical models describing the heat transfer. The paper presents the exemplary calculation results and their comparison with the measurements.
Access status: Open Access ,
Hybrid neuro-fuzzy classifier based on NEFCLASS model
(Wydawnictwa AGH, 2011) Gliwa, Bogdan; Byrski, Aleksander
The paper presents hybrid neuro-fuzzy classifier, based on NEFCLASS model, which was modified. The presented classifier was compared to popular classifiers - neural networks and k-nearest neighbours. Efficiency of modifications in classifier was compared with methods used in original model NEFCLASS (learning methods). Accuracy of classifier was tested using 3 datasets from UCI Machine Learning Repository: iris, wine and breast cancer wis-consin. Moreover, influence of ensemble classification methods on classification accuracy was presented.
Access status: Restricted ,
Image classification using neural networks
(Data obrony: 2020-12-11) Żelazko, Rafał
Wydział Informatyki, Elektroniki i Telekomunikacji
Access status: Restricted ,
Implementacja chatbota działającego w oparciu o sieci neuronowe
(Data obrony: 2018-07-06) Marek, Łukasz
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Open Access ,
Metoda wymuszania wewnętrznych wzorców w jednokierunkowej sieci klasyfikującej
(Wydawnictwa AGH, 2006) Kolibabka, Marcin; Cader, Andrzej
Creating and later learning of one-way neural networks depends from many factors. Selection of many them has estimated and experimental character. The proposed in the article method allows to the weakness of the influence of the not optimal choice of the net structure, also speed and momentum values are less influential then in classic Back Propagation Method.
Access status: Restricted ,
Metody inteligencji komputerowej w analizie danych geofizycznych
(Data obrony: 2018-01-29) Stachura, Gabriel
Wydział Geologii, Geofizyki i Ochrony Środowiska
W pracy przedstawiono model statystyczny ośrodka geologicznego, na którym dokonano klasyfikacji litologicznej na podstawie danych profilowań otworowych. Model utworzono z wykorzystaniem metod sztucznej inteligencji komputerowej. Przeanalizowano 3 odmienne typy sieci neuronowych: klasyczne (ANN), sieci wektorów nośnych (SVM) oraz głębokiego uczenia. Głębokie uczenie jest najbardziej nowatorską metodą maszynowego uczenia, użyteczną zwłaszcza w przypadku pracy z dużymi bazami danych. Metody testowano w dwóch odmiennych środowiskach obliczeniowych – pakiecie R oraz środowisku STATISTICA. Uzyskane rezultaty na poziomie ponad 80% poprawności klasyfikacji pozwalają stwierdzić, iż opracowany model z dość dobrą precyzją oddaje rzeczywisty stan górotworu. Ze względu na dynamiczny rozwój tego rodzaju metod eksploracji danych, należy spodziewać się ich większej dokładności oraz szerszego zastosowania.
Access status: Open Access ,
Metody kalibracji urządzeń do akwizycji sygnałów okoruchowych
(Wydawnictwa AGH, 2010) Chodak, Jacek; Kryjak, Tomasz
In the present paper several calibration methods for eye movement acquisition devices: simple linear, linear with two calibration points, second order polynomial, linear neural network and radial based functions neural networks were described and tested. The methods were tested in two experiments: following eye movements on an elliptical trajectory and gaze fixations in randomly placed points on the screen on six subjects. Results of the experiments were described and discussed.