Wynik wyszukiwania
Zapytanie: SYSTEM NEURONOWO-ROZMYTY
Liczba odnalezionych rekordów: 31



Przejście do opcji zmiany formatu | Wyświetlenie wyników w wersji do druku | Pobranie pliku do edytora | Przesłanie wyników do modułu analizy | excel | Nowe wyszukiwanie
1/31
Nr opisu: 0000129014   
Forecasting of methane hazard state in the exploitation wall using neural-fuzzy system.
[Aut.]: D. Felka, Jarosław Brodny.
W: Mechatronics 2017 - Ideas for industrial applications. Eds.: Jerzy Świder, Sławomir Kciuk, Maciej Trojnacki. Berlin : Springer International Publishing, 2019, s. 119-133, bibliogr. 22 poz. (Advances in Intelligent Systems and Computing ; vol. 934 2194-5357)

system mechatroniczny ; zagrożenie metanowe ; system neuronowo-rozmyty ; prognozowanie

mechatronic system ; methane hazard ; neural-fuzzy system ; forecasting

2/31
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++

3/31
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

4/31
Nr opisu: 0000118324
Forecasting of methane hazard state in the exploitation wall using neural-fuzzy system.
[Aut.]: D. Felka, Jarosław Brodny.
W: 4th International Conference Mechatronics: Ideas for Industrial Applications, September 13th - 15th, 2017, Gliwice, Wisła-Jawornik, Poland,. Programme of the conference. The Silesian University of Technology, The Faculty of Mechanical Engineering of the Silesian University of Technology, The Committee of Machine Building of the Polish Academy of Sciences, The Polish Society for Theoretical and Applied Mechanics. Gliwice : Politechnika Śląska. Wydział Mechaniczny Technologiczny. Katedra Mechaniki Stosowanej, 2017, s. 42-43

system mechatroniczny ; zagrożenie metanowe ; system neuronowo-rozmyty ; prognozowanie

mechatronic system ; methane hazard ; neural-fuzzy system ; forecasting

5/31
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

6/31
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

7/31
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

8/31
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

9/31
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

10/31
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

11/31
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

12/31
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

13/31
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

14/31
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

15/31
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

16/31
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

17/31
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

18/31
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

19/31
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

20/31
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

21/31
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

22/31
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

23/31
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

24/31
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

25/31
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

26/31
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

27/31
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

28/31
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

29/31
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

30/31
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

31/31
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