Temat: learning object - Prolib Integro

Skocz do pozycji: 1.

Tytuł:: Tailored Courses for Professional Life
Autorzy:: Kapoun, Pavel
Wydawca:: Studio NOA for University of Silesia
Cytata wydawnicza:: Pavel Kapoun, TAILORED COURSES FOR PROFESSIONAL LIFE, [w] IT Tools - Good Practice of Effective Use in Education, red. Smyrnova-Trybulska E., Studio-Noa for University of Silesia, Katowice-Cieszyn 2015, 408 p. ISBN 978-83-60071-82-3, p. 313-322
Opis:: The article designs a method of eLearning courses which are customized with regard to the future professional lives of students. The method is based on the disaggregation of the branch of study to single semantic learning objects. Semantic learning objects are interconnected by prerequisites and they contain metadata about the importance of learning objects for mastering specific professions. At the beginning of his/her study each student takes a test to determine which profession could be potentially suitable for him/her and the individual's graduate profile is developed. According to the individual's graduate profile the Learning Management System (LMS) automatically generates a proposal for the optimal study path. For each student the semantic learning objects which are the most important regarding to his/her future profession are selected.
Dostawca treści:: Repozytorium Centrum Otwartej Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Theoretical Concepts, Sources and Technical Background of E-learning
Autorzy:: Kapounová, Jana
Kostolányová, Kateřina
Pavlíček, Jiří
Tematy:: Information and Communication Technology (ICT)
programmed learning
teaching machines
courseware
e-learning
Learning Management System (LMS)
learning object; Pokaż więcej
Wydawca:: Wydawnictwo Adam Marszałek
Powiązania:: https://bibliotekanauki.pl/articles/28765724.pdf Link otwiera się w nowym oknie
Opis:: The topic Theoretical Concepts, Sources and Technical Background of E-learning is discussed in a project of the Czech Science Foundation. A research team from three Czech universities (University of Ostrava, Charles University in Prague and University of West Bohemia in Pilsen) is working on the project. Its aim is to summarise theoretical concepts, to analyse sources of content, to assess methodological background and to search for technical solutions how to transfer some titles of current courseware into electronic version and to evaluate the efficiency of procedure. The methodology of transformation can help authors of study materials (not only e-learning), they may benefit from old instructional programmes.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: Machine learning in biotechnology and medicine by the example of breast anomaly detection on mammography screening
Uczenie maszynowe w biotechnologii i medycynie na przykładzie detekcji anomalii piersi w obrazowaniu mammograficznym
Autorzy:: Kowalski, Michał
Opis:: Overall usefullness of systems based on “Artificial Intelligence” technology has become indisputable in many areas of life and science. Life-Sciences such as biology, biotechnology or medicine has been successfully using basic machine learning techniques to solve problems with low complexity, nevertheless solutions based on deep learning are not quite as popular. The main cause behind that state is that problems with high complexity have unsatisfying cleanliness of data, also there is no academic discipline that could link knowledge from data science with knowledge from life sciences. By the example of detection of abnormalities on mammograms from Digital Database for Screening Mammography dataset, potential usage of deep learning methods in biological and medical concepts has been portrayed as well as problems concerning standards of data quality and orderliness. For this task an algorithm called Tiny-YOLO was used. It has been demonstrated that practical use of this algorithm remains impossible before determining the standards of collecting, cataloging and preprocessing of data as witnessed by unsignificant amount of correct detections of anomalies, absence of differentiability between types of anomalies and also huge differences between properties of mammogram images in the datasets.
Użyteczność systemów opierających się na tzw. „sztucznej inteligencji” staje się bezdyskusyjna w coraz większej liczbie dziedzin życia i nauki. Nauki o życiu takie jak biologia, biotechnologia, czy medycyna z powodzeniem wykorzystują podstawowe technologie uczenia maszynowego względem problemów o niskiej złożoności, jednak stosowanie rozwiązań wykorzystujących „głębokie nauczanie maszynowe” nie cieszy się popularnością. Spowodowane jest to głównie niezadawalającą czystością danych dotyczących problemów o wysokiej złożoności oraz brakiem dyscypliny naukowej łączącej danologię z naukami o życiu. Na przykładzie detekcji anomalii na obrazach mammograficznych ze zbioru Digital Database for Screening Mammography przedstawione zostało potencjalne wykorzystanie metod „głębokiego uczenia maszynowego” w ujęciu biologiczno – medycznym oraz problemy dotyczące standardów jakości i organizacji danych. W tym celu wykorzystano algorytm Tiny-YOLO służący do detekcji obiektów. Wykazano, że praktyczne jego zastosowanie jest jednak niemożliwe do czasu ustalenia standardów zbierania i katalogowania danych oraz ich przetwarzania, o czym świadczy bardzo niska liczba poprawnych detekcji miejsc zmienionych chorobowo, zupełny brak rozróżniania typów anomalii oraz ogromne różnice pomiędzy właściwościami obrazów mammograficznych w zbiorach danych.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 4.

Tytuł:: Program do rozpoznawania kart do gry z wykorzystaniem biblioteki TensorFlow
TensorFlow library-based playing card recognition programme
Autorzy:: Mentel, Mikołaj
Opis:: The goal of this thesis is to create a playing card recognition programme which will use the TensorFlow library. The software should be able to detect and show cards displayed on photographs with different backgrounds, partially hidden and overlapping. In addition, a Blackjack player-assisting application was designed with the intent to showcase the thesis results in a transparent way. The user will be able to send over a picture of the Blackjack deal and gain advice (based on the Basic Strategy) as to what he should do in the given situation (take another card, fold, double the bet etc.) The strategy will be implemented for a single-deck game and will have two variations.
Celem pracy jest stworzenie programu do rozpoznawania kart do gry ze zdjęć, z wykorzystaniem biblioteki TensorFlow. Program powinien być w stanie wykryć karty ze zdjęć o różnym tle, częściowo zasłonięte, oraz nakładające się na siebie. Dodatkowo, w celu przejrzystego pokazania wyników pracy, zaprojektowano aplikacje wspomagającą gracza w grze kasynowej Blackjack. Użytkownik będzie mógł przekazać zdjęcie rozdania Blackjacka i uzyskać informację, co powinien zrobić w danej sytuacji (dobrać kartę, spasować, podwoić stawkę itd.) w oparciu o Strategię Podstawową. Strategia zostanie zaimplementowana dla gry z jedną talią i będzie posiadać dwa warianty.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 5.

Tytuł:: Object detection on infrared images on Android platform
Rozpoznawanie obiektów na zdjęciach wykonanych za pomocą podczerwieni na platformę Android
Autorzy:: Drwiła, Karol
Opis:: Praca magisterska obiera za cel sprawdzenie czy możliwe jest stworzenie aplikacji na platformę Android, która wykryje sylwetki ludzi i zwierząt na termogramach. Aplikacja w tym celu posłuży się wytrenowaną siecią neuronową. W pierwszym rozdziale znajduje się ogólne wprowadzenie do pojęcia termografii oraz wymienione i omówione są dostępne rozwiązania na platformę Android. Następnie wyczerpująco opisana została analiza termogramów oraz możliwości kamer termowizyjnych. Kolejny rozdział koncentruje się na sieciach neuronowych. Opisane jest ich działanie oraz poszczególne ich komponenty. Szerzej opisane są sieci konwolucyjne, które zostały użyte w tym projekcie. Napisane na potrzeby tej pracy magisterskiej aplikacje -- na platformę Android oraz aplikacja do trenowania sieci neuronowych w języku Python opisane zostały w kolejnym rozdziale. Kod obu aplikacji jest gruntownie skomentowany. Na końcu znajduje się podsumowanie wyników otrzymanych z obu aplikacji, ich analiza oraz wnioski co jest możliwe do usprawnienia.
The master's thesis aim is to check whether it is possible to create an application for the Android system that will detect the figures of people and animals on thermograms. For this purpose, the application will use a trained convolutional neural network. The first chapter contains a general introduction to the concept of thermography and list and description of available devices for the Android system. Next, the analysis of thermograms and the possibilities of thermal imaging cameras are described in detail. The following chapter focuses on neural networks. Their process and their components are explained. The whole section is dedicated to the convolutional networks as they are used in this project. Description of two applications created for this thesis: Android app and the application for training neural networks in Python are contained in the next chapter. The code of both applications was thoroughly commented. In the end, there is a summary of the results collected from both applications, analysis of these results, and conclusions of which can be improved.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 6.

Tytuł:: Moving object detection for complex scenes by merging BG modeling and deep learning method
Autorzy:: Lin, Chih-Yang
Huang, Han-Yi
Lin, Wei-Yang
Ng, Hui-Fuang
Muchtar, Kahlil
Nurdin, Nadhila
Tematy:: video surveillance
deep learning
moving object detection; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Powiązania:: https://bibliotekanauki.pl/articles/23944823.pdf Link otwiera się w nowym oknie
Opis:: In recent years, many studies have attempted to use deep learning for moving object detection. Some research also combines object detection methods with traditional background modeling. However, this approach may run into some problems with parameter settings and weight imbalances. In order to solve the aforementioned problems, this paper proposes a new way to combine ViBe and Faster-RCNN for moving object detection. To be more specific, our approach is to confine the candidate boxes to only retain the area containing moving objects through traditional background modeling. Furthermore, in order to make the detection able to more accurately filter out the static object, the probability of each region proposal then being retained. In this paper, we compare four famous methods, namely GMM and ViBe for the traditional methods, and DeepBS and SFEN for the deep learning-based methods. The result of the experiment shows that the proposed method has the best overall performance score among all methods. The proposed method is also robust to the dynamic background and environmental changes and is able to separate stationary objects from moving objects. Especially the overall F-measure with the CDNET 2014 dataset (like in the dynamic background and intermittent object motion cases) was 0,8572.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 7.

Tytuł:: Detekcja twarzy w obrazach przy użyciu uczenia maszynowego
Face detection in images using machine learning
Autorzy:: Ulman, Konrad
Opis:: Detekcja twarzy w obrazach to jeden z wielu obszarów, w których zastosowanie znajduje uczenie maszynowe. Celem niniejszej pracy dyplomowej jest przetestowanie skuteczności i wydajności kilku konkretnych modeli detektorów poprzez porównanie wyników predykcji na wybranych zbiorach danych.W ramach projektu została stworzona biblioteka umożliwiająca testowanie oraz analizę efektywności detektorów obiektów w obrazach. Do jej implementacji wykorzystano język Python oraz środowisko Jupyter. Biblioteka została następnie wykorzystana do badań konkretnych algorytmów detekcji twarzy, a uzyskane dane zostały przeanalizowane i porównane w celu wybrania najlepszego modelu detektora z wybranej puli.
Face detection in images is one of many areas where machine learning can be applied. The purpose of this thesis is to test the effectiveness and performance of several detector models by comparing the prediction results they produce on the selected datasets.As part of the project, a library was created to test and analyze the effectiveness of object detectors in images. Python language and Jupyter environment were used for its implementation. The library was used to test specific face detection algorithms, then the obtained data was analyzed and compared to select the best detection model from the selected pool.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 8.

Tytuł:: A novel approach of voterank-based knowledge graph for improvement of multi-attributes influence nodes on social networks
Autorzy:: Pham, Hai Van
Duong, Pham Van
Tran, Dinh Tuan
Lee, Joo-Ho
Tematy:: video surveillance
deep learning
moving object detection; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Powiązania:: https://bibliotekanauki.pl/articles/23944825.pdf Link otwiera się w nowym oknie
Opis:: Recently, measuring users and community influences on social media networks play significant roles in science and engineering. To address the problems, many researchers have investigated measuring users with these influences by dealing with huge data sets. However, it is hard to enhance the performances of these studies with multiple attributes together with these influences on social networks. This paper has presented a novel model for measuring users with these influences on a social network. In this model, the suggested algorithm combines Knowledge Graph and the learning techniques based on the vote rank mechanism to reflect user interaction activities on the social network. To validate the proposed method, the proposed method has been tested through homogeneous graph with the building knowledge graph based on user interactions together with influences in realtime. Experimental results of the proposed model using six open public data show that the proposed algorithm is an effectiveness in identifying influential nodes.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: An AI & ML based detection & identification in remote imagery: state-of-the-art
Autorzy:: Hashmi, Hina
Dwivedi, Rakesh
Kumar, Anil
Tematy:: convolutional neural network
remote sensed imagery
object detection
artificial intelligence
feature extraction
deep learning
machine learning; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Powiązania:: https://bibliotekanauki.pl/articles/2141786.pdf Link otwiera się w nowym oknie
Opis:: Remotely sensed images and their allied areas of application have been the charm for a long time among researchers. Remote imagery has a vast area in which it is serving and achieving milestones. From the past, after the advent of AL, ML, and DL-based computing, remote imagery is related techniques for processing and analyzing are continuously growing and offering countless services like traffic surveillance, earth observation, land surveying, and other agricultural areas. As Artificial intelligence has become the charm of researchers, machine learning and deep learning have been proven as the most commonly used and highly effective techniques for object detection. AI & ML-based object segmentation & detection makes this area hot and fond to the researchers again with the opportunities of enhanced accuracy in the same. Several researchers have been proposed their works in the form of research papers to highlight the effectiveness of using remotely sensed imagery for commercial purposes. In this article, we have discussed the concept of remote imagery with some preprocessing techniques to extract hidden and fruitful information from them. Deep learning techniques applied by various researchers along with object detection, object recognition are also discussed here. This literature survey is also included a chronological review of work done related to detection and recognition using deep learning techniques.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: Autouzupełnianie 3D chmur punktów za pomocą sztucznej inteligencji
3D point clouds AI autocompletion.
Autorzy:: Kasymov, Artur
Opis:: Representing objects with 3D point clouds becomes more and more common. However, this does not change the fact that a good quality 3D scanner is quite expensive, and even it does not guarantee that every scan would be a complete point cloud, so we deal with the problem of point cloud reconstruction. Most of the state-of-the-art approaches to solving this problem create only one reconstruction per the incomplete point cloud. In some cases, this is not enough. In this work, I want to describe HyperPocket approach. It is a hypernetwork approach for autocompletion or generative point cloud reconstruction. It bases on the idea that missing data from the complete point cloud is a pocket that you can fill in many different ways. Such human intuition behind the model enables using it in a plethora of novel applications from self-driving cars to computer graphics and design. Comparisons and experiments presented in this work show that HyperPocket has a competitive performance to other state-of-the-art models in different tasks and offers a new point of view on point cloud representation.
Reprezentowanie obiektów za pomocą chmur punktów 3D jest coraz bardziej powszechne. Coraz więcej urządzeń z nich korzysta. Nie zmienia to faktu, że dobrej jakości skaner 3D jest dość drogi, a nawet on nie gwarantuje, że każdy skan będzie kompletny. W konsekwencji mamy do czynienia z problemem rekonstrukcji chmur punktów. Większość z podejść rozwiązujących ten problem tworzy tylko jedną rekonstrukcję dla niekompletnej chmury punktów. W niektórych przypadkach jest to niewystarczające. W tej pracy chciałbym opisać podejście HyperPocket. Jest to hipersieciowe podejście do autouzupełniania, czyli generatywnej rekonstrukcji chmur punktów. Podejście to zakłada, że zadana chmura punktów to kieszeń, którą można wypełnić na wiele różnych sposobów. Wyniki naszego modelu można wykorzystać w wielu nowatorskich zastosowaniach, od autonomicznych samochodów do grafiki komputerowej i designu. Porównania i eksperymenty przedstawione w tej pracy pokazują, że HyperPocket ma konkurencyjną wydajność w stosunku do innych state-of-the-art modeli i oferuje nowy punkt widzenia na reprezentację chmury punktów.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Informacja

Wyszukujesz frazę "learning object" wg kryterium: Temat