Search
Filters
total: 126
Best results in : Research Potential Pokaż wszystkie wyniki (97)
Search results for: EXPLAINABLE MACHINE LEARNING
-
Katedra Automatyki i Energetyki
Research PotentialMikroprocesorowe urządzenia pomiarowo-rejestrujące i systemy monitorowania wykorzystujące technologie sieciowe, systemy sterowania urządzeniami i procesami technologicznymi. Systemy sterowania w obiektach energetyki odnawialnej, skupionych i rozproszonych. Modelowanie i symulacja obiektów dynamicznych, procesów oraz systemów sterowania i kontroli; projektowanie interfejsów operatorskich. Systemy elektroenergetyczne i automatyki...
-
Katedra Elektrotechniki, Systemów Sterowania i Informatyki
Research PotentialW Katedrze Elektrotechniki, Systemów Sterowania i Informatyki prowadzone są badania w tematyce podstaw elektrotechniki, zaawansowanych systemów sterowania, prototypowania dedykowanych rozwiązań sprzętowych w FPGA. Prowadzone badania skupiają się również na wykorzystaniu zaawansowanych technik analizy komputerowej w systemach sterowania oraz elektrotechniki.
-
Architektura Systemów Komputerowych
Research PotentialGłówną tematyką badawczą podejmowaną w Katedrze jest rozwój architektury aplikacji i systemów komputerowych, w szczególności aplikacji i systemów równoległych i rozproszonych. "Architecture starts when you carefully put two bricks together" - stwierdza niemiecki architekt Ludwig Mies von der Rohe. W przypadku systemów komputerowych dotyczy to nie cegieł, a modułów sprzętowych lub programowych. Przez architekturę systemu komputerowego...
Best results in : Business Offer Pokaż wszystkie wyniki (29)
Search results for: EXPLAINABLE MACHINE LEARNING
-
Laboratorium Badawcze 2-3
Business OfferObliczenia komputerowe wymagające dużych mocy obliczeniowych z wykorzystaniem oprogramowania typu: Matlab, Tomlab, Gams, Apros.
-
Brain and Mind Electrophysiology lab
Business OfferNeurofizjologia pamięci i funkcji poznawczych mózgu
-
Laboratorium Innowacyjnych Zastosowań Informatyki
Business OfferBadania nad użytecznością i jakością oprogramowania w różnych zastosowaniach, w szczególności rozpoznawanie emocji użytkowników komputerów oraz badanie użyteczności oprogramowania i doświadczenia użytkownika aplikacji.
Other results Pokaż wszystkie wyniki (1979)
Search results for: EXPLAINABLE MACHINE LEARNING
-
Explainable machine learning for diffraction patterns
PublicationSerial crystallography experiments at X-ray free-electron laser facilities produce massive amounts of data but only a fraction of these data are useful for downstream analysis. Thus, it is essential to differentiate between acceptable and unacceptable data, generally known as ‘hit’ and ‘miss’, respectively. Image classification methods from artificial intelligence, or more specifically convolutional neural networks (CNNs), classify...
-
Improving the prediction of biochar production from various biomass sources through the implementation of eXplainable machine learning approaches
PublicationExamining the game-changing possibilities of explainable machine learning techniques, this study explores the fast-growing area of biochar production prediction. The paper demonstrates how recent advances in sensitivity analysis methodology, optimization of training hyperparameters, and state-of-the-art ensemble techniques have greatly simplified and enhanced the forecasting of biochar output and composition from various biomass...
-
Forecasting energy consumption and carbon dioxide emission of Vietnam by prognostic models based on explainable machine learning and time series
PublicationThis study assessed the usefulness of algorithms in estimating energy consumption and carbon dioxide emissions in Viet- nam, in which the training dataset was used to train the models linear regression, random forest, XGBoost, and AdaBoost, allowing them to comprehend the patterns and relationships between population, GDP, and carbon dioxide emissions, energy consumption. The results revealed that random forest, XGBoost, and AdaBoost...
-
MACHINE LEARNING
Journals -
Speech Analytics Based on Machine Learning
PublicationIn this chapter, the process of speech data preparation for machine learning is discussed in detail. Examples of speech analytics methods applied to phonemes and allophones are shown. Further, an approach to automatic phoneme recognition involving optimized parametrization and a classifier belonging to machine learning algorithms is discussed. Feature vectors are built on the basis of descriptors coming from the music information...