Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Machine learning method" wg kryterium: Temat


Wyświetlanie 1-15 z 15
Tytuł:
A foot joint and muscle force assessment of the running stance phase whilst wearing normal shoes and bionic shoes
Autorzy:
Zhou, Huiyu
Xu, Datao
Quan, Wenjing
Ugbolue, Ukadike Chris
Sculthorpe, Nicholas F.
Baker, Julien S.
Gu, Yaodong
Data publikacji:
2022
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
running gait
bionic shoes
muscle force
machine learning method
Pokaż więcej
Źródło:
Acta of Bioengineering and Biomechanics; 2022, 24, 1; 191-202
1509-409X
2450-6303
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
From conventional to machine learning methods for maritime riskassessment
Autorzy:
Rawson, A.
Brito, M.
Sabeur, Z.
Tran-Thanh, L.
Data publikacji:
2021
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
risk assessment
machine learning method
bayesian networks
machine learning algorithms
multicriteria approach
maritime risk
Pokaż więcej
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2021, 15, 3; 757--764
2083-6473
2083-6481
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Improving the credibility of the extracted position from a vast collection of job offers with machine learning ensemble methods
Autorzy:
Drozda, Paweł
Ropiak, Krzysztof
Nowak, Bartosz A.
Talun, Arkadiusz
Osowski, Maciej
Data publikacji:
2023
Wydawca:
Uniwersytet Warmińsko-Mazurski w Olsztynie
Tematy:
machine learning
web scraping
granularity method
classification
Pokaż więcej
Źródło:
Technical Sciences / University of Warmia and Mazury in Olsztyn; 2023, 26(1); 125--140
1505-4675
2083-4527
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of artificial neural networks in predicting voter turnout based on the analysis of demographic data
Autorzy:
Michalak, Piotr
Data publikacji:
2019
Wydawca:
Oddział Kartograficzny Polskiego Towarzystwa Geograficznego
Tematy:
artificial neural networks
voter turnout
machine learning
cartographic research method
Pokaż więcej
Źródło:
Polish Cartographical Review; 2019, 51, 3; 109-116
2450-6974
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An advanced ensemble modeling approach for predicting carbonate reservoir porosity from seismic attributes
Autorzy:
Topór, Tomasz
Sowiżdżał, Krzysztof
Data publikacji:
2023
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
machine learning
model stacking
ensemble method
carbonates
seismic attributes
porosity prediction
Pokaż więcej
Źródło:
Geology, Geophysics and Environment; 2023, 49, 3; 245--260
2299-8004
2353-0790
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine Learning Methods in Algorithmic Trading Strategy Optimization – Design and Time Efficiency
Autorzy:
Ryś, Przemysław
Ślepaczuk, Robert
Data publikacji:
2019-08-09
Wydawca:
Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
Tematy:
Algorithmic trading
investment strategy
machine learning
optimization
differential evolutionary method
cross-validation
overfitting
Pokaż więcej
Źródło:
Central European Economic Journal; 2018, 5, 52; 206 - 229
2543-6821
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cutting force prediction of Ti6Al4V using a machine learning model of SPH orthogonal cutting process simulations
Autorzy:
Klippel, Hagen
Sanchez, Eduardo Gonzalez
Isabel, Margolis
Röthlin, Matthias
Afrasiabi, Mohamadreza
Michal, Kuffa
Wegener, Konrad
Data publikacji:
2022
Wydawca:
Wrocławska Rada Federacji Stowarzyszeń Naukowo-Technicznych
Tematy:
machining
Ti6Al4V
machine learning
SPH
smoothed particle hydrodynamics
meshfree method
Pokaż więcej
Źródło:
Journal of Machine Engineering; 2022, 22, 1; 111-123
1895-7595
2391-8071
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of prototype selection algorithms used in construction of neural networks learned by SVD
Autorzy:
Jankowski, N.
Data publikacji:
2018
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
radial basis function network
extreme learning machine
kernel method
prototype selection
machine learning
k nearest neighbours
radialna funkcja bazowa
metoda jądrowa
uczenie maszynowe
metoda k najbliższych sąsiadów
Pokaż więcej
Źródło:
International Journal of Applied Mathematics and Computer Science; 2018, 28, 4; 719-733
1641-876X
2083-8492
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A rainfall forecasting method using machine learning models and its application to the Fukuoka city case
Autorzy:
Sumi, S. M.
Zaman, M. F.
Hirose, H.
Data publikacji:
2012
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
maszyna ucząca się
metoda wielomodelowa
przetwarzanie wstępne
rainfall forecasting
machine learning
multi model method
preprocessing
model ranking
Pokaż więcej
Źródło:
International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 841-854
1641-876X
2083-8492
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efficient and reliable prediction of dump slope stability in mines using machine learning: an in-depth feature importance analysis
Autorzy:
Singh, Sudhir Kumar
Chakravarty, Debashish
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
kopalnia węgla
odpady kopalniane
zagrożenie geotechniczne
dump slope stability
machine learning
limit equilibrium method
SMOTE
feature Importance
Pokaż więcej
Źródło:
Archives of Mining Sciences; 2023, 68, 4; 685-706
0860-7001
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A fast neural network learning algorithm with approximate singular value decomposition
Autorzy:
Jankowski, Norbert
Linowiecki, Rafał
Data publikacji:
2019
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
Moore–Penrose pseudoinverse
radial basis function network
extreme learning machine
kernel method
machine learning
singular value decomposition
deep extreme learning
principal component analysis
pseudoodwrotność Moore–Penrose
radialna funkcja bazowa
maszyna uczenia ekstremalnego
uczenie maszynowe
analiza składników głównych
Pokaż więcej
Źródło:
International Journal of Applied Mathematics and Computer Science; 2019, 29, 3; 581-594
1641-876X
2083-8492
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of data quoted on the Day-Ahead Market of TGE S.A. using Statistics and Machine Learning Toolbox
Autorzy:
Tchórzewski, Jerzy
Longota, Bartłomiej
Data publikacji:
2022
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
artificial neural network
cluster analysis
Day-Ahead Market
k-means method
Matlab and Simulink environment
Statistics and Machine Learning Toolbox
Ward’s method
Pokaż więcej
Źródło:
Studia Informatica : systems and information technology; 2022, 2(27); 49--74
1731-2264
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Quo Vadis NDT? - A Forecast of the Future
Quo Vadis NDT? – Prognoza przyszłości
Autorzy:
Dobmann, Gerd
Data publikacji:
2020
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
full matrix capture
Total Focusing Method
artificial intelligence
machine learning
additive manufacturing
metoda pełnego ogniskowania
TFM
sztuczna inteligencja
uczenie maszynowe
produkcja przyrostowa
Pokaż więcej
Źródło:
Badania Nieniszczące i Diagnostyka; 2020, 1-4; 6-17
2451-4462
2543-7755
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Precipitation Forecasting in Northern Bangladesh Using a Hybrid Machine Learning Model
Autorzy:
Fabio Di Nunno
Francesco Granata
Quoc Bao Pham
Giovanni de Marinis
Data publikacji:
2022
Słowa kluczowe:
precipitation forecasting
machine learning
M5P
SVR
hybrid model
Northern Bangladesh
tropical monsoon-climate
accuracy assessment
algorithm
forecasting method
monsoon
performance assessment
precipitation (climatology)
precipitation assessment
prediction
sensitivity analysis
support vector machine
Pokaż więcej
Dostawca treści:
Repozytorium Uniwersytetu Śląskiego w Katowicach
Artykuł
    Wyświetlanie 1-15 z 15

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies

    Prześlij opinię

    Twoje opinie są dla nas bardzo ważne i mogą być niezwykle pomocne w pokazaniu nam, gdzie możemy dokonać ulepszeń. Bylibyśmy bardzo wdzięczni za poświęcenie kilku chwil na wypełnienie krótkiego formularza.

    Formularz