Temat: self organizing map

Skocz do pozycji: 1.

Tytuł:: Using Singular Value Decomposition (SVD) as a solution for search result clustering
Autorzy:: Abdulla, H. D.
Abdelrahman, A. S.
Snasel, V.
Tematy:: singular value decomposition
clustering
self-organizing map; Pokaż więcej
Wydawca:: Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Powiązania:: https://bibliotekanauki.pl/articles/377259.pdf Link otwiera się w nowym oknie
Opis:: There are many search engines in the web, but they return a long list of search results, ranked by their relevancies to the given query. Web users have to go through the list and examine the titles and (short) snippets sequentially to identify their required results. In this paper we present how usage of Singular Value Decomposition (SVD) as a very good solution for search results clustering. Results are presented by visualizing neural network. Neural network is responsive for reducing result dimension to two dimensional space and we are able to present result as a picture that we are able to analyze.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Building a cognitive map using an SOM2
Autorzy:: Tokunaga, K.
Furukawa, T.
Tematy:: self-organizing map
map building
place cells
head direction cells
autonomous robot; Pokaż więcej
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Powiązania:: https://bibliotekanauki.pl/articles/384201.pdf Link otwiera się w nowym oknie
Opis:: In this paper, we propose a new method for building an environmental map in a self-organizing manner using visual information from a mobile robot. This method is based on a Higher Rank of Self-Organizing Map (SOM ), in which Kohonen’s SOM is extended to create a map of data distributions (set of manifolds). It is expected that the “SOM” is capable of creating an environmental map in a self-organizing manner from visual information, since the set of visual information obtained from each position in the environment forms a manifold at every position. We also show the effectiveness of the proposed method.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: A connectionist computational method for face recognition
Autorzy:: Pujol, F. A.
Mora, H.
Girona-Selva, J. A.
Tematy:: pattern recognition
face recognition
neural network
self organizing map
rozpoznawanie wzorca
rozpoznawanie twarzy
sieć neuronowa
samodzielne organizowanie map; Pokaż więcej
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Powiązania:: https://bibliotekanauki.pl/articles/330558.pdf Link otwiera się w nowym oknie
Opis:: In this work, a modified version of the elastic bunch graph matching (EBGM) algorithm for face recognition is introduced. First, faces are detected by using a fuzzy skin detector based on the RGB color space. Then, the fiducial points for the facial graph are extracted automatically by adjusting a grid of points to the result of an edge detector. After that, the position of the nodes, their relation with their neighbors and their Gabor jets are calculated in order to obtain the feature vector defining each face. A self-organizing map (SOM) framework is shown afterwards. Thus, the calculation of the winning neuron and the recognition process are performed by using a similarity function that takes into account both the geometric and texture information of the facial graph. The set of experiments carried out for our SOM-EBGM method shows the accuracy of our proposal when compared with other state-of the-art methods.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Zastosowanie samoorganizujących się map cech w diagnostyce silników o zapłonie samoczynnym
Application of self-organizing maps of characteristics in the diagnostics of self-ignition engines
Autorzy:: Klimkiewicz, M.
Tematy:: silnik o zapłonie samoczynnym
diagnostyka
mapa cech
sieć Kohonena
diesel engine
diagnostics
self-organizing map
Kohonen map; Pokaż więcej
Wydawca:: Polskie Towarzystwo Inżynierii Rolniczej
Powiązania:: https://bibliotekanauki.pl/articles/287341.pdf Link otwiera się w nowym oknie
Opis:: Wykorzystano właściwości samoorganizujących się map cech w wykrywaniu uszkodzeń silników z zapłonem samoczynnym. Zbudowano model, w którym zmiennymi wejściowymi są symptomy zaobserwowane przez użytkownika wskazujące na niewłaściwą pracę silnika oraz sprawdzenia i pomiary wykonane przez mechanika. Za pomocą mapy topologicznej zlokalizowano podobne skupienia przypadków. Neuronom radialnym mapy nadano etykiety zgodne z nazwami mogących się pojawić usterek.
The researchers made use of self-organizing properties of maps of characteristics in detecting defects of self-ignition engines. A model was developed with the following input variables: the symptoms observed by user that indicate abnormal engine work, and checks and measurements carried out by a mechanic. Similar concentrations of clusters were located using a topological map. Radial neurons in the map were marked with labels consistent with names of defects, which may possibly occur.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Wykorzystanie sieci neuronowej Kohonena do wizualizacji danych MPG
Use of Kohonen neural network in MPG data visualisation
Autorzy:: Oszutowska-Mazurek, D. A.
Tematy:: sieć neuronowa Kohonena
samoorganizujące się mapy
SOM
wizualizacja danych
dane MPG
Kohonen neural network
self organizing map; Pokaż więcej
Wydawca:: Wyższa Szkoła Techniczno-Ekonomiczna w Szczecinie
Powiązania:: https://bibliotekanauki.pl/articles/135818.pdf Link otwiera się w nowym oknie
Opis:: Wstęp i cel: Zastosowanie sieci neuronowych Kohonena zapewnia zmniejszenie wielowymiarowości danych. Wizualizacja w postaci map samoorganizujących się (SOM) jest użytecznym narzędziem do wstępnego kastrowania (grupowania) danych. Materiał i metody: Wizualizację przeprowadzona dla rzeczywistych danych, udostępnionych przez uniwersytet w Kalifornii za pomocą oprogramowania SNNS v.4.3. Głównym celem pracy jest zastosowanie sieci neuronowych Kohonena zapewniające zmniejszenie wielowymiarowości danych. Wyniki: Otrzymano wizualizacje danych wskazujące jednoznacznie na dodatnie i ujemne korelacje danych MPG. Wniosek: Mapy samoorganizujące się mogą być dedykowane wizualizacji danych wielowymiarowych jednak wyniki zależą od sposobu mapowania danych wejściowych, zwłaszcza o charakterze jakościowym, nawet jeśli stosowana jest normalizacja każdego z parametrów.
Introduction and aim: The use of Kohonen neural network ensures the decrease of data multidimensionality. Visualisation called Self organized maps is useful tool for preliminary data clustering. Material and methods: The visualisation of real data set was obtained with the use of program SNNS v.4.3 for real dataset from California University. The main aim of this paper is the use of Kohonen neural network to ensure the reduction of multidimensional data. Results: Obtained visualisations of data indicate unambiguously positive and negative correlations for MPG data Conclusion: Self organising maps could be dedicated to multidimensional data visualisation and preliminary quality assessment, but the results depend on the mapping method of input data, especially quantity type, even if normalisation of every parameter is provided.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: Sztuczne sieci neuronowe ANN : sieci Kohonena
Artificial neural networks (ANN) : Kohonen networks
Autorzy:: Iljaszewicz, Paweł
Tematy:: Sieci Kohonena
sieci neuronowe
mapa samoorganizująca
SOM
WEBSOM
Kohonen networks
artificial neural networks
ANN
Self Organizing Map; Pokaż więcej
Wydawca:: Wrocławska Wyższa Szkoła Informatyki Stosowanej Horyzont
Powiązania:: https://bibliotekanauki.pl/articles/131981.pdf Link otwiera się w nowym oknie
Opis:: Artykuł omawia sztuczne sieci neuronowe (ang. ANN- Artificial neural networks). Jedną z odmian są sieci Kohonena zwane Mapą Samoorganizującą (ang. SOM – Self Organizing Map) realizują one proces uczenia się sieci neuronowych samodzielnie tzn. rozpoznają relacje występujące w skupieniach poprzez wykrycie wewnętrznej struktury i kategoryzują je w procesie samouczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej do przestrzeni jednowymiarowej lub dwuwymiarowej. Główną cechą SOM jest to, że tworzy on nieliniową projekcję wielowymiarową kolektora danych na regularnej, niskowymiarowej (zwykle 2D) sieci. Na wyświetlaczu klastrowanie przestrzeni danych, jak również relacje metryczno-topologiczne elementów danych, są wyraźnie widoczne. Jeśli elementy danych są wektorami, składniki, których są zmiennymi z określone znaczenie, takie jak deskryptory danych statystycznych lub pomiary, które opisują proces, siatka SOM może być wykorzystana, jako podstawa, na której może znajdować się każda zmienna wyświetlane osobno przy użyciu kodowania na poziomie szarości lub pseudo koloru. Ten rodzaj projekcji został uznany za bardzo przydatny do zrozumienia wzajemnych zależności między zmiennymi, a także strukturami zbioru danych.
The article discusses artificial neural networks (ANN). One of the varieties is the Kohonen network, called the Self Organizing Map (SOM), that perform the learning process of neural networks independently, i.e. they recognize relationships occurring in clusters by detecting an internal structure and categorizing them in the process of self-learning. SOM is used to form mapping from a multidimensional space to a one-dimensional or two-dimensional space. The main feature of SOM is that it creates a non-linear multi-dimensional projection of a data collector on a regular, low-dimensional (usually 2D) network. On the display, data space clustering as well as metric-topological relations of data elements are clearly visible. If the data elements are vectors, the components of which are variables with defined meanings, such as statistical data descriptors or measurements that describe the process, the SOM grid can be used as a basis on which each variable can be displayed separately using gray or pseudo-color coding. This type of projection has been found to be very useful for understanding the interrelationships between variables as well as data set structures.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 7.

Tytuł:: Profiling bell’s palsy based on House - Brackmann score
Autorzy:: Song, I.
Vong, J.
Yen, N. Y..
Diederich, J.
Yellowlees, P.
Tematy:: facial nerve
palsy
support vector machines
SVMs
Emergent Self-Organizing Map
ESOM
House-Brackmann score
facial paralysis
facial image; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Powiązania:: https://bibliotekanauki.pl/articles/91551.pdf Link otwiera się w nowym oknie
Opis:: In this study, we propose to diagnose facial nerve palsy using Support Vector Machines (SVMs) and Emergent Self-Organizing Map (ESOM). This research seeks to analyze facial palsy domain using facial features and grade the degree of nerve damage based on the House-Brackmann score. Traditional diagnostic approaches involve a medical doctor recording a thorough history of a patient and determining the onset of paralysis, rate of progression and so on. The most important step is to assess the degree of voluntary movement of the facial nerves and document the grade of facial paralysis using House- Brackmann score. The significance of the work is the attempt to understand the diagnosis and grading processes using semi-supervised learning with the aim of automating the process. The value of the research is in identifying and documenting the limited literature seen in this area. The use of automated diagnosis and grading greatly reduces the duration of medical examination and increases the consistency, because many palsy images are stored to provide benchmark references for comparative purposes. The proposed automated diagnosis and grading are computationally efficient. This automated process makes it ideal for remote diagnosis and examination of facial palsy. The profiling of a large number of facial images are captured using mobile phones and digital cameras.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: New indicator species for associations within mesotrophic oak-hornbeam forests in Poland
Autorzy:: Marciniuk, Paweł
Kruk, Andrzej
Afranowicz-Cieślak, Renata
Łysko, Andrzej
Celka, Zbigniew
Mitka, Józef
Marciniuk, Jolanta
Popiela, Agnieszka
Nowak, Sławomir
Wolski, Grzegorz J.
Opis:: The following oak-hornbeam plant associations have been described from Poland: Tilio-Carpinetum (TC), Galio-Carpinetum (GC) and Stellario-Carpinetum (SC). Our findings indicate that all are distinguished by a relatively high percentage of common forest species, particularly the first two. The study is the first to identify the following species as indicator species, based on SOM analysis and IndVal index: e.g. Brachythecium velutinum, Cirriphyllum piliferum, Lepidozia reptans, Mnium hornum, Plagiomnium undulatum and Brachypodium sylvaticum for SC; Ajuga reptans, Dryopteris filix-mas, Equisetum pratense, Frangula alnus, Galium odoratum, Hepatica nobilis, Luzula pilosa, Maianthemum bifolium, Milium effusum, Plagiomnium affine, Pulmonaria obscura for TC, and Asarum europaeum, Anemone ranunculoides, Corylus avellana, Galeobdolon luteum, Geum urbanum, Mercurialis perennis, Stellaria holostea and Ulmus laevis for GC. However, for Stellario-Carpinetum, our findings indicate a large pool of bryophytes that have never been considered as bioindicators. Additionally, our research indicates that while the main species composition gradient of broad-leaved forests is related to soil moisture, temperature also plays a significant role in creating a Stellario-Carpinetum – Tilio-Carpinetum gradient. The current status of oak-hornbeam forests in Poland is intriguing; our research indicates that supplementing vascular plants with bryophytes in research could change the traditional syntaxonomy of oak-hornbeam forests in Central Europe.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Artykuł

na półce

Skocz do pozycji: 9.

Tytuł:: Solid lubricated bearings performance degradation assessment: A fuzzy self-organizing map method
Ocena obniżenia charakterystyk łożysk ze smarem stałym: metoda rozmytych samoorganizujących się map
Autorzy:: Zhang, Ch.
Wang, S.
Tematy:: solid lubricated bearings
performance degradation
fuzzy self-organizing map
łożyska ze smarem stałym
obniżenie charakterystyk
rozmyta mapa samoorganizująca się; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Powiązania:: https://bibliotekanauki.pl/articles/301012.pdf Link otwiera się w nowym oknie
Opis:: Solid lubricated bearings are common components in space mechanisms, and their reliability and performance degradation assessment are very crucial. In this study, a fuzzy self-organizing map method is used to perform performance degradation assessment. Feature vectors are constructed by indices of vibration as well as friction torque signal. Self-organizing map is then used to perform performance degradation assessment and the subjection of each feature vector to normal cluster on output layer is used as degradation indicator. Accelerated life test results show that this method can make effective performance degradation assessment and describe degradation degree in the whole life time.
Łożyska ze smarem stałym to powszechnie stosowane elementy urządzeń, a ich niezawodność i ocena degradacji charakterystyk są bardzo istotne. W przedstawionej pracy wykorzystano metodę rozmytych samoorganizujących się map do oceny obniżenia charakterystyk. Wektory cech skonstruowano za pomocą wskaźników wibracji, jak również sygnału momentu tarcia. Następnie dokonano oceny obniżenia charakterystyk z wykorzystaniem samoorganizującej się mapy, a za wskaźnik degradacji przyjęto przynależność każdego wektora cech do normalnej grupy w warstwie wyjściowej. Wyniki badań przyspieszonych pokazują, że przy użyciu omawianej metody można dokonywać skutecznej oceny obniżenia charakterystyk a także opisywać stopień degradacji w całym okresie eksploatacji.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: Pulse shape discrimination of neutrons and gamma rays using kohonen artificial neural networks
Autorzy:: Tambouratzis, T.
Chernikova, D.
Pzsit, I.
Tematy:: shape
neutron
discrimination
gamma rays
Kohonen artificial neural networks
ANNs
linear vector quantisation
LVQ
self-organizing map
SOM
pulse shape discrimination
PSD; Pokaż więcej
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Powiązania:: https://bibliotekanauki.pl/articles/91759.pdf Link otwiera się w nowym oknie
Opis:: The potential of two Kohonen artificial neural networks (ANNs) - linear vector quantisation (LVQ) and the self organising map (SOM) - is explored for pulse shape discrimination (PSD), i.e. for distinguishing between neutrons (n’s) and gamma rays (’s). The effect that (a) the energy level, and (b) the relative size of the training and test sets, have on identification accuracy is also evaluated on the given PSD dataset. The two Kohonen ANNs demonstrate complementary discrimination ability on the training and test sets: while the LVQ is consistently more accurate on classifying the training set, the SOM exhibits higher n/ identification rates when classifying new patterns regardless of the proportion of training and test set patterns at the different energy levels; the average time for decision making equals ˜100 μs in the case of the LVQ and ˜450 μs in the case of the SOM.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "self organizing map" wg kryterium: Temat