Wynik wyszukiwania
Zapytanie: DATA MINING
Liczba odnalezionych rekordów: 12



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/12
Nr opisu: 0000128532   
Recognition of American sign language gestures in a virtual reality using leap motion.
[Aut.]: A. Vaitkevicius, M. Taroza, T. Blazauskas, R. Damasevicius, R. Maskeliunas, Marcin Woźniak.
-Appl. Sci. 2019 vol. 9 iss. 3, art. no. 445 s. 1-16, bibliogr. 50 poz.. Impact Factor 1.689. Punktacja MNiSW 25.000

rozpoznawanie gestów ; uczenie maszynowe ; data mining ; rozpoznawanie wzorców ; rzeczywistość wirtualna ; Leap Motion

gesture recognition ; machine learning ; data mining ; pattern recognition ; virtual reality ; Leap Motion

2/12
Nr opisu: 0000120480
Advances in feature selection for data and pattern recognition: an introduction.
[Aut.]: Urszula Stańczyk, B. Zielosko, L. C. Jain.
W: Advances in feature selection for data and pattern recognition. Eds. Urszula Stańczyk, Beata Zielosko, Lakhmi C. Jain. Cham : Springer International Publishing, 2018, s. 1-9, bibliogr. 37 poz. (Intelligent Systems Reference Library ; vol. 138 1868-4394)

selekcja cech ; rozpoznawanie wzorców ; data mining

feature selection ; pattern recognition ; data mining

3/12
Nr opisu: 0000114964   
Typowanie zmiennych objaśniających przy wykorzystaniu zautomatyzowanych metod satystycznych jako sposób optmalizacji wyboru metody estymacji szczytowego dobowego obciążenia KSE.
[Aut.]: R. Czapaj-Atłasa, Piotr Rzepka, Mateusz Szablicki.
-Prz. Elektrot. 2017 R. 93 nr 4, s. 58-61, bibliogr. 17 poz.. Punktacja MNiSW 14.000

szczytowe obciążenie dobowe ; zmienne objaśniające meteorologiczne ; data mining ; miernik ex-post

daily peak demand ; explicatory variables ; data mining ; ex-post indicator

4/12
Nr opisu: 0000105761
Typowanie zmiennych objaśniających przy wykorzystaniu zautomatyzowanych metod statystycznych jako sposób optymalizacji wyboru metody estymacji szczytowego dobowego obciążenia KSE.
[Aut.]: R. Czapaj-Atłas, Piotr Rzepka, Mateusz Szablicki.
W: Forecasting in electric power engineering. PE 2016. Abstracts of 13th international scientific conference, Podlesice, 6th-8th April 2016. [Dokument elektroniczny]. Faculty of Electrical Engineering Czestochowa University of Technology, Polish Society of Theoretical and Applied Electrical Engineering (PTETiS) Czestochowa Branch. [B.m.] : [b.w.], 2016, dysk optyczny (CD-ROM) s. 1

metody statystyczne ; data mining ; Krajowy System Elektroenergetyczny ; szczytowe obciążenie dobowe

statistical methods ; data mining ; Polish Power System ; daily peak demand

5/12
Nr opisu: 0000072109   
Choosing a persistent storage for data mining task.
[Aut.]: Paweł Kasprowski.
-Stud. Informat. 2012 vol. 33 nr 2B, s. 509-520, bibliogr. 27 poz.. Punktacja MNiSW 4.000

data mining ; przechowywanie danych ; nierelacyjna baza danych

data mining ; persistent storage ; non-relational databases

6/12
Nr opisu: 0000076516   
The concept of using data mining methods for creating efficiency and reliability model of middleware applications.
[Aut.]: Kamil* Folkert, Michał* Bochenek, Łukasz* Huczała.
W: Computer networks. CN 2012. 19th Conference, Szczyrk, Poland, June 19-23, 2012. Proceedings. Eds. Andrzej Kwiecień, Piotr Gaj, Piotr Stera. Berlin : Springer-Verlag, 2012, s. 55-62, bibliogr. 17 poz. (Communications in Computer and Information Science ; 291 1865-0929)

data mining ; wydajność ; wysoka dostępność ; architektura korporacyjna

data mining ; performance ; high availability ; enterprise architecture

7/12
Nr opisu: 0000071599   
Approximation of a coal mass by an ultrasonic sensor using regression rules.
[Aut.]: Marek Sikora, Marcin Michalak, Beata Sikora.
W: Pattern recognition and machine intelligence. PReMI 2011. 4th International conference, Moscow, Russia, June 27 - July 1, 2011. Proceedings. Eds: S. O. Kuznetsov [et al.]. Berlin : Springer, 2011, s. 345-350, bibliogr. 9 poz. (Lecture Notes in Computer Science ; vol. 6744 0302-9743)

data mining ; reguły regresji ; aproksymacja wagi węgla

data mining ; regression rules ; coal weight approximation

8/12
Nr opisu: 0000071579   
Generating and postprocessing of biclusters from discrete value matrices.
[Aut.]: Marcin Michalak, Magdalena* Stawarz.
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. 103-112, bibliogr. 18 poz. (Lecture Notes in Computer Science ; vol. 6922 Lecture Notes in Artificial Intelligence ; 0302-9743)

uczenie maszynowe ; data mining ; biklastering ; postprocessing

machine learning ; data mining ; biclustering ; postprocessing

9/12
Nr opisu: 0000056704   
Class prediction and pattern discovery in microarray data. Artificial intelligence and algebraic methods.
[Aut.]: Andrzej Świerniak, Krzysztof Fujarewicz, Krzysztof Simek, M. Świerniak.
W: First Asian Conference on Intelligent Information and Database Systems. ACIIDS 2009, Dong Hoi, Vietnam, 1-3 April 2009. Ed. Ngoc Thanh Nguyen, Huynh Phan Nguyen, Adam Grzech. Piscataway : Institute of Electrical and Electronics Engineers, 2009, s. 57-60, bibliogr. 16 poz.

techniki inteligentne ; bioinformatyka ; DNA ; mikromacierz ; data mining

intelligent techniques ; bioinformatics ; DNA ; microarray ; data mining

10/12
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

11/12
Nr opisu: 0000042881
Grupowanie w podprzestrzeniach w zastosowaniu do analizy danych pochodzących z mikromacierzy DNA.
[Aut.]: A. Bruckner, Katarzyna Stąpor.
W: Bazy danych. Rozwój metod i technologii. Praca zbiorowa. [T. 1]: Architektura, metody formalne i zaawansowana analiza danych. Pod red. Stanisława Kozielskiego, Bożeny Małysiak, Pawła Kasprowskiego, Dariusza Mrozka. Warszawa : Wydaw. Komunikacji i Łączności, 2008, s. 391-399, bibliogr. 12 poz.

DNA ; grupowanie danych ; analiza danych ; data mining ; algorytm grupowania

DNA ; data clustering ; data analysis ; data mining ; clustering algorithm

12/12
Nr opisu: 0000032802
Laboratorium hurtowni danych poziomu MS SQL Server 2005.
[Aut.]: Marcin Gorawski.
W: Metody i narzędzia wytwarzania oprogramowania. Konferencja naukowa, Szklarska Poręba, 14-16 maja 2007 r.. Pod red. B. Hnatkowskiej, Z. Huzara. Wrocław : Oficyna Wydaw. Politechniki Wrocławskiej, 2007, s. 583-596

hurtownia danych ; ETL ; OLAP ; MDX ; data mining

data warehouse ; ETL ; OLAP ; MDX ; data mining

stosując format:
Nowe wyszukiwanie