Wynik wyszukiwania
Zapytanie: REGRESSION
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: 0000128832   
GuideR: a guided separate-and-conquer rule learning in classification, regression, and survival settings.
[Aut.]: Marek Sikora, Łukasz Wróbel, Adam Gudyś.
-Knowl.-Based Syst. 2019 vol. 173, s. 1-14, bibliogr. 67 poz.. Impact Factor 5.101. Punktacja MNiSW 200.000

indukcja reguł ; indukcja reguł zarządzana przez użytkownika ; półautomatyczna indukcja reguł ; klasyfikacja ; regresja ; analiza przeżycia

rule induction ; user-guided rule induction ; semi-automatic rule induction ; classification ; regression ; survival analysis

2/29
Nr opisu: 0000130355
Identyfikacja charakterystyki energetycznej kotłów dla diagnostyki cieplnej i optymalizacji eksploatacji.
[Aut.]: Henryk Rusinowski, M. Plis.
-Rynek Energ. 2019 nr 3, s. 30-35, bibliogr. 17 poz.. Punktacja MNiSW 40.000

modelowanie matematyczne ; kocioł parowy ; regresja ; estymacja ; identyfikacja

mathematical modelling ; steam boiler ; regression ; estimation ; identification

3/29
Nr opisu: 0000131571
Statistical model for prediction of Ash Fusion Temperatures from additive doped biomass.
[Aut.]: Waldemar Gądek, Joanna Wnorowska, Sylwester Kalisz.
W: The book of abstracts of XXIV International Symposium on Combustion Processes, Wrocław, 23-25 September 2019. Ed. by: H. Pawlak-Kruczek, T. Hardy, Ł. Niedźwiecki. [B.m.] : [b.w.], 2019, s. 50

regresja ; dodatki ; popiół z biomasy ; temperatury topnienia popiołu ; AFT

regression ; additives ; biomass ash ; ash fusion temperatures ; AFT

4/29
Nr opisu: 0000121562   
New diagnostic tool for patients suffering from noncommunicable diseases (NCDs).
[Aut.]: Wojciech* Oleksy, Zbigniew Piotr* Budzianowski, Ewaryst Tkacz, Małgorzata Garbacik.
W: Proceedings of the International Conference on Information Technology & Systems. ICITS 18, Libertad City, Ecuador, January 10 - 12, 2018. Eds.: Alvaro Rocha, Teresa Guarda. Cham : Springer, 2018, s. 476-483, bibliogr. 16 poz. (Advances in Intelligent Systems and Computing ; vol. 721 2194-5357)

EASI ; EKG ; regresja ; uczenie maszynowe

EASI ; ECG ; regression ; machine learning

5/29
Nr opisu: 0000120666   
ETCAL - a versatile and extendable library for eye tracker calibration.
[Aut.]: Paweł Kasprowski, Katarzyna Harężlak.
-Digit. Signal Process. 2017 vol. 77, s. 222-232, bibliogr. 35 poz.. Impact Factor 2.241. Punktacja MNiSW 30.000

okulografia ; kalibracja ; biblioteka ; regresja ; analiza ruchu oczu

eye tracking ; calibration ; library ; regression ; eye movement analysis

6/29
Nr opisu: 0000104423   
Fusion of instance selection methods in regression tasks.
[Aut.]: A. Arnaiz-Gonzalez, Marcin Blachnik, M. Kordos, C. Garcia-Osorio.
-Inf. Fusion 2016 vol. 30, s. 69-79, bibliogr. 42 poz.. Impact Factor 5.667. Punktacja MNiSW 45.000

wybór instancji ; regresja

instance selection ; regression ; ensemble models

7/29
Nr opisu: 0000101048   
Sequential covering regression rule induction and optimization of regression rule-based data models. Rozprawa doktorska.
[Aut.]: Adam* Skowron.
Gliwice, 2015, 136 k., bibliogr. 137 poz.
Politechnika Śląska. Wydział Automatyki, Elektroniki i Informatyki. Promotor: dr hab. Marek Sikora

regresja ; eksploracja danych ; zasada indukcji ; optymalizacja

regression ; data mining ; rule induction ; optimization

8/29
Nr opisu: 0000100601   
Improved EASI ECG method as a future tool in diagnostics of patients suffering from noncommunicable diseases (NCDs).
[Aut.]: Wojciech* Oleksy, Ewaryst Tkacz, Zbigniew Piotr* Budzianowski.
-Exp. Clin. Cardiol. 2014 vol. 20 iss. 8, s. 3663-3667, bibliogr. 16 poz.. Punktacja MNiSW 15.000

EASI ; EKG ; regresja ; uczenie maszynowe

EASI ; ECG ; regression ; machine learning

9/29
Nr opisu: 0000110242   
Towards accurate eye tracker calibration - methods and procedures.
[Aut.]: Katarzyna Harężlak, Paweł Kasprowski, Mateusz* Stasch.
W: Knowledge-based and intelligent information & engineering systems. 18th Annual conferences. KES-2014, Gdynia, Poland, September 15-17, 2014. Proceedings. Ed. by Piotr Jędrzejowicz, Ireneusz Czarnowski, Robert J. Howlett and Lakhmi C. Jain. Amsterdam : Elsevier, 2014, s. 1073-1081, bibliogr. 17 poz. (Procedia Computer Science ; vol. 35 1877-0509)

ruch gałki ocznej ; okulografia ; kalibracja ; regresja

eye movements ; eye tracking ; calibration ; regression

10/29
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

11/29
Nr opisu: 0000088691   
Analiza i klasyfikacja sygnału EKG w oparciu o odprowadzenia EASI. Rozprawa doktorska.
[Aut.]: Wojciech* Oleksy.
Gliwice, 2013, 98 k., bibliogr. 50 poz.
Politechnika Śląska. Wydział Automatyki, Elektroniki i Informatyki. Promotor: prof. dr hab. inż. Ewaryst Tkacz

EASI ; EKG ; regresja ; leczenie ; choroby układu krążenia ; uczenie maszynowe

EASI ; ECG ; regression ; therapy ; cardiovascular diseases ; machine learning

12/29
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

13/29
Nr opisu: 0000081178   
Combining the advantages of neural networks and decision trees for regression problems in a steel temperature prediction system.
[Aut.]: M. Kordos, P. Kania, P. Budzyna, Marcin Blachnik, Tadeusz Wieczorek, Sławomir Golak.
W: Hybrid artificial intelligent systems. HAIS 2012. 7th International conference, Salamanca, Spain, March 28-30th, 2012. Proceedings. Pt 2. Eds: E. Corchado [et al.]. Berlin : Springer, 2012, s. 36-45, bibliogr. 16 poz. (Lecture Notes in Computer Science ; nr 7209 0302-9743)

sieć neuronowa ; drzewo decyzyjne ; regresja ; reguła logiczna

neural network ; decision tree ; regression ; logical rule

14/29
Nr opisu: 0000081109   
Evolutionary optimized forest of regression trees: application in metallurgy.
[Aut.]: M. Kordos, J. Piotrowski, Sz. Białka, Marcin Blachnik, Sławomir Golak, Tadeusz Wieczorek.
W: Hybrid artificial intelligent systems. HAIS 2012. 7th International conference, Salamanca, Spain, March 28-30th, 2012. Proceedings. Pt 1. Eds: E. Corchado [et al.]. Berlin : Springer, 2012, s. 409-420, bibliogr. 26 poz. (Lecture Notes in Computer Science ; nr 7208 0302-9743)

drzewo decyzyjne ; regresja ; optymalizacja ewolucyjna

decision tree ; regression ; evolutionary optimization

15/29
Nr opisu: 0000074018   
Improving prediction models applied in systems monitoring natural hazards and machinery.
[Aut.]: Marek Sikora, Beata Sikora.
-Int. J. Appl. Math. Comput. Sci. 2012 vol. 22 no. 2, s. 477-491. Impact Factor 1.008. Punktacja MNiSW 20.000

monitorowanie zagrożeń naturalnych ; regresja ; prognoza szeregów czasowych ; metoda k-najbliższych sąsiadów

natural hazards monitoring ; regression ; time series forecasting ; k-nearest neighbors method

16/29
Nr opisu: 0000081105   
Instance selection with neural networks for regression problems.
[Aut.]: M. Kordos, Marcin Blachnik.
W: Artificial neural networks and machine learning. ICANN 2012, 22th International conference, Lausanne, Switzerland, September 11-14, 2012. Proceedings. Pt 2. Eds: A. Villa [et al.]. Berlin : Springer, 2012, s. 263-270, bibliogr. 16 poz. (Lecture Notes in Computer Science ; vol. 7553 0302-9743)

sieć neuronowa ; regresja ; wybór instancji

neural network ; regression ; instance selection

17/29
Nr opisu: 0000077170   
Pollutant emissions empirical modelling of energy systems for external cost determination.
[Aut.]: Lucyna Czarnowska, Michał* Budnik, Wojciech Stanek.
W: 13th International Carpathian Control Conference. ICCC 2012, Podbanske, Slovakia, 28-31 May 2012. [B.m.] : [Institute of Electrical and Electronics Engineers], 2012, s. 91-96, bibliogr. 18 poz.

modelowanie empiryczne ; sieć neuronowa ; zanieczyszczenia substancjami szkodliwymi ; regresja

empirical modelling ; neural network ; pollution of harmful substances ; regression

18/29
Nr opisu: 0000081110
Selecting representative prototypes for prediction the oxygen activity in electric arc furnace.
[Aut.]: Marcin Blachnik, M. Kordos, Tadeusz Wieczorek, Sławomir Golak.
W: Artificial intelligence and soft computing. ICAISC 2012. 11th International conference, Zakopane, Poland, April 29 - May 3, 2012. Pt 2. Eds: Leszek Rutkowski [et al.]. Berlin : Springer, 2012, s. 539-547, bibliogr. 12 poz. (Lecture Notes in Computer Science ; vol. 7268 0302-9743)

regresja ; metoda najbliższego sąsiedzwa ; zastosowanie przemysłowe ; elektryczny piec łukowy

regression ; nearest neighbour method ; industrial application ; electric arc furnace

19/29
Nr opisu: 0000068474
Energy method of allocation of externalities between components of energy systems.
[Aut.]: Wojciech Stanek, Michał* Budnik, Lucyna Czarnowska.
W: Thermodynamics in science and technology. Proceedings of the 1-st International Congress on Thermodynamics, Poznań, Poland, 4-7 September 2011. Pt. 2. Ed. by L. Bogusławski. Polish Academy of Science. Committee of Thermodynamics and Combustion, Poznań University of Technology. Faculty of Machines and Transport. Chair of Thermal Engineering. Poznań : [Wydaw. Politechniki Poznańskiej], 2011, s. 931-948, bibliogr. 27 poz.

analiza egzergii ; regresja ; system energetyczny

exergy analysis ; regression ; energy system

20/29
Nr opisu: 0000068460
Mathematical modelling of boilers with the application of regression and neural network modelling.
[Aut.]: Henryk Rusinowski, Wojciech Stanek, Michał* Budnik, Adam* Milejski.
W: Thermodynamics in science and technology. Proceedings of the 1-st International Congress on Thermodynamics, Poznań, Poland, 4-7 September 2011. Pt. 2. Ed. by L. Bogusławski. Polish Academy of Science. Committee of Thermodynamics and Combustion, Poznań University of Technology. Faculty of Machines and Transport. Chair of Thermal Engineering. Poznań : [Wydaw. Politechniki Poznańskiej], 2011, s. 914-922, bibliogr. 13 poz.

modelowanie matematyczne ; regresja ; sieć neuronowa ; kocioł

mathematical modelling ; boiler ; regression ; neural network

21/29
Nr opisu: 0000081121   
Neural network committees optimized with evolutionary methods for steel temperature control.
[Aut.]: M. Kordos, Marcin Blachnik, Tadeusz Wieczorek, Sławomir Golak.
W: Computational collective intelligence. Technologies and applications. ICCCI 2011. Third international conference, Gdynia, Poland, September 21-23, 2011. Proceedings. Pt 1. Eds: P. Jędrzejewicz, N.T. Nguyen, K. Hoang. Berlin : Springer, 2011, s. 42-51, bibliogr. 19 poz. (Lecture Notes in Computer Science ; vol. 6922 Lecture Notes in Artificial Intelligence ; 0302-9743)

algorytm ewolucyjny ; regresja ; metalurgia ; elektryczny piec łukowy

evolutionary algorithm ; regression ; metallurgy ; electric arc furnace

22/29
Nr opisu: 0000068761
Zastosowanie metod analitycznych i analizy regresji do oceny zagrożenia sejsmicznego i tąpaniami.
[Aut.]: Piotr Bańka, Andrzej** Jaworski, Franciszek Plewa.
Gliwice : Wydaw. Politechniki Śląskiej, 2011, 95 s., bibliogr. 58 poz.
(Monografia ; [Politechnika Śląska] nr 342)

zagrożenie sejsmiczne ; tąpanie ; regresja ; pasywna tomografia sejsmiczna ; górotwór ; stany deformacyjno-naprężeniowe

seismic hazard ; rockburst ; regression ; passive seismic tomography ; rock mass ; stress-deformation state

23/29
Nr opisu: 0000077133   
Theoretical-empirical model of the steam-water cycle of the power unit.
[Aut.]: Grzegorz* Szapajko, Henryk Rusinowski.
-Acta Montanistica Slovaca 2010 R. 15 nr 1, s. 24-27, bibliogr. 7 poz.. Impact Factor 0.134

modelowanie empiryczne ; cykl parowo-wodny ; blok energetyczny ; model symulacyjny ; regresja

empirical modelling ; steam-water cycle ; power unit ; simulation model ; regression

24/29
Nr opisu: 0000057846
Theoretical-empirical model of the steam-water cycle ofthe power unit.
[Aut.]: Grzegorz* Szapajko, Henryk Rusinowski.
W: 10th International Carpathian Control Conference. ICCC' 2009, Zakopane, Poland, May 24-27, 2009. Ed. A. Kot. Kraków : Faculty of Mechanical Engineering and Robotics. AGH University of Science and Technology, 2009, s. 379-382, bibliogr. 7 poz.

modelowanie empiryczne ; obieg parowo-wodny ; blok energetyczny ; model symulacyjny ; regresja

empirical modelling ; steam-water cycle ; power unit ; simulation model ; regression

25/29
Nr opisu: 0000077137   
Hybrid model of the conventional power unit.
[Aut.]: Henryk Rusinowski, Grzegorz* Szapajko, Wojciech Stanek.
-Mechanics, AGH 2008 vol. 27 no. 3, s. 120-130, bibliogr. 15 poz.

model hybrydowy ; blok energetyczny ; regresja ; sieć neuronowa

hybrid model ; power unit ; regression ; neural network

26/29
Nr opisu: 0000050099
Wykorzystanie modelowania regresyjnego i neuronowego do oceny energetycznej bloku energetycznego.
[Aut.]: Henryk Rusinowski, Wojciech Stanek, Grzegorz* Szapajko.
W: Termodynamika w nauce i gospodarce. T. 2. Pod red. Z. Gnutka, W. Gajewskiego. Wrocław : Oficyna Wydaw. Politechniki Wrocławskiej, 2008, s. 308-314, bibliogr. 10 poz.

blok energetyczny ; regresja ; sieć neuronowa

power unit ; regression ; neural network

27/29
Nr opisu: 0000039137
Financial time series prediction with support vector machines.
[Aut.]: Katarzyna Stąpor, Michał* Piekarek.
W: Recent developments in artificial intelligence methods. AI-METH 2007. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Silesian University of Technology. Department for Strength of Materials and Computational Mechanics. Department of Fundamentals of Machinery Design, Polish Association for Computational Mechanics. Gliwice : Silesian University of Technology. Department for Strength of Materials and Computational Mechanics. Department of Fundamentals of Machinery Design, 2007, s. 205-213, bibliogr. 8 poz.
Toż na CD-ROM

szereg czasowy ; algorytm ; Maszyna Wektorów Nośnych ; predykcja ; regresja

time series ; algorithm ; Support Vector Machine ; prediction ; regression

28/29
Nr opisu: 0000029782
Wykorzystanie analizy regresji i korelacji wielokrotnej do optymalizacji procesu wytwarzania masy formierskiej.
[Aut.]: Aleksander** Smoliński, Jan** Szymszal, Franciszek** Binczyk, Adam** Gierek.
W: Polska metalurgia w latach 2002-2006. Red.: K. Świątkowski [i in.]. Kraków : Komitet Metalurgii Polskiej Akademii Nauk, 2006, s. 295-302, bibliogr. 3 poz.

regresja ; korelacja wielokrotna ; masa formierska

regression ; multiple correlation ; moulding sand

29/29
Nr opisu: 0000015040
Modelling of transformations occuring during quenching in engineering steels.
[Aut.]: Jacek Trzaska, Leszek** Dobrzański.
W: Worldwide Congress on Materials and Manufacturing Engineering and Technology. COMMENT'2005, Gliwice-Wisła, 16th-19th May 2005. [Dokument elektroniczny]. Congress proceedings - short papers. Ed. Leszek A. Dobrzański. [Gliwice] : [Komitet Organizacyjny Międzynarodowych Konferencji Naukowych Instytutu Materiałów Inżynierskich i Biomedycznych Politechniki Śląskiej], [2005], dysk optyczny (CD-ROM) [Ref. 4.862 s. 1-6], bibliogr. 6 poz.

sieć neuronowa ; diagram CCT ; twardość ; modelowanie ; regresja

neural network ; CCT diagram ; hardness ; modelling ; regression

stosując format:
Nowe wyszukiwanie