Temat: CNN - Prolib Integro

Skocz do pozycji: 1.

Tytuł:: Hybrid CNN-Ligru acoustic modeling using sincnet raw waveform for hindi ASR
Autorzy:: Kumar, Ankit
Aggarwal, Rajesh Kumar
Tematy:: automatic speech recognition
CNN
CNN-LiGRU
DNN; Pokaż więcej
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Powiązania:: https://bibliotekanauki.pl/articles/1839250.pdf Link otwiera się w nowym oknie
Opis:: Deep neural networks (DNN) currently play a most vital role in automatic speech recognition (ASR). The convolution neural network (CNN) and recurrent neural network (RNN) are advanced versions of DNN. They are right to deal with the spatial and temporal properties of a speech signal, and both properties have a higher impact on accuracy. With its raw speech signal, CNN shows its superiority over precomputed acoustic features. Recently, a novel first convolution layer named SincNet was proposed to increase interpretability and system performance. In this work, we propose to combine SincNet-CNN with a light-gated recurrent unit (LiGRU) to help reduce the computational load and increase interpretability with a high accuracy. Different configurations of the hybrid model are extensively examined to achieve this goal. All of the experiments were conducted using the Kaldi and Pytorch-Kaldi toolkit with the Hindi speech dataset. The proposed model reports an 8.0% word error rate (WER).
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Parallelization of Concise Convolutional Neural Networks for Plant Classification
Autorzy:: Sembiring, Arnes
Away, Yuwaldi
Arnia, Fitri
Muharar, Rusdha
Tematy:: parallelisation
concise CNN
plant classification
multi-scale CNN
convolutional neural network; Pokaż więcej
Wydawca:: Polskie Towarzystwo Inżynierii Ekologicznej
Powiązania:: https://bibliotekanauki.pl/articles/2202377.pdf Link otwiera się w nowym oknie
Opis:: Monitoring the agricultural field is the key to preventing the spread of disease and handling it quickly. The computer-based automatic monitoring system can meet the needs of large-scale and real-time monitoring. Plant classifiers that can work quickly in computer with limited resources are needed to realize this monitoring system. This study proposes convolutional neural network (CNN) architecture as a plant classifier based on leaf imagery. This architecture was built by parallelizing two concise CNN channels with different filter sizes using the addition operation. GoogleNet, SqueezeNet and MobileNetV2 were used to compare the performance of the proposed architecture. The classification performance of all these architectures was tested using the PlantVillage dataset which consists of 38 classes and 14 plant types. The experimental results indicated that the proposed architecture with a smaller number of parameters achieved nearly the same accuracy as the comparison architectures. In addition, the proposed architecture classified images 5.12 times faster than SqueezeNet, 8.23 times faster than GoogleNet, and 9.4 times faster than MobileNetV2. These findings suggest that when implemented in the agricultural field, the proposed architecture can be a reliable and faster plant classifier with fewer resources.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Comparative analysis of CNN-based smart pre‐trained models for object detection on DOTA
Autorzy:: Hashmi, Hina
Dwivedi, Rakesh Kumar
Kumar, Anil
Tematy:: remote sensing images
CNN
R-CNN
transfer learning
object detection; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Powiązania:: https://bibliotekanauki.pl/articles/59467154.pdf Link otwiera się w nowym oknie
Opis:: In this paper, we proposed a comparative research project on the classification of various objects in satellite images using some pre-trained models of CNN (VGG- 19, ResNet-50, Inception-V3, EfficientNet-B7) and R-CNN. In this research work, we have used the DOTA dataset, which combines data from 14 classes. We have imple- mented above-mentioned pre-trained models of CNN and R-CNN to achieve optimal results for accuracy as well as productivity in detection of various objects such as ships, tennis courts, swimming pools, vehicles, and harbors from remotely accessed images. In this study, a convolutional neural network (CNN) is used as the base model. For complex computations and for speeding up results, transfer learning is used. With the help of experimental analysis, we have discovered that R-CNN and Inception-V3 performed best out of the five pre-trained models
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Opinia publiczna wobec „wojen Zachodu”: przypadki wojny w Zatoce, Bośni oraz Kosowie
Public Opinion vis-à-vis ‘Western Wars’: A Case Study of the Gulf War, Bosnia and Kosovo
Autorzy:: Wojciuk, Anna
Michałek, Maciej
Tematy:: demokracja
media
interwencje wojskowe
wojna informacyjna
efekt CNN
democracy
military interventions
information war
CNN
effect; Pokaż więcej
Wydawca:: Uniwersytet Warszawski. Wydział Nauk Politycznych i Studiów Międzynarodowych
Powiązania:: https://bibliotekanauki.pl/articles/2091719.pdf Link otwiera się w nowym oknie
Opis:: Państwa Europy i Ameryki Północnej wielokrotnie po zakończeniu zimnowojennej rywalizacji brały udział w działaniach zbrojnych poza własnymi granicami. Jednak za każdym razem ich demokratyczne rządy musiały starać się przekonać własne społeczeństwo o konieczności zaangażowania. Pierwsza wojna w Zatoce Perskiej, wojna w Bośni oraz w Kosowie są przykładami konfliktów, podczas których wpływ na kształt zaangażowania militarnego państw Zachodu miały treść przekazu medialnego oraz nastroje społeczne, w dużej mierze kształtowane za jego pośrednictwem. Jak wykazano, opinia publiczna jest raczej powściągliwa wobec użycia siły w stosunkach międzynarodowych. Wpływ na zwiększenie poparcia dla interwencji wojskowej, obok retoryki rządów, które z różnym sukcesem przekonywały społeczeństwo do swoich zamiarów, mogły mieć nowoczesne media pokazujące ludziom grozę wojny. Analizowane przypadki pokazują jednak, że wolne media i demokratyczny ustrój utrudniają państwom podejmowanie decyzji co do zaangażowania wojskowego. Wzrosty i spadki poparcia społeczeństwa dla zaangażowania w konflikt zbrojny pozostają w dużej mierze nieuchwytne, a postępujące w ostatnich latach upowszechnienie się mediów społecznościowych zmienia zasady prowadzenia wojny informacyjnej przez państwa.
After the end of Cold War rivalry, European and North American states repeatedly took part in military interventions abroad. Each time, the democratic governments of these states were obliged to try to convince their own societies about the need for engagement. The Gulf War, the Bosnian War, and the Kosovo War are examples of conflicts during which mass media and public opinion influenced political decisions. As the authors indicated, public opinion is rather restrained towards the use of force in international relations. Modern mass media, however, could in some cases enhance public support for military intervention by showing people cruelty of the war. Nevertheless, free media and democratic government generally make it definitely harder to make the decision on engagement in a military conflict. The reasons behind the rises and falls in public support for such engagement remain complex and difficult to explain by any trackable factors. The ongoing spread of social media around the world changes the mechanisms of conducting information warfare today.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Visualisation methods of artifical neurons activation optimization
Porównywanie metod optymalizacji przy wizualizacji aktywacji neuronów sieci konwolucyjnej
Autorzy:: Chlipała, Przemysław
Opis:: Overview of popular convolutional neural networks architectures along with different approaches to visualisation of activation of their artifical neurons. A neural networks supervised learning is described using the example of convolutional neural network LeNet-5. LeNet-5 has its weights visualised and then analyzed. Feature maps are being presented as the source of knowledge that convolutional networks tend to generalize the features as depth of their layer increases. A VGG-19 network architecture was presented with it's layers visualised by maximizing their mean activation. Then, result of maximizing the output activation for one of the classes was presented to show that VGG-19 is not classifying objects the same way as humans do. A neural style transfer was presented as the practical use case example of convolutional neural networks in artistic like effect generation. In the last chapters an Inception network architecture was described and its neurons visualised. Using the Inception a DeepDream effect was presented.
Prezentacja popularnych architektur sieci konwolucyjnych oraz sposobów wizualizacji aktywacji ich neuronów. Praca obejmuje w swoim zakresie problematykę treningu sieci neuronowej z nauczycielem, na przykładzie sieci konwolucyjnej LeNet-5. Sieć ta jest następnie analizowana pod kątem wag, które zostały ustalone na jej warstwach za pomocą algorytmu gradientu prostego. Zaprezentowano i zdefiniowano mapy cech - jako źródło wiedzy o tym, że konwolucyjne sieci neuronowe tym bardziej generalizują cechy obrazu, im głębsza jest ich warstwa. Zaprezentowano architekturę sieci VGG-19 i zwizualizowano aktywację jej neuronów poprzez maksymalizację mediany ich aktywacji. Zaprezentowano, co VGG-19 traktuje jako przedstawiciela jednej z klas, którą klasyfikuje jako przykład na to, że VGG-19 nie uchwyca cech danego obiektu w taki sam sposób, jak robi to człowiek. Odbyło się to na podstawie maksymalizacji aktywacji tej klasy. Następnie zaprezentowano technikę neuronowego transferu stylu wraz z przykładowym efektem, by pokazać praktyczne zastosowanie konwolucyjnych sieci neuronowych. W ostatnich rozdziałach został poruszony temat konwolucyjnej sieci Incepcja i na jej podstawie wygenerowano efekt DeepDream.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 6.

Tytuł:: Efekt CNN jako czynnik kształtujący politykę zagraniczną USA na przykładzie interwencji humanitarnej w Somalii
Humanitarian intervention in Somalia and the CNN effects impact on American foreign policy
Autorzy:: Kaczówka, Tomasz
Opis:: Postępujący od drugiej połowy XX wieku wzrost roli mediów nowego typu stawia wiele pytań na temat ich znaczenia we współczesnych stosunkach międzynarodowych. Jedną z koncepcji, próbującą nadać ramy wzajemnym relacjom w obszarze media-opinia publiczna-polityka jest „efekt CNN”. Zgodnie z tą teorią, odpowiednio przygotowana i przekazana informacja jest w stanie znacząco oddziaływać na decyzje polityczne. Przedmiotem pracy jest wpływ „efektu CNN” na kreowanie amerykańskiej polityki zagranicznej, ze szczególnym uwzględnieniem interwencji humanitarnej w Somalii. Postawiono następujące pytania badawcze: „W jaki sposób można sprawdzić intensywność działania „efektu CNN”, „Jakie aspekty działania mediów najsilniej wpływają na politykę?”, „czy podczas interwencji w Somalii można mówić o wystąpieniu modelowego „efektu CNN”, a jeśli tak to w którym momencie?”, „Jeśli nie media, to jakie inne czynniki wpłynęły na zaistniały przebieg interwencji?” Poprzez odpowiedź na pytania, chciano dowieść tezy, iż opisywane zjawisko to konstrukt, którego rzeczywiste znaczenie jest niemożliwe do empirycznego sprawdzenia. W pracy dokonano interpretacji teorii socjologiczno – psychologicznych związanych z mediami oraz analizy historycznej zjawisk towarzyszących interwencji. Dowiedziono, iż media były niewątpliwie jednym z czynników mających wpływ na przebieg zdarzenia, jednak w związku z istnieniem innych okoliczności nie można mówić o nich jako o czynniku decydującym. Jedną z części pracy poświęcono na opis miejsca interwencji w kulturze amerykańskiej. Poprzez analizę treści i formy powieści Black Hawk Down i powstałego na jej podstawie filmu o tym samym tytule, dążono do ukazania ich związku ze współczesnym postrzeganiem sztuki wojennej. Uznano, że taki kulturowy obraz może przyczynić się do kształtowania w społeczeństwie mylnych przekonań na temat nowoczesnego pola bitwy.
The increasing role of the new types of media at the turn of the centuries poses many questions about their influence on the current international relations. “CNN effect” is one of the theories, which try to frame the mutual connections between the media, public opinion and politics. According to this idea, rightly prepared and publicized information can strongly bias the political decisions. The topic of the thesis is the influence of the “CNN effect” on American foreign policy with the analysis of the intervention in Somalia. The following questions were put: “How can the intensity of “CNN effect” be checked?”, “When the media action is the most effective?”, “Which moment of the intervention in Somalia can be considered as being influenced by media?”, “What were the other determinants of the course of events in Somalia?” The goal of responding to the questions was to defend the thesis, that “CNN effect” cannot be proved using the empirical means. The role of media is changing, but it is not possible to measure the range of this change. The Somalia case also shows the crucial role of the factors, traditionally considered to be decisive in international relations: the power and tactics of the country, its interests and mentality, also touching the asymmetry of modern war. One part of the thesis was dedicated to describe the cultural remainders of American intervention in Somalia – the story and film entitled “Black Hawk Down”.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 7.

Tytuł:: Convolutional neural network model for the qualitative evaluation of geometric shape of carrot root
Autorzy:: Sawinska, Zuzanna
Kacániová, Miroslava
Kowalczewski, Przemysław Łukasz
Osuch, Andrzej
Durczak, Karol
Rybacki, Piotr
Wydawca:: Scientific Agricultural Society of Finland
Cytata wydawnicza:: Rybacki, P., Sawinska, Z., Kačániová, M., Kowalczewski, P. Ł., Osuch, A., & Durczak, K. (2024). Convolutional neural network model for the qualitative evaluation of geometric shape of carrot root. Agricultural and Food Science, 33(1), 40–54. https://doi.org/10.23986/afsci.135986 (Original work published March 15, 2024); https://journal.fi/afs/article/view/135986
Opis:: The main objective of the study is the development of an automatic carrot root classification model, marked as CR-NET, with the use of a Convolutional Neural Network (CNN). CNN with a constant architecture was built, consistingof an alternating arrangement of five Conv2D, MaxPooling2D and Dropout classes, for which in the Python 3.9 programming language a calculation algorithm was developed. It was found that the classification process of the carrot root images was carried out with an accuracy of 89.06%, meaning that 50 images were misclassified. The highest number of 21 erroneously classified photographs were from the extra class, of which 15 to the first class, thus not resulting in significant loss. However, assuming the number of refuse as the classification basis, the model accuracy greatly increases to 98.69%, as only 6 photographs were erroneously assigned.
Dostawca treści:: Repozytorium Centrum Otwartej Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: The Role of Faster R-CNN Algorithm in the Internet of Things to Detect Mask Wearing: The Endemic Preparations
Autorzy:: Nasution, Marah Doly
Al-Khowarizmi
Rahmat, Romi Fadillah
Lubis, Arif Ridho
Lubis, Muharman
Tematy:: Faster R-CNN
IoT
mask
endemic; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czasopisma i Monografie PAN
Powiązania:: https://bibliotekanauki.pl/articles/27311978.pdf Link otwiera się w nowym oknie
Opis:: Faster R-CNN is an algorithm development that continuously starts from CNN then R-CNN and Faster R-CNN. The development of the algorithm is needed to test whether the heuristic algorithm has optimal provisions. Broadly speaking, faster R-CNN is included in algorithms that are able to solve neural network and machine learning problems to detect a moving object. One of the moving objects in the current phenomenon is the use of masks. Where various countries in the world have issued endemic orations after the Covid 19 pandemic occurred. Detection tool has been prepared that has been tested at the mandatory mask door, namely for mask users. In this paper, the role of the Faster R-CNN algorithm has been carried out to detect masks poured on Internet of Thinks (IoT) devices to automatically open doors for standard mask users. From the results received that testing on the detection of moving mask objects when used reaches 100% optimal at a distance of 0.5 to 1 meter and 95% at a distance of 1.5 to 2 meters so that the process of sending detection signals to IoT devices can be carried out at a distance of 1 meter at the position mask users to automatic doors.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: AI empowered diagnosis of pemphigus: a machine learning approach for automated skin lesion detection
Diagnostyka pęcherzycy z wykorzystaniem sztucznej inteligencji: podejście oparte na uczeniu maszynowym do automatycznego wykrywania zmian skórnych
Autorzy:: Ahmed, Mamun
Islam, Salma Binta
Alif, Aftab Uddin
Islam, Mirajul
Saima, Sabrina Motin
Tematy:: pemphigus
blister
augmentation
CNN
pęcherzyca
pęcherze
augmentacja; Pokaż więcej
Wydawca:: Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Powiązania:: https://bibliotekanauki.pl/articles/27315458.pdf Link otwiera się w nowym oknie
Opis:: Pemphigus is a skin disease that can cause a serious damage to human skin. Pemphigus can result in other issues including painful patches and infected blisters, which can result in sepsis, weight loss, and starvation, all of which can be life-threatening, tooth decay and gum disease. Early prediction of Pemphigus may save us from fatal disease. Machine learning has the potential to offer a highly efficient approach for decision-making and precise forecasting. The healthcare sector is experiencing remarkable advancements through the utilization of machine learning techniques. Therefore, to identify Pemphigus using images, we suggested machine learning-based techniques. This proposed system uses a large dataset collected from various web sources to detect Pemphigus. Augmentation has been applied on our dataset using techniques such as zoom, flip, brightness, distortion, magnitude, height, width to enhance the breadth and variety of the dataset and improve model’s performance. Five popular machine learning algorithms has been employed to train and evaluate model, these are K-Nearest Neighbor (referred to as KNN), Decision Tree (DT), Logistic Regression (LR), Random Forest (RF), and Convolutional Neural Network (CNN). Our outcome indicate that the CNN based model outperformed the other algorithms by achieving accuracy of 93% whereas LR, KNN, RF and DT achieved accuracies of 78%, 70%, 85% and 75% respectively.
Pęcherzyca to choroba skóry, która może powodować poważne uszkodzenia ludzkiej skóry. Pęcherzyca może powodować inne problemy, w tym bolesne plamy i zakażone pęcherze, które mogą skutkować sepsą, utratą masy ciała i łaknienia, co może zagrażać życiu, próchnicą zębów i chorób dziąseł. Wczesne wykrycie pęcherzycy może uchronić przed śmiertelną chorobą. Uczenie maszynowe może zaoferować wysoce efektywne podejście do podejmowania decyzji i precyzyjnego prognozowania. Sektor opieki zdrowotnej doświadcza niezwykłych postępów dzięki wykorzystaniu technik uczenia maszynowego. Dlatego do identyfikacji pęcherzycy za pomocą obrazów zaproponowano techniki oparte na uczeniu maszynowym. Proponowany system wykorzystuje duży zbiór danych zebranych z różnych źródeł internetowych do wykrywania pęcherzycy. W zbiorze danych zastosowano augmentację przy użyciu technik takich jak powiększanie, odwracanie, zmiana jasności, zniekształcenie, zmiana wielkości, wysokość i szerokości, aby zwiększyć zakres i różnorodność zbioru danych oraz poprawić wydajność modelu. Do uczenia i oceny modelu wykorzystano pięć popularnych algorytmów uczenia maszynowego, są to: K-Nearest Neighbor (określany jako KNN), drzewo decyzyjne (DT), regresja logistyczna (LR), las losowy (RF) i konwolucyjną sieć neuronowa (CNN). Uzyskane wyniki wskazują, że model oparty na CNN był lepszy od innych algorytmów, osiągając dokładność na poziomie 93%, podczas gdy LR, KNN, RF i DT osiągnęły dokładność odpowiednio 78%, 70%, 85% i 75%.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: Fault diagnosis of bearings based on SSWT, bayes optimisation and CNN
Autorzy:: Yan, Guohua
Hu, Yihuai
Shi, Qingguo
Tematy:: fault diagnosis
bearing
PMSM
bayesian optimisation
CNN; Pokaż więcej
Wydawca:: Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Powiązania:: https://bibliotekanauki.pl/articles/34610052.pdf Link otwiera się w nowym oknie
Opis:: Bearings are important components of rotating machinery and transmission systems, and are often damaged by wear, overload and shocks. Due to the low resolution of traditional time-frequency analysis for the diagnosis of bearing faults, a synchrosqueezed wavelet transform (SSWT) is proposed to improve the resolution. An improved convolutional neural network fault diagnosis model is proposed in this paper, and a Bayesian optimisation method is applied to automatically adjust the structure and hyperparameters of the model to improve the accuracy of bearing fault diagnosis. Experimental results from the accelerated life testing of bearings show that the proposed method is able to accurately identify various types of bearing fault and the different status of these faults under complex running conditions, while achieving very good generalisation ability.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "CNN" wg kryterium: Temat