Filtry
wszystkich: 3
Najlepsze wyniki w katalogu: Potencjał Badawczy Pokaż wszystkie wyniki (3)
Wyniki wyszukiwania dla: LST
-
Zespół Systemów Geoinformatycznych
Potencjał BadawczyW katedrze prowadzone są badania naukowe w zakresie szeroko rozumianych Systemów Informacji Geograficznej (GIS). Tematyka badań obejmuje zastosowanie GIS w technologiach bezpieczeństwa, wizualizacje i analizy przestrzenne, systemy numerycznego prognozowania pogody, technologie nawigacji w ramach mobilnych systemów informacji przestrzennej, oraz zaawansowane techniki obrazowania satelitarnego. Katedra kontynuuje również badania...
-
Katedra Geotechniki, Geologii i Budownictwa Morskiego
Potencjał Badawczy* badania teoretyczne i doświadczalne oraz analizy numeryczne w Mechanice Gruntów; * badania laboratoryjne i polowe gruntów; * metody wzmacniania podłoża gruntowego; * “zieloną geotechnikę” z zastosowaniem ekologicznych materiałów, technologii i zagospodarowaniem produktów ubocznych; * badania teoretyczne, doświadczalne oraz zagadnienia praktyczne fundamentowania w odniesieniu do fundamentów bezpośrednich i głębokich, tunelowania,...
-
Zespół Katedry Wytrzymałości Materiałów
Potencjał BadawczyKatedra zajmuje się zagadnieniami związanymi z wytrzymałością elementów konstrukcji, ich teorią oraz analizą, jak również do myśli przewodnich należy zaliczyć materiałowe badania doświadczalne oraz prace nad technologią betonu. Współpracujemy z przemysłem z branż budowlanych i okołobudowlanych, wykorzystując wypracowane doświadczenie i wiedzę z zakresu materiałów konstrukcyjnych i budowlanych.
Pozostałe wyniki Pokaż wszystkie wyniki (27)
Wyniki wyszukiwania dla: LST
-
ARIMA vs LSTM on NASDAQ stock exchange data
PublikacjaThis study compares the results of two completely different models: statistical one (ARIMA) and deep learning one (LSTM) based on a chosen set of NASDAQ data. Both models are used to predict daily or monthly average prices of chosen companies listed on the NASDAQ stock exchange. Research shows which model performs better in terms of the chosen input data, parameters and number of features. The chosen models were compared using...
-
LSTM-based method for LOS/NLOS identification in an indoor environment
PublikacjaDue to the multipath propagation, harsh indoor environment significantly impacts transmitted signals which may adversely affect the quality of the radiocommunication services, with focus on the real-time ones. This negative effect may be significantly reduced (e.g. resources management and allocation) or compensated (e.g. correction of position estimation in radiolocalisation) by the LOS/NLOS identification algorithm. This paper...
-
Balanced Spider Monkey Optimization with Bi-LSTM for Sustainable Air Quality Prediction
PublikacjaA reliable air quality prediction model is required for pollution control, human health monitoring, and sustainability. The existing air quality prediction models lack efficiency due to overfitting in prediction model and local optima trap in feature selection. This study proposes the Balanced Spider Monkey Optimization (BSMO) technique for effective feature selection to overcome the local optima trap and overfitting problems....
-
Using LSTM networks to predict engine condition on large scale data processing framework
Publikacja -
OOA-modified Bi-LSTM network: An effective intrusion detection framework for IoT systems
PublikacjaCurrently, the Internet of Things (IoT) generates a huge amount of traffic data in communication and information technology. The diversification and integration of IoT applications and terminals make IoT vulnerable to intrusion attacks. Therefore, it is necessary to develop an efficient Intrusion Detection System (IDS) that guarantees the reliability, integrity, and security of IoT systems. The detection of intrusion is considered...