Wyniki 1-10 spośród 10 dla zapytania: authorDesc:"Krzysztof SIWEK"

Graphical analysis of load pattern in Polish Power System using PCA and Kohonen map

Czytaj za darmo! »

This work presents the graphical analysis of the load patterns of the Polish Power System by using two kinds of multidimensional decompositions - statistical PCA and the neural Kohonen map. Presented results of analysis can be directly used to the construction of the prediction model of the electroenergetic load in both short and long time perspectives. Streszczenie. Praca przedstawia dogłębną analizę obciążeń Polskiego Systemu Elektroenergetycznego przy użyciu dwóch rodzajów dekompozycji wielowymiarowych - statystycznej PCA i neuronowej - mapy Kohonena. Przedstawione wyniki można użyć bezpośrednio do zbudowania systemu predykcji obciążeń elektroenergetycznych - zarówno krótko jak i długoterminowej. (Graficzna analiza obciążeń Polskiego Systemu Elektroenergetycznego przy pomocy PCA i[...]

Electrical power forecasting for small energetic railway region using SVM

Czytaj za darmo! »

The paper presents the Support Vector Machine (SVM) approach to the short term (24 hours ahead) load forecasting for small energetic region serving the railway system. The main problem in such forecasting is large diversity of load demand, changing from hour to hour. The proposed solution applies 24 SVM networks responsible for prediction of the load demand for each hour of the day. The results [...]

Prognozowanie obciążeń 24-godzinnych w systemie elektroenergetycznym z użyciem zespołu sieci neuronowych

Czytaj za darmo! »

Streszczenie. Praca przedstawia zastosowanie zespołu sieci neuronowych w prognozowaniu zapotrzebowania 24-godzinnego na energię elektryczną w systemie elektroenergetycznym. Autorzy proponują zastosowanie wielu predyktorów neuronowych działających równolegle na tych samych danych wejściowych. Prognozy poszczególnych sieci są integrowane w jedną prognozę szeregu 24 wartości odpowiadających 24 godzinom doby z wyprzedzeniem jednodniowym. Zaproponowano i przebadano dwa różne warianty metod integracji porównując wyniki z prognozami wykonanymi przy zastosowaniu pojedynczego predyktora. Abstract. The paper presents the ensemble of neural network predictors to forecast the 24-hour load pattern for the next day in the power system. Four different structures of neural networks have been applied[...]

Deep neural networks and classical approach to face recognition - comparative analysis DOI:10.15199/48.2018.04.01

Czytaj za darmo! »

The problem of face recognition is an important subject in image processing, since it has found large application in different solutions of safety systems. Two different forms of image acquisition have been most often used in practice: the visual (V) and infrared (IR) imagery. The visual cameras react on electromagnetic energy in the visible spectrum range from 0.4μm to 0.7μm, while sensors in the IR system respond to thermal radiation in the spectrum ranges from 0.7μm to 14μm. Moreover, the light in thermal IR cameras is emitted rather than reflected. The most important advantage of IR camera is its independence on illumination environment. The face detection, location and segmentation at varying lighting conditions are relatively easier than these in visual images [3,8,11]. However, there are also some disadvantages, such as loosing some details of the face, sensitivity to presence or absence of glasses, etc. Irrespective of the acquisition method of the face images the most important point in recognition is the applied solution of the classification system. Traditional approach to this problem relies on characterization of the image by the set of numerical descriptors representing the input attributes to the classifier. These descriptors may be based on different principles. However, the most often used are the linear or nonlinear transformation techniques, like principal component analysis (PCA), kernel PCA (KPCA) and the stochastic neighbor embedding with a Student distribution (tSNE) [7], found as very useful tools in image preprocessing. This paper will deal with application of deep learning strategy in image recognition. We have applied convolutional neural networks (CNN) regarded now as the most efficient tool in image processing [2,4]. CNN is a multilayer feedforward neural structure responsible for simultaneous generation of diagnostic features and classification. The first few locally connec[...]

Trend elimination of time series of 24-hour load demand in the power system and its application in power forecasting

Czytaj za darmo! »

The paper is concerned with the elimination of different trends existing in the time series representing the hourly power consumption in the power system of small size. Analysing the hourly need for the power in such system we can observe significant trends associated with the season of the year, type of the day, as well as the particular hour of the day. At prediction task the variability of the time series is of great importance. The lower is this variability the better is the accuracy of prediction. In the paper we will present the method of reducing this variability by removing such trends. The elimination of trends is performed in few phases. The first step is to determine the index corresponding to the regular jth day of the weak for j = 1, 2, …, 7 and also type of such day. After this first step of detrending of the time series we follow the second and third aiming at removing the trend corresponding to the particular hour h of the day (h=1, 2, …, 24) and then the seasonality trend, characterizing the succeeding day of the year (d=1, 2, …, 365). All detrending operations are done by using the appropriately defined indexes. After application of all these steps we get the final detrended time series corresponding to all days under consideration (d=1, 2, …, p). The detrended time series is of much lower variance than the original one. This means the significant simplification of the forecasting problem and increase of probability of achieving better accuracy of forecasting results. The experiments of prediction of such detrended time series for small power region of Łódz performed using two types of neural predictors (MLP and SVM) have proved the superiority of such approach. Streszczenie. Praca dotyczy usuwania różnego rodzaju trendów występujących w szeregu czasowym odpowiadającym obciążeniom godzinnym w systemie elektroenergetycznym. Zwykły szereg czasowy charakteryzujący pobór mocy, zwłaszcza w małym systemie el[...]

Face Recognition in Visible and Infra-Red Imagery - Comparison of Methods DOI:10.15199/48.2015.07.08

Czytaj za darmo! »

The paper is concerned with the recognition of faces represented by the visible and infra-red images. Different methods of image feature generation at application of different classifiers will be studied and compared for both types of face imagery. The investigated approaches include the linear and nonlinear methods of transformation: principal component analysis (PCA), Kernel PCA, Sammon transformation and stochastic neighbor embedding with t-distribution (tSNE). The representation of the image in the form of limited number of main components of transformation is applied to the input of support vector machine classifier and random forest. The numerical results of experiments will be presented and discussed. Streszczenie. Praca przedstawia porównanie metod rozpoznawania twarzy na podstawie dwu rodzajów obrazów: widzialnego oraz w podczerwieni. Zbadano kilka metod przetwarzania obrazu w cechy diagnostyczne: metodę opartą na PCA, nieliniową metodę KPCA, odwzorowanie Sammona oraz transformację stochastyczną tSNE. Każda z tych metod generuje inny zestaw cech diagnostycznych użytych jako atrybuty wejściowe dla klasyfikatora. W pracy zastosowano zespół klasyfikatorów stosujących sieć SVM oraz las losowy Breimana . Przedstawiono wyniki rozpoznania każdego z tych klasyfikatorów współpracujących z odpowiednim zestawem atrybutów wejściowych oraz wynik fuzji poszczególnych rezultatów. Jako jednostkę integrującą zespół zastosowano las drzew losowych. Wyniki pokazują, że zastosowanie wielu metod przetwarzania obrazu w cechy diagnostyczne i równoległego obrazowania twarzy w postaci widzialnej i w podczerwieni pozwala zwiększyć efektywność rozpoznania o około 30%.(Rozpoznawanie twarzy w podczerwieni i w świetle widzialnym - porównanie metod). Słowa kluczowe: obrazy widzialne i w podczerwieni, rozpoznawanie twarzy, transformacje danych, klasyfikacja. Keywords: visible and infra-red imagery, face recognition, transformation of data, classification Introducti[...]

Multistage filtration via blind signal separation for prediction improvement

Czytaj za darmo! »

In this paper we present a new method for prediction result improvement when many models are tested. In the multivariate variable of models results we identify the latent components with constructive and destructive impact on prediction results. The filtration of those destructive components by blind signal separation methods leads to improvement of final prediction. The basis filtration step ca[...]

ICA method and RBF neural network for prediction improvement

Czytaj za darmo! »

In this paper we present a novel method for integration the prediction results by finding common latent components via independent component analysis. The latent components can have constructive or destructive influence on particular prediction results. After the elimination of the deconstructive signals we rebuilt the improved predictions using RBF neural networks. We check the method validity [...]

Analysis of medical data using dimensionality reduction techniques

Czytaj za darmo! »

The paper presents the application of dimensionality reduction methods for representation of the multidimensional medical data representing the images of the blood cells in leukemia. Different techniques of reduction belonging to linear and nonlinear methods will be applied and their efficiency compared. Their application to the visualization of different classes as well as clusterization and classification of data will be studied and discussed in the paper. Streszczenie Praca przedstawia zastosowanie różnych metod redukcji wymiaru danych w reprezentacji numerycznej deskryptorów charakteryzujących klasy komórek krwiotwórczych w białaczce. Porównane zostaną różne podejścia do redukcji oparte na metodach liniowych i nieliniowych transformacji. W szczególności analizie poddane zostaną możliwości zastosowania tych metod w wizualizacji danych jak również klasteryzacji i klasyfikacji. W pracy pokazane zostaną wyniki przeprowadzonych eksperymentów dotyczących 11 klas komórek. (Analiza wielowymiarowych danych medycznych z użyciem wybranych technik redukcji wymiarów) Keywords: multidimensional reduction techniques, data visualization, data clustering and classification. Słowa kluczowe: techniki redukcji wielowymiarowej, wizualizacja danych wielowymiarowych, grupowanie i klasyfikacja danych. Introduction Medical data usually contains very large amount of information hidden in the form of either images or signals. To uncover the kernel of this information we have to apply specialized tools allowing to detect the piece of information we actually need. The first step of such processing is the analysis of data usually associated with the optimal reduction of their size [2]. This step involves the reduction of either dimension of the observation vectors or representation of them by smaller representative population. In this paper we apply both forms of reduction of medical data concerning the blood cell analysis. In the first step we reduce the di[...]

 Strona 1