Wynik wyszukiwania
Zapytanie: NEURO-FUZZY SYSTEM
Liczba odnalezionych rekordów: 29



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/29
Nr opisu: 0000129744   
NFL - free library for fuzzy and neuro-fuzzy systems.
[Aut.]: Krzysztof Simiński.
W: Beyond databases, architectures and structures. Paving the road to smart data processing and analysis. 15th International conference, BDAS 2019, Ustroń, Poland, May 28-31, 2019. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. Cham : Springer, 2019, s. 139-150, bibliogr. 17 poz. (Communications in Computer and Information Science ; vol. 1018 1865-0929)

system rozmyty ; system neuronowo-rozmyty ; klastering ; dane niekompletne ; C++

fuzzy system ; neuro-fuzzy system ; clustering ; incomplete data ; C++

2/29
Nr opisu: 0000118381   
Application of neural-fuzzy system in prediction of methane hazard.
[Aut.]: D. Felka, Jarosław Brodny.
W: Intelligent systems in production engineering and maintenance. Proceedings of the First International Conference on Intelligent Systems in Production Engineering and Maintenance, ISPEM 2017, Wroclaw, Poland, 28-29 September 2017. Ed. Anna Burduk, Dariusz Mazurkiewicz. Cham : Springer Verlag, 2018, s. 151-160, bibliogr. 12 poz. (Advances in Intelligent Systems and Computing ; vol. 637 2194-5357)

interfejs ANFIS ; system neuronowo-rozmyty ; nośność gruntu ; kopalnia ; metan ; predykcja

ANFIS interface ; neuro-fuzzy system ; bearing capacity ; mine ; methane ; prediction

3/29
Nr opisu: 0000115437   
Interval type-2 neuro-fuzzy system with implication-based inference mechanism.
[Aut.]: Krzysztof Simiński.
-Expert Syst. Appl. 2017 vol. 79, s. 140-152, bibliogr. 53 poz.. Impact Factor 3.768. Punktacja MNiSW 35.000

system wnioskowania rozmytego ; system neuronowo-rozmyty ; wnioskowanie oparte na implikacjach ; przedziałowy system neuronowo-rozmyty typu 2

fuzzy inference system ; neuro-fuzzy system ; implication-based rule ; interval type-2 fuzzy set

4/29
Nr opisu: 0000106348
Improvement of precision of neuro-fuzzy system by increase of activation of rules.
[Aut.]: Krzysztof Simiński.
W: Beyond databases, architectures and structures. Advanced technologies for data mining and knowledge discovery. 12th International conference, BDAS 2016, Ustroń, Poland, May 31 - June 3, 2016. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. [B.m.] : Springer, 2016, s. 157-167, bibliogr. 21 poz. (Communications in Computer and Information Science ; vol. 613 1865-0929)

system neuronowo-rozmyty ; aktywacja reguł

neuro-fuzzy system ; activation of rules

5/29
Nr opisu: 0000102442
Memetic neuro-fuzzy system with Big-Bang-Big-Crunch optimisation.
[Aut.]: Krzysztof Simiński.
W: Man-machine interactions 4. 4th International Conference on Man-Machine Interactions, ICMMI 2015, Kocierz Pass, Poland, October 6-9, 2015. Eds. Aleksandra Gruca, Agnieszka Brachman, Stanisław Kozielski, Tadeusz Czachórski. Berlin : Springer, 2016, s. 583-592, bibliogr. 19 poz. (Advances in Intelligent Systems and Computing ; vol. 391 2194-5357)

przypisywanie ; dane niekompletne ; system neuronowo-rozmyty

imputation ; incomplete data ; neuro-fuzzy system ; approximate inversion

6/29
Nr opisu: 0000106345
Memetic neuro-fuzzy system with differential optimisation.
[Aut.]: Krzysztof Simiński.
W: Beyond databases, architectures and structures. Advanced technologies for data mining and knowledge discovery. 12th International conference, BDAS 2016, Ustroń, Poland, May 31 - June 3, 2016. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. [B.m.] : Springer, 2016, s. 135-145, bibliogr. 12 poz. (Communications in Computer and Information Science ; vol. 613 1865-0929)

system neuronowo-rozmyty ; algorytm memetyczny ; równanie różniczkowe

neuro-fuzzy system ; memetic algorithm ; difference equation

7/29
Nr opisu: 0000106346
New rough-neuro-fuzzy approach for regression task in incomplete data.
[Aut.]: Krzysztof Simiński.
W: Beyond databases, architectures and structures. Advanced technologies for data mining and knowledge discovery. 12th International conference, BDAS 2016, Ustroń, Poland, May 31 - June 3, 2016. Proceedings. Eds. Stanisław Kozielski, Dariusz Mrozek, Paweł Kasprowski, Bożena Małysiak-Mrozek, Daniel Kostrzewa. [B.m.] : Springer, 2016, s. 146-156, bibliogr. 24 poz. (Communications in Computer and Information Science ; vol. 613 1865-0929)

dane niekompletne ; brakująca wartość ; system neuronowo-rozmyty

incomplete data ; missing value ; neuro-fuzzy system ; rough fuzzy clustering

8/29
Nr opisu: 0000102985   
A method of leakage location in water distribution networks using artificial neuro-fuzzy system.
[Aut.]: Dominik Wachla, Piotr Przystałka, Wojciech Moczulski.
-IFAC-PapersOnLine 2015 vol. 48 iss. 21, s. 1216-1223, bibliogr. 22 poz.
Referat wygłoszony na: 9th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes SAFEPROCESS 2015, Paris, 2-4 September 2015. Ed. by Didier Maquin. Punktacja MNiSW 5.000

sieć wodociągowa ; wykrywania wycieków ; lokalizacja wycieków ; system neuronowo-rozmyty ; Maszyna Wektorów Nośnych

water distribution network ; leakage detection ; leakage lozalisation ; neuro-fuzzy system ; Support Vector Machine

9/29
Nr opisu: 0000098672   
Rough subspace neuro-fuzzy system.
[Aut.]: Krzysztof Simiński.
-Fuzzy Sets Syst. 2015 vol. 269, s. 30-46, bibliogr. 68 poz.. Impact Factor 2.098. Punktacja MNiSW 40.000

brakująca wartość ; dane niekompletne ; analiza podprzestrzeni ; system neuronowo-rozmyty

missing value ; incomplete data ; subspace analysis ; neuro-fuzzy system ; rough fuzzy approach

10/29
Nr opisu: 0000099218   
Comparison of incomplete data handling techniques for neuro-fuzzy systems.
[Aut.]: Marcin Sikora, Krzysztof Simiński.
-Comput. Sci. 2014 vol. 15 no. 4, s. 441-458, bibliogr. 37 poz.. Punktacja MNiSW 12.000

dane niekompletne ; marginalizacja ; przypisywanie ; system neuronowo-rozmyty ; ANNBFIS ; PDS ; IFCM ; OCS ; NPS

incomplete data ; marginalisation ; imputation ; neuro-fuzzy system ; ANNBFIS ; PDS ; IFCM ; OCS ; NPS

11/29
Nr opisu: 0000088378
Neuro-fuzzy system based kernel for classification with support vector machines.
[Aut.]: Krzysztof Simiński.
W: Man-machine interactions 3. Eds: Aleksandra Gruca, Tadeusz Czachórski, Stanislaw Kozielski. Berlin : Springer, 2014, s. 415-422, bibliogr. 18 poz. (Advances in Intelligent Systems and Computing ; vol. 242 2194-5357)

Maszyna Wektorów Nośnych ; system neuronowo-rozmyty ; jądro adaptacyjne ; klasyfikacja

Support Vector Machine ; neuro-fuzzy system ; adaptive kernel ; classification

12/29
Nr opisu: 0000089167   
Neuro-fuzzy system with weighted attributes.
[Aut.]: Krzysztof Simiński.
-Soft Comput. 2014 vol. 18 iss. 2, s. 285-297, bibliogr.. Impact Factor 1.304. Punktacja MNiSW 25.000

waga atrybutu ; znaczenie atrybutu ; system neuronowo-rozmyty

weight of attribute ; importance of attribute ; neuro-fuzzy system ; subspace clustering ; weighted dimension space

13/29
Nr opisu: 0000088379
Transformation of input domain for SVM in regression task.
[Aut.]: Krzysztof Simiński.
W: Man-machine interactions 3. Eds: Aleksandra Gruca, Tadeusz Czachórski, Stanislaw Kozielski. Berlin : Springer, 2014, s. 423-430, bibliogr. 19 poz. (Advances in Intelligent Systems and Computing ; vol. 242 2194-5357)

regresja ; Maszyna Wektorów Nośnych ; system neuronowo-rozmyty ; jądro adaptacyjne

regression ; Support Vector Machine ; neuro-fuzzy system ; adaptive kernel

14/29
Nr opisu: 0000083083   
Analysis of new method of initialisation of neuro-fuzzy systems with support vector machines.
[Aut.]: Krzysztof Simiński.
-Theor. Appl. Informat. 2012 vol. 24 no. 3, s. 243-254, bibliogr. 21 poz.. Punktacja MNiSW 4.000

Maszyna Wektorów Nośnych ; system neuronowo-rozmyty ; klasyfikacja ; regresja

Support Vector Machine ; neuro-fuzzy system ; classification ; regression

15/29
Nr opisu: 0000077615   
Neuro-rough-fuzzy approach for regression modelling from missing data.
[Aut.]: Krzysztof Simiński.
-Int. J. Appl. Math. Comput. Sci. 2012 vol. 22 no. 2, s. 461-476, bibliogr. 38 poz.. Impact Factor 1.008. Punktacja MNiSW 20.000

system neuronowo-rozmyty ; ANNBFIS ; brakująca wartość ; marginalizacja ; przypisywanie ; zbiór rozmyto-przybliżony ; grupowanie

neuro-fuzzy system ; ANNBFIS ; missing value ; marginalisation ; imputation ; rough fuzzy set ; clustering

16/29
Nr opisu: 0000082180
Robust extraction of fuzzy rules with artificial neural network based on fuzzy inference system.
[Aut.]: Robert Czabański, Michał Jeżewski, J. Jeżewski, J. Wróbel, K. Horoba.
-Int. J. Intell. Inf. Database Syst. 2012 vol. 6 no. 1, s. 77-92. Punktacja MNiSW 7.000

ekstrakcja reguł rozmytych ; system neuronowo-rozmyty ; odporna metoda statystyczna ; sztuczna sieć neuronowa ; rozmyty system wnioskowania ; modelowanie

fuzzy rules extraction ; neuro-fuzzy system ; robust method ; artificial neural network ; fuzzy inference system ; modelling

17/29
Nr opisu: 0000071607   
Merging of fuzzy models for neuro-fuzzy systems.
[Aut.]: Krzysztof Simiński.
-Theor. Appl. Informat. 2011 vol. 23 no. 2, s. 107-126, bibliogr. 23 poz.. Punktacja MNiSW 4.000

system neuronowo-rozmyty ; zbiór rozmyty ; scalanie reguł ; podobieństwo ; ANNBFIS

neuro-fuzzy system ; fuzzy set ; rule merging ; similarity ; ANNBFIS

18/29
Nr opisu: 0000075959   
Neuro-fuzzy system for large data sets.
[Aut.]: Krzysztof Simiński.
W: Man-machine interactions 2. Eds: Tadeusz Czachórski, Stanisław Kozielski, Urszula Stanczyk. Berlin : Springer, 2011, s. 297-304, bibliogr. 15 poz. (Advances in Intelligent and Soft Computing ; vol. 103 1867-5662)

system neuronowo-rozmyty ; zasada podobieństwa ; jakość reguły ; duży zbiór danych

neuro-fuzzy system ; rule similarity ; rule quality ; large data set

19/29
Nr opisu: 0000055471   
Hierarchiczny podział przestrzeni wejściowej w systemach neuronowo-rozmytych. Rozprawa doktorska.
[Aut.]: Krzysztof Simiński.
Gliwice, 2009, 129 k., bibliogr. 178 poz.
Politechnika Śląska. Wydział Automatyki, Elektroniki i Informatyki. Promotor: prof. dr hab. inż. Jacek Łęski

system neuronowo-rozmyty ; ANFIS ; ANBLIR ; HSID ; PAHSID

neuro-fuzzy system ; ANFIS ; ANBLIR ; HSID ; PAHSID

20/29
Nr opisu: 0000046554   
Neuro-fuzzy system with hierarchical partition of input domain.
[Aut.]: Krzysztof Simiński.
-Stud. Informat. 2008 vol. 29 nr 4A, s. 43-53, bibliogr. 24 poz.

system neuronowo-rozmyty ; hierarchiczny podział dziedziny ; grupowanie rozmyte

neuro-fuzzy system ; hierarchical domain partition ; fuzzy clustering

21/29
Nr opisu: 0000051553
Systemy neuronowo-rozmyte.
[Aut.]: Jacek Łęski.
Warszawa : Wydaw. Naukowo-Techniczne, 2008, 689 s., bibliogr. 517 poz.

system rozmyty ; sztuczna sieć neuronowa ; system neuronowo-rozmyty

fuzzy system ; artificial neural network ; neuro-fuzzy system

22/29
Nr opisu: 0000046339   
The prediction of the low fetal birth weight based on quantitative description of cardiotocographic signals.
[Aut.]: Robert Czabański, Michał Jeżewski, J. Wróbel, T. Kupka, Jacek Łęski, J. Jeżewski.
-J. Med. Informat. Technol. 2008 vol. 12, s. 97-102, bibliogr. 11 poz.

monitorowanie płodu ; kardiotokografia ; klasyfikacja sygnału ; system neuronowo-rozmyty

fetal monitoring ; cardiotocography ; signal classification ; neuro-fuzzy system

23/29
Nr opisu: 0000040368
Deterministyczne wyżarzanie w uczeniu systemów neuronowo-rozmytych.
[Aut.]: Robert Czabański.
-Pr. Komis. Nauk. PAN Katow. 2007 nr 31, s. 88-91

system neuronowo-rozmyty ; wyżarzanie ; ANBLIR

neuro-fuzzy system ; annealing ; ANBLIR

24/29
Nr opisu: 0000025386   
Extraction of fuzzy rules using deterministic annealing integrated with ε-insensitive learning.
[Aut.]: Robert Czabański.
-Int. J. Appl. Math. Comput. Sci. 2006 vol. 16 iss. 6, s. 352-372, bibliogr. 28 poz.

system rozmyty ; sieć neuronowa ; system neuronowo-rozmyty ; ekstrakcja ; wyżarzanie deterministyczne

fuzzy system ; neural network ; neuro-fuzzy system ; extraction ; deterministic annealing

25/29
Nr opisu: 0000029676   
Extraction of fuzzy rules using deterministic annealing integrated with e~~00-insensitive learning.
[Aut.]: Robert Czabański.
-Int. J. Appl. Math. Comput. Sci. 2006 vol. 16 no. 3, s. 357-372, bibliogr.

system rozmyty ; sieć neuronowa ; system neuronowo-rozmyty ; wydobycie ; wyżarzanie

fuzzy system ; neural network ; neuro-fuzzy system ; extraction ; annealing

26/29
Nr opisu: 0000023231
Parameters estimation for digital non-linear filters using neuro-fuzzy system.
[Aut.]: Robert Czabański, Tomasz Pander.
W: Medical informatics and technology. MIT 2006. Proceedings of the XI international conference, Wisła - Malinka, Poland, September 25-27, 2006. Eds: Ewa Piętka, Jacek Łęski, Stanisław Franiel. [Gliwice] : [Wydaw. Pracowni Komputerowej Jacka Skalmierskiego], [2006], s. 139-144, bibliogr. 10 poz.

filtr odporny ; filtr miriadowy ; system neuronowo-rozmyty ; ekstrakcja reguł rozmytych

robust filter ; myriad filter ; neuro-fuzzy system ; fuzzy rules extraction

27/29
Nr opisu: 0000017916   
Fuzzy if-then rules extraction by means of e-insensitive learning techniques integrated with deterministic annealing optimization method.
[Aut.]: Robert Czabański.
-Int. J. Comput. Cogn. 2005 vol. 3 no. 4, s. 80-89, bibliogr. 39 poz.

system neuronowo-rozmyty ; ekstrakcja reguł rozmytych ; wyżarzanie deterministyczne

neuro-fuzzy system ; fuzzy rules extraction ; deterministic annealing ; ε-insensitive learning

28/29
Nr opisu: 0000017917   
Neuro-fuzzy modelling based on a deterministic annealing approach.
[Aut.]: Robert Czabański.
-Int. J. Appl. Math. Comput. Sci. 2005 vol. 15 no. 4, s. 561-576, bibliogr.

system rozmyty ; sieć neuronowa ; system neuronowo-rozmyty ; ekstrakcja reguł rozmytych ; wyżarzanie deterministyczne ; predykcja

fuzzy system ; neural network ; neuro-fuzzy system ; fuzzy rules extraction ; deterministic annealing ; prediction

29/29
Nr opisu: 0000008100   
Neuro-fuzzy system with learning tolerant to imprecision.
[Aut.]: Jacek Łęski.
-Fuzzy Sets Syst. 2003 vol. 138 iss. 2, s. 427-439. Impact Factor 0.577

system neuronowo-rozmyty ; kontrola uogólnień

neuro-fuzzy system ; generalization control ; mixture of experts ; tolerant learning

stosując format:
Nowe wyszukiwanie