Temat: feedforward neural networks

Skocz do pozycji: 1.

Tytuł:: Decision making support system for managing advertisers by ad fraud detection
Autorzy:: Gabryel, Marcin
Scherer, Magdalena M.
Sułkowski, Łukasz
Damaševičius, Robertas
Tematy:: lead management
feedforward neural networks
embedding
online marketing; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Powiązania:: https://bibliotekanauki.pl/articles/2031082.pdf Link otwiera się w nowym oknie
Opis:: Efficient lead management allows substantially enhancing online channel marketing programs. In the paper, we classify website traffic into human- and bot-origin ones. We use feedforward neural networks with embedding layers. Moreover, we use one-hot encoding for categorical data. The data of mouse clicks come from seven large retail stores and the data of lead classification from three financial institutions. The data are collected by a JavaScript code embedded into HTML pages. The three proposed models achieved relatively high accuracy in detecting artificially generated traffic.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Decision making support system for managing advertisers by ad fraud detection
Autorzy:: Damaševičius, Robertas
Sułkowski, Łukasz
Scherer, Magdalena M.
Gabryel, Marcin
Opis:: Efficient lead management allows substantially enhancing online channel marketing programs. In the paper, we classify website traffic into human- and bot-origin ones. We use feedforward neural networks with embedding layers. Moreover, we use one-hot encoding for categorical data. The data of mouse clicks come from seven large retail stores and the data of lead classification from three financial institutions. The data are collected by a JavaScript code embedded into HTML pages. The three proposed models achieved relatively high accuracy in detecting artificially generated traffic.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Convergence Analysis of Multilayer Feedforward Networks Trained with Penalty Terms: A review
Autorzy:: Wang, J.
Yang, G.
Liu, S.
Zurada, J. M.
Tematy:: Gradient
feedforward neural networks
generalization
penalty
convergence
pruning algorithms; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi
Powiązania:: https://bibliotekanauki.pl/articles/108639.pdf Link otwiera się w nowym oknie
Opis:: Gradient descent method is one of the popular methods to train feedforward neural networks. Batch and incremental modes are the two most common methods to practically implement the gradient-based training for such networks. Furthermore, since generalization is an important property and quality criterion of a trained network, pruning algorithms with the addition of regularization terms have been widely used as an efficient way to achieve good generalization. In this paper, we review the convergence property and other performance aspects of recently researched training approaches based on different penalization terms. In addition, we show the smoothing approximation tricks when the penalty term is non-differentiable at origin.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Using artificial neural networks to predict the reference evapotranspiration
Autorzy:: Abo El-Magd, Amal
Baraka, Shaimaa M.
Eid, Samir F.M.
Tematy:: climate data
ETo calculator
feedforward artificial neural networks
Penman-Monteith method
reference evaporation
root mean square error; Pokaż więcej
Wydawca:: Instytut Technologiczno-Przyrodniczy
Powiązania:: https://bibliotekanauki.pl/articles/27312640.pdf Link otwiera się w nowym oknie
Opis:: Artificial neural network models (ANNs) were used in this study to predict reference evapotranspiration (ETo) using climatic data from the meteorological station at the test station in Kafr El-Sheikh Governorate as inputs and reference evaporation values computed using the Penman-Monteith (PM) equation. These datasets were used to train and test seven different ANN models that included different combinations of the five diurnal meteorological variables used in this study, namely, maximum and minimum air temperature (Tmax and Tmin ), dew point temperature (Tdw), wind speed (u), and precipitation (P), how well artificial neural networks could predict ETo values. A feed-forward multi-layer artificial neural network was used as the optimization algorithm. Using the tansig transfer function, the final architected has a 6-5-1 structure with 6 neurons in the input layer, 5 neurons in the hidden layer, and 1 neuron in the output layer that corresponds to the reference evapotranspiration. The root mean square error (RMSE) of 0.1295 mm∙day -1 and the correlation coefficient (r) of 0.996 are estimated by artificial neural network ETo models. When fewer inputs are used, ETo values are affected. When three separate variables were employed, the RMSE test values were 0.379 and 0.411 mm∙day -1 and r values of 0.971 and 0.966, respectively, and when two input variables were used, the RMSE test was 0.595 mm∙day -1 and the r of 0.927. The study found that including the time indicator as an input to all groups increases the prediction of ETo values significantly, and that including the rain factor has no effect on network performance. Then, using the Penman-Monteith method to estimate the missing variables by using the ETo calculator the normalised root mean squared error (NRMSE) reached about 30% to predict ETo if all data except temperature is calculated, while the NRMSE reached about of 13.6% when used ANN to predict ETo using variables of temperature only.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: A repeatability study of artificial neural network predictions in flow stress model development for a magnesium alloy
Autorzy:: Siewior, Hubert
Madej, Łukasz
Tematy:: flow stress
artificial neural networks
feedforward
recursive; Pokaż więcej
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Powiązania:: https://bibliotekanauki.pl/articles/29520089.pdf Link otwiera się w nowym oknie
Opis:: This work is devoted to an evaluation of the capabilities of artificial neural networks (ANN) in terms of developing a flow stress model for magnesium ZE20. The learning procedure is based on experimental flow-stress data following inverse analysis. Two types of artificial neural networks are investigated: a simple feedforward version and a recursive one. Issues related to the quality of input data and the size of the training dataset are presented and discussed. The work confirms the general ability of feedforward neural networks in flow stress data predictions. It also highlights that slightly better quality predictions are obtained using recursive neural networks.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: Neural Network Applications in Option Pricing
Zastowanie modelu sieci neuronowej w wycenie opcji
Autorzy:: Woźniak, Monika
Opis:: This thesis describes a nonparametric approach to option pricing with the use of neural networks. In the initial part of the thesis, Multi Layer Perceptron (MLP) structure and the way of working is described. The next part encapsulates the theoretical bases of the neural networks, which makes them universal approximator in the set of Borel functions. In the practical part of this thesis, the model of neural network created for the purpose of this thesis is described. The final stage compares the results of MLP and the traditional option pricing technique.
W pracy opisano nieparametryczne podejście do wyceny opcji z użyciem sieci nauronowych. W pierwszych rozdziałach pracy opisano strukturę oraz sposób działania sieci neuronowej - Multi Layer Perceptron (MLP). Następnie omówiono teorię, na podstawie której można korzystać z MLP jako uniwersalnych aproksymatorów w zbiorze funkcji borelowskich. W części praktycznej opisano model sieci stworzony na potrzeby pracy i testowany na danych rynkowych. Dodatkowo wynik modelu zestawiono z wynikami otrzymanymi w modelu Blacka-Scholesa-Mertona.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 7.

Tytuł:: Stabilising solutions to a class of nonlinear optimal state tracking problems using radial basis function networks
Autorzy:: Ahmida, Z.
Charef, A.
Becerra, V. M.
Tematy:: system nieliniowy
sterowanie optymalne
radialna funkcja bazowa
sieć neuronowa
regulacja predykcyjna
sterowanie wyprzedzające
nonlinear systems
optimal control
radial basis functions
neural networks
predictive control
feedforward control; Pokaż więcej
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Powiązania:: https://bibliotekanauki.pl/articles/908523.pdf Link otwiera się w nowym oknie
Opis:: A controller architecture for nonlinear systems described by Gaussian RBF neural networks is proposed. The controller is a stabilising solution to a class of nonlinear optimal state tracking problems and consists of a combination of a state feedback stabilising regulator and a feedforward neuro-controller. The state feedback stabilising regulator is computed online by transforming the tracking problem into a more manageable regulation one, which is solved within the framework of a nonlinear predictive control strategy with guaranteed stability. The feedforward neuro-controller has been designed using the concept of inverse mapping. The proposed control scheme is demonstrated on a simulated single-link robotic manipulator.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: Dynamic fire risk prevention strategy in underground coal gasification processes by means of artificial neural networks
Dynamiczna strategia zapobiegania ryzyku pożarowemu z użyciem sztucznych sieci neuronowych w procesach podziemnego zgazowania węgla
Autorzy:: Krzemień, Alicja
Tematy:: dynamiczna strategia zapobiegania ryzyku
prewencja ryzyka pożarowego
podziemne zgazowanie węgla (PZW)
dynamic alarm strategy
fire risk prevention
Generalized Regression Neural Network
Multi-Layer Feedforward Networks (MLFN)
Multivariate Adaptative Regression Splines (MARS)
underground coal gasification (UCG); Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Powiązania:: https://bibliotekanauki.pl/articles/218921.pdf Link otwiera się w nowym oknie
Opis:: Based on data collected during an UCG pilot-scale experiment that took place during 2014 at Wieczorek mine, an active mine located in Upper Silesia (Poland), this research focuses on developing a dynamic fire risk prevention strategy addressing underground coal gasification processes (UCG) within active mines, preventing economic and physical losses derived from fires. To achieve this goal, the forecasting performance of two different kinds of artificial neural network models (generalized regression and multi-layer feedforward) are studied, in order to forecast the syngas temperature at the georeactor outlet with one hour of anticipation, thus giving enough time to UCG operators to adjust the amount and characteristics of the gasifying agents if necessary. The same model could be used to avoid undesired drops in the syngas temperature, as low temperature increases precipitation of contaminants reducing the inner diameter of the return pipeline. As a consequence the whole process of UGC might be stopped. Moreover, it could allow maintaining a high temperature that will lead to an increased efficiency, as UCG is a very exothermic process. Results of this research were compared with the ones obtained by means of Multivariate Adaptative Regression Splines (MARS), a non-parametric regression technique able to model non-linearities that cannot be adequately modelled using other regression methods. Syngas temperature forecast with one hour of anticipation at the georeactor outlet was achieved successfully, and conclusions clearly state that generalized regression neural networks (GRNN) achieve better forecasts than multi-layer feedforward networks (MLFN) and MARS models.
Przedstawione w niniejszej pracy badania koncentrują się na opracowaniu dynamicznej strategii zapobiegania ryzyku pożarowemu w procesach podziemnego zgazowania węgla (PZW) w czynnych kopalniach. Celem badań jest zapobieganie ekonomicznym i fizycznym stratom wynikającym z pożarów. W pracy wykorzystano dane zebrane podczas pilotowego eksperymentu podziemnego zgazowania węgla, który odbył się w 2014 r. w czynnej Kopalni Węgla Kamiennego „Wieczorek”, zlokalizowanej na Górnym Śląsku. W artykule przeanalizowano działanie dwóch różnych modeli sztucznych sieci neuronowych, tj. sieci neuronowych realizujących uogólnione regresje GRNN oraz wielowarstwowych sieci perceptronowych MLFN, w celu prognozowania temperatury gazu syntezowego na wyjściu z georeaktora z godzinnym wyprzedzeniem. Informacja na temat temperatury na godzinę „do przodu” daje wystarczająco dużo czasu operatorowi procesu PZW na dostosowanie ilości i właściwości czynników zgazowujących do zaistniałej sytuacji. Ten sam model można zastosować do uniknięcia niepożądanych spadków temperatury gazu syntezowego. Niska temperatura gazu sprzyja wytrącaniu się osadu (substancji smolistych), powodując zmniejszanie średnicy rurociągu odbioru gazu, co w konsekwencji może prowadzić do całkowitego zatrzymania procesu zgazowania. Model pozwala również na utrzymanie wysokiej temperatury, która prowadzi do zwiększonej wydajności procesu PZW, szczególnie biorąc pod uwagę, że PZW jest procesem bardzo egzotermicznym. Wyniki zrealizowanych badań porównano z rezultatami uzyskanymi za pomocą modelu MARS – nieparametrycznej metody regresji zdolnej do modelowania zależność nieliniowych, których nie można odpowiednio modelować przy użyciu innych metod regresji. Prognoza temperatury gazu na godzinę „do przodu” na wylocie georeaktora została osiągnięta z powodzeniem, a wnioski jasno pokazują, że sieci neuronowe realizujące uogólnione regresje (GRNN – Generalized Regression Neural Networks) osiągają lepsze rezultaty niż wielowarstwowe sieci jednokierunkowe (MLFN – Multi-Layer Feedforward Networks) i modele MARS (Multivariate Adaptative Regression Splines).
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "feedforward neural networks" wg kryterium: Temat