Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 4

first rewind previous Page / 1 next fast forward last

Search results

help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1

Feature Selection Methods in Image-Based Screening for the Detection of Hashimoto’s Thyroiditis in First-Contact Hospitals

100%
Omiotek Z., Burda A.
Barometr Regionalny. Analizy i prognozy
|
2016
|
issue 2(44)
187-196
EN
In this paper, results of dimension reduction in feature space for thyroid ultrasound images using the heuristic identification of noisy variables, testing the significance of correlation coefficients and the method of Hellwig index of information capacity, have been compared. The best results were achieved using the Hellwig method. It enabled us to choose only 3 features from a large set of 283 discriminant ones. Classifiers built on the basis of this reduced set of features have the highest classification sensitivity (0,82) and the highest classification specificity (0,83 ) in comparison to other reduced datasets that we used in our research. Results showed that the Hellwig method can be used as an effective process for dimension reduction in feature space in classification of thyroid ultrasound images.
PL
W pracy porównano wyniki redukcji wymiaru przestrzeni cech dla obrazów USG tarczycy, uzyskane za pomocą heurystycznej identyfikacji zmiennych zakłócających (HINoV), testowania istotności współczynników korelacji oraz metody wskaźników pojemności informacyjnej Hellwiga. Najlepsze efekty uzyskano za pomocą metody Hellwiga, która pozwoliła wybrać tylko 3 cechy z pełnego zbioru liczącego 283 cech dyskryminacyjnych. W porównaniu z innymi, zredukowanym zbiorami danych, które wykorzystywane były w badaniach, klasyfikatory zbudowane na podstawie tych trzech cech mają największą wrażliwość (0,82) oraz specyficzność (0,83) klasyfikacji. Badania wykazały, że metoda Hellwiga może być stosowana jako skuteczny sposób zmniejszania wymiaru danych w klasyfikacji obrazów USG tarczycy, mającej na celu rozpoznawanie choroby Hashimoto.
2

Clustering and Visualization of Bankruptcy Patterns Using the Self-Organizing Maps

100%
Burda A., Pancerz K.
Barometr Regionalny. Analizy i prognozy
|
2014
|
issue 3(37)
133-138
EN
Pattern recognition of bankrupt or non-bankrupt enterprises may not only extend or confirm the knowledge in economics, but also deliver to experts, from the standpoint of the decision support, a view of the economic and financial situation of the audited enterprise. Therefore, it may be an effective tool for early warning of the bankruptcy risk of the enterprise. Such a tool is especially important for small and medium enterprises (SMEs) in the underdeveloped regions. The research described in the paper is intended for generation and visualization of the state of SMEs in the Podkarpacie region on the basis of information included in financial reports. A self-organizing map (SOM), often called the Kohonen net, has been used in the unsupervised modelling mode. Results of research show a high potential of the method to the stated objectives and the simplicity of the representation of knowledge transferred to entrepreneurs and financial analysts.
PL
Rozpoznawanie wzorców przedsiębiorstw w stanie bankrupt lub non-bankrupt, może nie tylko poszerzyć lub potwierdzić wiedzę z dziedziny ekonomii, ale również z punktu widzenia wspomagania decyzji, może dać ekspertom pogląd na stan ekonomiczno-finansowy audytowanego przedsiębiorstwa. A zatem, może stanowić skuteczne narzędzie wczesnego ostrzegania przedsiębiorstwa przed bankructwem. Narzędzie takie jest szczególnie istotne dla małych i średnich przedsiębiorstw (SME) w regionach słabo zurbanizowanych. Przeprowadzone i opisane w tym artykule badania miały na celu wygenerowanie i wizualizację stanu SME w regionie podkarpackim na podstawie informacji zawartych w sprawozdaniu finansowym. Do modelowania w trybie klasyfikacji bezwzorcowej użyto sieć Kohonena (SOM). Wyniki badań pokazały duże możliwości zastosowanej metody do wskazanych celów oraz prostotę reprezentacji wiedzy przekazywanej przedsiębiorcom i analitykom finansowym.
3

rofileSEEKER – system informatyczny wczesnego ostrzegania małych i średnich przedsiębiorstw przed bankructwem

81%
Burda A., Cudek P., Hippe Z. S.
Barometr Regionalny. Analizy i prognozy
|
2012
|
issue 3(29)
99-105
EN
This paper presents the construction of the ProfileSEEKER – the information system for early warning small and medium-sized enterprises from bankruptcy. The developed system is a set of five classifiers, using a variety of topologies of artificial neural net-works and Bayes belief network, supported by supervised machine learning methods. System performance was evaluated using the original validation, called queue validation procedure.
4

Modelling and Forecasting Cash Withdrawals in the Bank

81%
Bielak J., Burda A., Kowerski M., Pancerz K.
Barometr Regionalny. Analizy i prognozy
|
2015
|
issue 4(42)
165-177
EN
The goal of the paper is searching for the optimal forecasting model estimating the amount of cash withdrawn daily by the customers of one of the Polish banks by means of statistical and machine learning methods. The methodology of model creation and assessment criteria are significantly different for the models considered in the paper — i.e., for ARMAX and MLP. However, the comparison of forecasts generated by both models seems to be useful. Variables and attributes reflecting the calendar effects, used in both models, in case of obtained errors of forecasts less than 20%, showed a significant, non-linear influence of this type of predictors on the amount of the daily cash withdrawals at the bank, and hence on the amount of the daily declared cash limit.
PL
Prezentowane badania są próbą poszukiwania optymalnego modelu prognostycznego do oszacowania dziennej ilości gotówki pobieranej przez klientów jednego z polskich banków za pomocą metod statystycznych oraz metod uczenia maszynowego. Metodologia tworzenia modelu i kryteria oceny znacząco różnią się dla zastosowanych i opisanych w artykule modeli (ARMAX i MLP). Z tego powodu porównanie prognoz generowanych przez oba modele wydaje się być szczególnie interesujące i przydatne. Zmienne i atrybuty odzwierciedlające efekty kalendarzowe, użyte w obu modelach, w przypadku uzyskanych błędów prognoz poniżej 20%, wykazały znaczny, nieliniowy wpływ tego typu czynników predykcyjnych na wysokość dziennych wypłat gotówki, a więc pośrednio na wielkość limitu dziennego stanu gotówki w banku.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.