Wynik wyszukiwania
Zapytanie: MASZYNA WEKTORÓW NOŚNYCH
Liczba odnalezionych rekordów: 52



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/52
Nr opisu: 0000123525
Attribute-based assessment of lung nodules in CT using support vector machine and random forest.
[Aut.]: Beata* Choroba, Paweł Badura.
W: Information technology in biomedicine. Proceedings 6th International Conference, ITIB 2018, Kamień Śląski, Poland, June 18-20, 2018. Eds. Ewa Pietka, Pawel Badura, Jacek Kawa, Wojciech Wieclawek. Cham : Springer, 2019, s. 279-289, bibliogr. 37 poz. (Advances in Intelligent Systems and Computing ; vol. 762 2194-5357)

diagnostyka wspomagana komputerowo ; rak płuc ; klasyfikacja ; Maszyna Wektorów Nośnych ; las losowy

computer-aided diagnosis ; lung cancer ; classification ; Support Vector Machine ; random forest

2/52
Nr opisu: 0000131013   
Evolutionarily-tuned support vector machines.
[Aut.]: Wojciech Dudzik, Michał Kawulok, Jakub Nalepa.
W: Proceedings of the 2019 Genetic and Evolutionary Computation Conference Companion. GECCO'19 Companion, July 13-17, 2019, Prague, Czech Republic. Association for Computing Machinery. New York : Association for Computing Machinery, 2019, s. 165-166, bibliogr. 8 poz.

Maszyna Wektorów Nośnych ; selekcja cech ; algorytm memetyczny ; dobór zestawu treningowego

Support Vector Machine ; feature selection ; memetic algorithm ; training set selection

3/52
Nr opisu: 0000121063   
Selecting training sets for support vector machines: a review.
[Aut.]: Jakub Nalepa, Michał Kawulok.
-Artif. Intell. Rev. 2019 vol. 52 iss. 2, s. 857-900, bibliogr.. Impact Factor 5.095. Punktacja MNiSW 140.000

Maszyna Wektorów Nośnych ; dobór zestawu treningowego ; redukcja danych ; klasyfikacja

Support Vector Machine ; training set selection ; data reduction ; classification

4/52
Nr opisu: 0000125228
Activated sludge process modelling using selected machine learning techniques.
[Aut.]: B. Szeląg, Krzysztof Barbusiński, J. Studziński.
-Desalin. Water Treat. 2018 vol. 117, s. 78-87, bibliogr. 34 poz.. Impact Factor 1.234. Punktacja MNiSW 20.000

oczyszczalnia ścieków ; zawiesina substancji stałych w cieczy ; kaskadowa sieć neuronowa ; Maszyna Wektorów Nośnych ; drzewo wzmacniane

wastewater treatment plant ; food-to-mass ratio ; mixed liquor suspended solids ; cascade neural network ; Support Vector Machine ; boosted tree

5/52
Nr opisu: 0000116590   
Automatic music genre classification based on musical instrument track separation.
[Aut.]: Aldona* Rosner, B. Kostek.
-J. Intell. Inf. Syst. 2018 vol. 50 iss. 2, s. 363-384, bibliogr. 72 poz.. Impact Factor 1.589. Punktacja MNiSW 20.000

wyszukiwanie informacji muzycznej ; MIR ; automatyczna klasyfikacja gatunku muzycznego ; automatyczna separacja ścieżek dźwiękowych ; Maszyna Wektorów Nośnych ; SVM

music information retrieval ; MIR ; automatic music genre classification ; automatic separation of music tracks ; Support Vector Machine ; SVM

6/52
Nr opisu: 0000125287
Forecast of selected quality indicators of wastewater flowing to the treatment plant using selected black box methods.
[Aut.]: B. Szeląg, Krzysztof Barbusiński, A. Operacz, J. Studziński.
W: 31st Annual European Simulation and Modelling Conference. ESM 2017, Lisbon, Portugal, 25-27 October 2017. [B.m.] : EUROSIS, 2018, s. 301-307, bibliogr. 22 poz.

czarna skrzynka ; drzewo wzmacniane ; Mars ; Maszyna Wektorów Nośnych ; ścieki ; modelowanie

black-box ; boosted tree ; Mars ; Support Vector Machine ; wastewater ; modelling

7/52
Nr opisu: 0000105103   
Adaptive memetic algorithm enhanced with data geometry analysis to select training data for SVMs.
[Aut.]: Jakub Nalepa, Michał Kawulok.
-Neurocomputing 2016 vol. 185, s. 113-132, bibliogr. 57 poz.. Impact Factor 3.317. Punktacja MNiSW 30.000

algorytm memetyczny ; analiza głównych składowych ; adaptacja ; kontrola parametrów ; Maszyna Wektorów Nośnych ; dane szkoleniowe

memetic algorithm ; principal component analysis ; adaptation ; parameter control ; Support Vector Machine ; training data

8/52
Nr opisu: 0000106587
Human activity recognition using smartphone sensors.
[Aut.]: Marcin Bugdol, Andrzej Mitas, M. Grzegorzek, M. Meyer, C. Wilhelm.
W: Information technologies in medicine. 5th International conference, ITIB 2016, Kamień Śląski, Poland, June 20-22, 2016. Proceedings. Vol. 2. Eds. Ewa Piętka, Pawel Badura, Jacek Kawa, Wojciech Wieclawek. Cham : Springer, 2016, s. 41-47, bibliogr. 20 poz. (Advances in Intelligent Systems and Computing ; vol. 472 2194-5357)

rozpoznawanie aktywności człowieka ; smartphone ; Maszyna Wektorów Nośnych

human activity recognition ; smartphone ; Support Vector Machine

9/52
Nr opisu: 0000106027   
Using the one-versus-rest strategy with samples balancing to improve pairwise coupling classification.
[Aut.]: W. Chmielnicki, Katarzyna Stąpor.
-Int. J. Appl. Math. Comput. Sci. 2016 vol. 26 no. 1, s. 191-201. Impact Factor 1.420. Punktacja MNiSW 25.000

łączenie w pary ; klasyfikacja wieloklasowa ; zagadnienie rozkładu ; Maszyna Wektorów Nośnych

pairwise coupling ; multiclass classification ; problem decomposition ; support vector method

10/52
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

11/52
Nr opisu: 0000102345   
An attempt to optimize the cardiotocographic signal feature set for fetal state assessment.
[Aut.]: Michał Jeżewski, Robert Czabański, Jacek Łęski.
-J. Med. Imaging Health Informat. 2015 vol. 5 nr 6, s. 1364-1373. Impact Factor 0.877. Punktacja MNiSW 15.000

monitorowanie płodu ; klasyfikacja sygnału ; Maszyna Wektorów Nośnych ; selekcja cech

fetal monitoring ; signal classification ; Support Vector Machine ; feature selection

12/52
Nr opisu: 0000103679   
Improving the efficacy of automated fetal state assessment with fuzzy analysis of delivery outcome.
[Aut.]: Robert Czabański, Michał Jeżewski, K. Horoba, J. Jeżewski, Jacek Łęski.
-J. Med. Informat. Technol. 2015 vol. 24, s. 223-230, bibliogr. 26 poz.. Punktacja MNiSW 8.000

monitorowanie płodu ; wnioskowanie rozmyte ; Maszyna Wektorów Nośnych ; uczenie nadzorowane

fetal monitoring ; fuzzy inference ; Support Vector Machine ; supervised learning

13/52
Nr opisu: 0000100728   
Multi-scale textural feature extraction and particle swarm optimization based model selection for false positive reduction in mammography.
[Aut.]: I. Zyoud, Joanna Czajkowska, M. Grzegorzek.
-Comput. Med. Imaging Graph. 2015 vol. 46, pt. 2, s. 95-107, bibliogr. 45 poz.. Impact Factor 1.385. Punktacja MNiSW 25.000

redukcja fałszywych trafień ; mammografia ; wielkoskalowa analiza tekstury ; wybór modelu ; optymalizacja rojem cząstek ; Maszyna Wektorów Nośnych

false positive reduction ; mammography ; multi-scale texture analysis ; model selection ; particle swarm optimization ; Support Vector Machine

14/52
Nr opisu: 0000099164   
A memetic algorithm to select training data for support vector machines.
[Aut.]: Jakub Nalepa, Michał Kawulok.
W: Proceedings of the 16th Genetic and Evolutionary Computation Conference. GECCO '14. Vancouver, Canada, July 12-16, 2014. New York : ACM, 2014, s. 573-580

algorytm memetyczny ; samoadaptacja ; Maszyna Wektorów Nośnych ; dobór danych treningowych

memetic algorithm ; self-adaptation ; Support Vector Machine ; training data selection

15/52
Nr opisu: 0000099168
Adaptive genetic algorithm to select training data for support vector machines.
[Aut.]: Jakub Nalepa, Michał Kawulok.
W: 17th European Conference EvoApplications 2014, Granada, Spain, April 23-25, 2014. Revised selected Papers. Eds.: Anna I. Esparcia-Alcazar, Antonio M. Mora. Berlin : Springer, 2015, s. 514-525, bibliogr. 19 poz. (Lecture Notes in Computer Science ; vol. 8602 0302-9743)

adaptacyjny algorytm genetyczny ; Maszyna Wektorów Nośnych ; dobór danych treningowych

adaptive genetic algorithm ; Support Vector Machine ; training data selection

16/52
Nr opisu: 0000098074   
Classification of music genres based on music separation into harmonic and drum components.
[Aut.]: Aldona* Rosner, B. Schuller, B. Kostek.
-Arch. Acoust. 2014 vol. 39 no. 4, s. 629-638, bibliogr. 41 poz.. Impact Factor 0.565. Punktacja MNiSW 20.000

wyszukiwanie informacji muzycznej ; rozdzielanie dźwięków ; oddzielenie perkusji ; klasyfikacja gatunku muzycznego ; Maszyna Wektorów Nośnych ; nieujemna macierz

music information retrieval ; musical sound separation ; drums separation ; music genre classification ; Support Vector Machine ; Non-Negative Matrix Factorization ; co-training

17/52
Nr opisu: 0000099096   
Gaze direction estimation from static images.
[Aut.]: Krystian Radlak, Michał Kawulok, Bogdan Smołka, Natalia* Radlak.
W: 2014 IEEE 16th International Workshop on Multimedia Signal Processing. MMSP 2014, Jakarta, Indonesia, 22-24 September 2014. Piscataway : IEEE, 2014, s. 1-4, bibliogr. 30 poz.

śledzenie wzroku ; klasyfikacja obrazów ; sztuczna inteligencja ; Maszyna Wektorów Nośnych

gaze tracking ; image classification ; artificial intelligence ; Support Vector Machine

18/52
Nr opisu: 0000099167   
Hand pose estimation using support vector machines with evolutionary training.
[Aut.]: Michał Kawulok, Jakub Nalepa.
W: 21st International Conference on Systems, Signals and Image Processing. IWSSIP 2014, Dubrovnik, Croatia, 12-15 May 2014. Proceedings. Ed. by M. Mustra [et al.]. Zagreb : Faculty of Electrical Engineering and Computing. University of Zagreb, 2014, s. 87-90, bibliogr. 23 poz. (International Conference on Systems, Signals, and Image Processing ; 2157-8672)

adaptacyjny algorytm genetyczny ; rozpoznawanie gestów ; Maszyna Wektorów Nośnych ; dobór zestawu treningowego

adaptive genetic algorithm ; gesture recognition ; Support Vector Machine ; training set selection

19/52
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

20/52
Nr opisu: 0000095766   
Optimal classification method for smiling vs neutral facial display recognition.
[Aut.]: Karolina Nurzyńska, Bogdan Smołka.
-J. Med. Informat. Technol. 2014 vol. 23, s. 87-94, bibliogr. 19 poz.. Punktacja MNiSW 8.000

lokalny wzorzec binarny ; Maszyna Wektorów Nośnych ; k-najbliższych sąsiadów ; dopasowanie szablonu

local binary pattern ; Support Vector Machine ; k-nearest neighbours ; template matching

21/52
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

22/52
Nr opisu: 0000087611   
Feature selection of protein structural classification using SVM classifier.
[Aut.]: Zbigniew* Krajewski, Ewaryst Tkacz.
-Biocybern. Biomed. Eng. 2013 vol. 33 nr 1, s. 47-61, bibliogr. 49 poz.. Impact Factor 0.157. Punktacja MNiSW 15.000

aminokwasy ; Maszyna Wektorów Nośnych ; analiza głównych składowych ; SVM ; RFE ; selekcja cech ; SCOP

amino acids ; Support Vector Machine ; principal component analysis ; SVM ; RFE ; feature selection ; SCOP ; Recursive Feature Elimination

23/52
Nr opisu: 0000089266   
Fetal state evaluation with fuzzy analysis of newborn attributes using CUDA architecture.
[Aut.]: Robert Czabański, J. Wróbel, J. Jeżewski.
-J. Med. Informat. Technol. 2013 vol. 22 s. 125-133, bibliogr. 19 poz.. Punktacja MNiSW 8.000

system rozmyty ; monitorowanie płodu ; Maszyna Wektorów Nośnych ; CUDA

fuzzy system ; fetal monitoring ; Support Vector Machine ; CUDA

24/52
Nr opisu: 0000087659
Protein structural classification based on pseudo amino acid composition using SVM classifier.
[Aut.]: Zbigniew* Krajewski, Ewaryst Tkacz.
-Biocybern. Biomed. Eng. 2013 vol. 33 nr 2, s. 77-87, bibliogr. 38 poz.. Impact Factor 0.157. Punktacja MNiSW 15.000

aminokwasy ; Maszyna Wektorów Nośnych ; analiza głównych składowych ; SVM ; RFE ; selekcja cech ; SCOP

amino acids ; Support Vector Machine ; principal component analysis ; SVM ; RFE ; feature selection ; SCOP ; Recursive Feature Elimination

25/52
Nr opisu: 0000071258   
A hybrid discriminative/generative approach to protein fold recognition.
[Aut.]: W. Chmielnicki, Katarzyna Stąpor.
-Neurocomputing 2012 vol. 75 iss. 1, s. 194-198, bibliogr. 44 poz.. Impact Factor 1.634. Punktacja MNiSW 25.000

Maszyna Wektorów Nośnych ; klasyfikator RDA ; klasyfikator statystyczny ; rozpoznawanie klasy ufałdowania białka

Support Vector Machine ; RDA classifier ; statistical classifier ; protein fold recognition

26/52
Nr opisu: 0000082963   
An improved protein fold recognition with support vector machines.
[Aut.]: W. Chmielnicki, I. Roterman-Konieczna, Katarzyna Stąpor.
-Expert Syst. 2012 vol. 29 iss. 2, s. 200-211, bibliogr.. Impact Factor 0.769. Punktacja MNiSW 20.000

rozpoznawanie klasy ufałdowania białka ; Maszyna Wektorów Nośnych ; wieloklasowy klasyfikator ; strategia każdy-przeciw-każdemu ; binarne drzewo decyzyjne

protein fold recognition ; Support Vector Machine ; multi-class classifier ; one-versus-one strategy ; binary decision tree

27/52
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

28/52
Nr opisu: 0000082176   
Computerized analysis of fetal heart rate signals as the predictor of neonatal acidemia.
[Aut.]: Robert Czabański, J. Jeżewski, A. Matonia, Michał Jeżewski.
-Expert Syst. Appl. 2012 vol. 39 iss. 15, s. 11846-11860, bibliogr. Impact Factor 1.854. Punktacja MNiSW 35.000

monitorowanie serca płodu ; system rozmyty ; Maszyna Wektorów Nośnych ; klasyfikacja sygnału

fetal heart rate monitoring ; fuzzy system ; Support Vector Machine ; signal classification

29/52
Nr opisu: 0000082187   
Precise multi-level face detector for advanced analysis of facial images.
[Aut.]: Michał Kawulok, J. Szymanek.
-IET Image Process. 2012 vol. 6 iss. 2, s. 95-103, bibliogr. 36 poz.. Impact Factor 0.895. Punktacja MNiSW 20.000

detekcja krawędzi ; rozpoznawanie twarzy ; Maszyna Wektorów Nośnych

edge detection ; face recognition ; Support Vector Machine

30/52
Nr opisu: 0000082175
Two-Step Analysis of the Fetal Heart Rate Signal as a Predictor of Distress.
[Aut.]: Robert Czabański, J. Wróbel, J. Jeżewski, Michał Jeżewski.
W: Intelligent information and database systems. 4th Asian Conference, ACIIDS 2012, Kaohsiung, Taiwan, March 19-21, 2012. Proceedings. Pt 2. Eds: Jeng-Shyang Pan, Shyi-Ming Chen, Ngoc Thanh Nguyen. Berlin : Springer, 2012, s. 431-438, bibliogr. 11 poz. (Lecture Notes in Computer Science ; vol. 7197 0302-9743)

monitorowanie serca płodu ; system rozmyty ; Maszyna Wektorów Nośnych ; klasyfikacja sygnału

fetal heart rate monitoring ; fuzzy system ; Support Vector Machine ; signal classification

31/52
Nr opisu: 0000070641   
A combined SVM-RDA classifier for protein fold recognition.
[Aut.]: W. Chmielnicki, Katarzyna Stąpor.
-Bio-Algorithms and Med-Sys. 2011 vol. 7 no. 1 (13), s. 67-70, bibliogr. 22 poz.. Punktacja MNiSW 5.000

białka ; Maszyna Wektorów Nośnych ; klasyfikator SVM/RDA ; SVM

proteins ; Support Vector Machine ; SVM-RDA classifier ; SVM

32/52
Nr opisu: 0000071438   
Adaptive kernel approach to the time series prediction.
[Aut.]: Marcin Michalak.
-Pattern Anal. Appl. 2011 vol. 14 iss. 3, s. 283-293, bibliogr. 15 poz.. Impact Factor 0.739

predykcja szeregów czasowych ; Maszyna Wektorów Nośnych ; estymator jądrowy ; regresja nieparametryczna

time series prediction ; Support Vector Machine ; kernel estimator ; non-parametric regression

33/52
Nr opisu: 0000071591   
An effective feature selection algorithm based on the class similarity used with a SVM-RDA classifier to protein fold recognition.
[Aut.]: W. Chmielnicki, Katarzyna Stąpor.
W: Hybrid artificial intelligent systems. HAIS 2011. 6th International conference, Wrocław, Poland, May 23-25, 2011. Proceedings. Pt 1. Eds: E. Corchado, M. Kurzyński, M. Woźniak. Berlin : Springer, 2011, s. 205-212, bibliogr. 21 poz. (Lecture Notes in Computer Science ; vol. 6678 Lecture Notes in Artificial Intelligence ; 0302-9743)

selekcja cech ; Maszyna Wektorów Nośnych ; klasyfikator statystyczny ; klasyfikator RDA ; rozpoznawanie klasy ufałdowania białka

feature selection ; Support Vector Machine ; statistical classifier ; RDA classifier ; protein fold recognition

34/52
Nr opisu: 0000062442   
Hybrydowy klasyfikator SVM-RDA dla rozpoznawania struktury białek.
[Aut.]: W. Chmielnicki, Katarzyna Stąpor.
-Bio-Algorithms and Med-Sys. 2010 vol. 6 no. 12 suppl. 1, s. 51

rozpoznawanie struktury białka ; Maszyna Wektorów Nośnych ; wieloklasowy klasyfikator ; strategia każdy-przeciw-każdemu

protein fold recognition ; Support Vector Machine ; multi-class classifier ; one-versus-one strategy

35/52
Nr opisu: 0000062617   
Klasyfikator jądrowej wersji maszyny wektorów podpierających wspomagający diagnostykę obszarów nowotworowych w wielospektralnym obrazowaniu endoskopowym.
[Aut.]: Robert Bieda, Adam Świtoński, S. Kwiatek, W. Latos, G. Cieślar, A. Sieroń, Konrad** Wojciechowski.
-Prz. Elektrot. 2010 R. 86 nr 12, s. 13-16, bibliogr. 4 poz.. Impact Factor 0.242

diagnostyka fotodynamiczna ; obrazowanie wielospektralne ; klasyfikacja nadzorowana ; Maszyna Wektorów Nośnych

photodynamic diagnosis ; multispectral imaging ; supervised classification ; Support Vector Machine

36/52
Nr opisu: 0000050833   
Adaptive kernel algorithms for time series prediction.
[Aut.]: Marcin Michalak.
-Stud. Informat. 2009 vol. 30 nr 3A, s. 25-35, bibliogr. 34 poz.

predykcja ; szereg czasowy ; estymator jądrowy ; regresja nieparametryczna ; Maszyna Wektorów Nośnych ; SVM

prediction ; time series ; kernel estimator ; non-parametric regression ; Support Vector Machine ; SVM

37/52
Nr opisu: 0000049356   
Algorithm for precise frontal face detection.
[Aut.]: Michał Kawulok, J. Szymanek.
-Stud. Informat. 2009 vol. 30 nr 2A, s. 341-354, bibliogr. 18 poz.

detekcja twarzy ; uogulniona transformata Houghona ; Maszyna Wektorów Nośnych

face detection ; generalized Hough transform ; Support Vector Machine

38/52
Nr opisu: 0000055677   
Fault diagnosis in analog electronic circuits - the SVM approach.
[Aut.]: Damian Grzechca, Jerzy** Rutkowski.
-Metrol. Meas. Syst. 2009 vol. 16 nr 4, s. 582-597, bibliogr. 29 poz.

diagnostyka uszkodzeń ; obwód elektroniczny ; Maszyna Wektorów Nośnych ; SVM

fault diagnosis ; electronic circuit ; Support Vector Machine ; SVM

39/52
Nr opisu: 0000056515   
Faults classification in analog electronic circuits with use of the SVM algorithm.
[Aut.]: Damian Grzechca, S. Czeczótka.
W: European Conference on Circuit Theory and Design. ECCTD 2009, Antalya, Turkey, 23-27 August 2009. Piscataway : Institute of Electrical and Electronics Engineers, 2009, s. 659-662, bibliogr. 5 poz.

analogowy układ elektroniczny ; SVM ; Maszyna Wektorów Nośnych

analog electronic circuit ; SVM ; Support Vector Machine

40/52
Nr opisu: 0000055026
Implementation of selected data mining methods for the DIASTER system.
[Aut.]: Dominik Wachla.
W: Methods of artificial intelligence. AI-METH 2009, [Gliwice, Poland, 18-19 November 2009]. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Silesian University of Technology. Faculty of Mechanical Engineering. Department of Fundamentals of Machinery Design. Department of Strength of Materials and Computational Mechanics. Gliwice : Centre of Excellence AI-METH. Silesian University of Technology, 2009, s. 59-60, bibliogr. 5 poz.

data mining ; wybór cech ; Maszyna Wektorów Nośnych ; system identyfikacji ; proces diagnostyczny ; proces przemysłowy ; system diagnostyczny

data mining ; feature selection ; Support Vector Machine ; identification system ; diagnostic process ; industrial process ; diagnostic system

41/52
Nr opisu: 0000054890
Macierz jądra z interpretacją lingwistyczną w weryfikacji mówcy za pomocą maszyny wektorów podtrzymujących.
[Aut.]: Mariusz* Bąk.
W: XI International PhD Workshop = XI Międzynarodowe Warsztaty Doktoranckie. OWD 2009, [Wisła, 17-20 October 2009]. Polish Society of Theoretical and Applied Electrotechnics [et al.]. [Gliwice] : Organizing Committe of the Symposium PPEE & Seminar BSE, 2009, s. 231-234, bibliogr. 9 poz. (Archiwum Konferencji PTETiS ; vol. 26)
Toż na CD-ROM

Maszyna Wektorów Nośnych ; SVM ; macierz jądra ; mówca ; wnioskowanie rozmyte ; system rozmyty

Support Vector Machine ; SVM ; Kernel matrix ; speaker ; fuzzy inference ; fuzzy network

42/52
Nr opisu: 0000049047   
A new fuzzy support vectors machine for biomedical data classification.
[Aut.]: Joanna Czajkowska, Marcin Rudzki, Z. Czajkowski.
W: 30th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. EMBS 2008, Vancouver, Canada, 20-24 August 2008. Piscataway : Institute of Electrical and Electronics Engineers, 2008, s. 4676-4679, bibliogr. 8 poz.

Maszyna Wektorów Nośnych ; procesy biologiczne ; logika rozmyta ; bioinformatyka ; DNA

Support Vector Machine ; biological processes ; fuzzy logic ; bioinformatics ; DNA

43/52
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

44/52
Nr opisu: 0000037886   
Genetic algorithms for classifiers' training sets optimisation applied to human face recognition.
[Aut.]: Michał Kawulok.
-J. Med. Informat. Technol. 2007 vol. 11, s. 135-143, bibliogr. 14 poz.

Maszyna Wektorów Nośnych ; algorytm genetyczny ; rozpoznawanie twarzy

Support Vector Machine ; genetic algorithm ; face recognition

45/52
Nr opisu: 0000039098
Genetic algorithms for training sets optimization applied in the area of face recognition.
[Aut.]: Michał Kawulok.
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. 85-93, bibliogr. 13 poz.
Toż na CD-ROM

Maszyna Wektorów Nośnych ; algorytm genetyczny ; rozpoznawanie twarzy

Support Vector Machine ; genetic algorithm ; face recognition

46/52
Nr opisu: 0000030287   
Identification of dynamic diagnostic models with the use of methodology of knowledge discovery in databases.
[Aut.]: Dominik Wachla, Wojciech Moczulski.
-Eng. Appl. Artif. Intell. 2007 vol. 20 iss. 5, s. 699-707, bibliogr. 22 poz.. Impact Factor 0.762

odkrywanie wiedzy ; odkrycie funkcji ; tymczasowy system informatyczny ; Maszyna Wektorów Nośnych ; diagnostyka wsparta modelowo ; model genetyczny

knowledge discovery ; discovery of functions ; temporary information system ; support vector method ; model-based diagnostics ; genetic algorithm

47/52
Nr opisu: 0000039490
Zastosowanie Maszyny Wektorów Podpierających (ang. SVM) do typowania genów różnicujących tkanki zdrowe i patologiczne z wykorzystaniem mikromacierzowych pomiarów ich ekspresjii.
[Aut.]: Ewaryst Tkacz, Paweł Kostka, Dariusz Komorowski, Artur* Gintrowski.
W: Biocybernetyka i inżynieria biomedyczna. XV Krajowa konferencja naukowa, Wrocław, wrzesień 2007. Streszczenia prac konferencyjnych. Instytut Biocybernetyki i Inżynierii Biomedycznej Polskiej Akademii Nauk [i in.]. [Warszawa] : [Stowarzyszenie Inżynierów i Techników Mechaników Polskich. Zarząd Główny], [2007], s. 296, bibliogr. 3 poz.

metoda Blanda-Altmana ; Maszyna Wektorów Nośnych ; SVM ; klasteryzacja

Bland-Altman method ; Support Vector Machine ; SVM ; clusterization

48/52
Nr opisu: 0000024683   
On support vector regression machines with linguistic interpretation of the kernel matrix.
[Aut.]: Jacek Łęski.
-Fuzzy Sets Syst. 2006 vol. 157 iss. 8, s. 1092-1113, bibliogr. 42 poz.. Impact Factor 1.181

Maszyna Wektorów Nośnych ; macierz Kernela ; system rozmyty ; zdolność generalizacji

Support Vector Machine ; Kernel matrix ; fuzzy system ; generalization ability

49/52
Nr opisu: 0000018180   
Application of support vector machines in automatic human face recognition.
[Aut.]: Michał Kawulok.
-J. Med. Informat. Technol. 2005 vol. 9, s. 143-150, bibliogr. 11 poz.

Maszyna Wektorów Nośnych ; rozpoznawanie twarzy ; ekstrakcja cech ; automatyczne rozpoznawanie twarzy

Support Vector Machine ; face detection ; feature extraction ; automatic face recognition

50/52
Nr opisu: 0000016946
Methodology of heuristic modelling of dynamic objects and processes for diagnostics and control.
[Aut.]: Wojciech Moczulski.
W: Methods of artificial intelligence. AI-METH 2005. [Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2005 and the Workshop on Knowledge Acquisition in Mechanical Engineering, Gliwice, Poland, 16-18 November 2005]. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Centre of Excellence AI-METH. Silesian University of Technology, Polish Association for Computational Mechanics. [Gliwice] : Centre of Excellence AI-METH. Silesian University of Technology, 2005, s. 81-82, bibliogr. 7 poz.

modelowanie heurystyczne ; system dynamiczny ; sztuczna sieć neuronowa ; Maszyna Wektorów Nośnych ; wnioskowanie na podstawie przypadków ; wnioskowanie przybliżone

heuristic modelling ; dynamic system ; artificial neural network ; Support Vector Machine ; Case Based Reasoning ; uncertain reasoning

51/52
Nr opisu: 0000017097
Methodology of heuristic modelling of dynamic objects and processes for diagnostics and control.
[Aut.]: Wojciech Moczulski.
W: Recent developments in artificial intelligence methods. AI-METH 2005. Eds: T. Burczyński, W. Cholewa, W. Moczulski. Centre of Excellence AI-METH. Silesian University of Technology, Polish Association for Computational Mechanics. Gliwice : Centre of Excellence AI-METH. Silesian University of Technology, 2005, s. 123-126, bibliogr. 17 poz.
pełny tekst na CD-ROM

modelowanie heurystyczne ; system dynamiczny ; odkrywanie wiedzy ; sztuczna sieć neuronowa ; sieć neuronowo-rozmyta ; Maszyna Wektorów Nośnych ; wnioskowanie na podstawie przypadków

heuristic modelling ; dynamic system ; knowledge discovery ; artificial neural network ; fuzzy neural network ; Support Vector Machine ; case-based reasoning

52/52
Nr opisu: 0000008274   
A note on classification of gene expression data using support vector machines.
[Aut.]: Krzysztof Fujarewicz, M. Kimmel, J. Rzeszowska-Wolny, Andrzej Świerniak.
-J. Biol. Syst. 2003 vol. 11 iss. 1, s. 43-56. Impact Factor 0.614

poziom ekspresji genów ; Maszyna Wektorów Nośnych ; klasyfikacja ; wybór cech ; diagnostyka nowotworów

gene expression data ; Support Vector Machine ; classification ; feature selection ; cancer diagnosis

stosując format:
Nowe wyszukiwanie