Search results

1

Classification of Open-End Investment Funds Using Artificial Neural Networks. The Case of Polish Equity Funds

100%

Perez K., Szczyt M.

Central European Economic Journal

|

2021

|

vol. 8

|

issue 55

269-284

EN

In this study we utilise artificial neural networks to classify equity investment funds according to two fundamental risk measures-standard deviation and beta ratio-and to investigate the fund characteristics essential to this classification. Based on a sample of 4,645 monthly observations on 37 equity funds from the largest fund families registered in Poland from December 1995 to March 2018, we allocated funds to one of the classes generated using Multilayer Perceptron (MLP) and Radial Basis Function (RBF). The results of the study confirm the legitimacy of using machine learning as a tool for classifying equity investment funds, though standard deviation turned out to be a better classifier than the beta ratio. In addition to the level of investment risk, the fund classification can be supported by the fund distribution channel, the fund name, age, and size, as well as the current economic situation. We find historical returns (apart from the last-month return) and the net cash flows of the fund to be insignificant for the fund classification.

2

Exchange Rates: Predictable but not Explainable? Data Mining with Leading Indicators and Technical Trading Rules

100%

Brandl B., Department of Government U. o. V.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2005

|

vol. 192

EN

This paper presents a data mining approach to forecasting exchange rates. It is assumed that exchange rates are determined by both fundamental and technical factors. The balance of fundamental and technical factors varies for each exchange rate and frequency. It is difficult for forecasters to establish the relative relevance of different kinds of factors given this mixture; therefore the utilization of data mining algorithms is advantageous. The approach applied uses a genetic algorithm and neural networks. Out-of-sample forecasting results are illustrated for five exchange rates on different frequencies and it is shown that data mining is able to produce forecasts that perform well.

PL

W artykule przedstawiono proces eksploracji danych statystycznych w prognozowaniu kursów walutowych. Zakładamy, że kursy walutowe pozostają pod wpływem zarówno czynników o charakterze fundamentalnym, jak i czynników pozaekonomicznych. Równowaga pomiędzy tymi czynnikami różni się w zależności od rodzaju kursu walutowego i częstotliwości jego pomiaru. Prognostykom trudno jest ustalić względną siłę wpływu różnych czynników, stąd analiza polegająca na eksploracji danych ma określone zalety. W proponowanym podejściu wykorzystano algorytmy genetyczne i sztuczne sieci neuronowe. Przedstawiliśmy wyniki eksperymentów prognostycznych poza próbą statystyczną w odniesieniu do pięciu kursów walutowych, obserwowanych z różną częstotliwością. Pokazaliśmy, że metoda eksploracji danych może stanowić skuteczne narzędzie prognostyczne.

3

Methods of Estimating Waste Accumulation Rate in Rural Areas of the Lubelskie Voivodship

88%

Szul T., Nęcka K.

Barometr Regionalny. Analizy i prognozy

|

2016

|

issue 2(44)

165-171

EN

The study compared the effectiveness of the rough set theory and artificial neural networks with respect to predicting the rate of waste mass accumulation for recipients in the areas of rural municipalities. Simulations were performed for two variants of input variables. The first of them used all economic, infrastructure and economic indicators as independent variables. The second case was limited only to those whose correlation with the class label attribute exceeded 0,2 and they included: population density, percentage of buildings in the municipality covered by the collection system, the rate of income, and agricultural area. The analysis showed that rough sets’ models generate comparable-quality forecasts of mass waste accumulation rate for rural municipalities, such as artificial neural networks. The developed models are characterized by a high forecast error of about 20%–27%. Further research is needed towards finding effective methods or other conditional attributes that describe the rate of mass accumulation of waste in the areas of rural municipalities.

PL

W pracy porównywano efektywność teorii zbiorów przybliżonych i sztucznych sieci neuronowych do prognozowania wskaźnika masowego nagromadzenia odpadów dla odbiorców na terenach gmin wiejskich. Symulacje wykonywano dla dwóch wariantów zmiennych wejściowych. W pierwszym z nich jako zmienne niezależne wykorzystano wszystkie zgromadzone wskaźniki ekonomiczne, infrastrukturalne i gospodarcze. W drugim natomiast ograniczono się tylko do tych, których korelacja z atrybutem decyzyjnym była powyżej 0,2 a były to: gęstość zaludnienia, procent budynków w gminie objętych systemem zbiórki, wskaźnik dochodu, powierzchnię użytków rolnych. Wykonane analizy pokazały, że modele zbiorów przybliżonych generują porównywalnej jakości prognozy wskaźnika masowego nagromadzenia odpadów dla gmin wiejskich jak sztuczne sieci neuronowe. Opracowane modele charakteryzowały się wysokim błędem prognozy na poziomie około 20–27%. Konieczne są więc dalsze badania w kierunku poszukiwania efektywniejszych metod lub innych atrybutów warunkowych opisujących wskaźnik masowego nagromadzenia odpadów na terenach gmin wiejskich.

4

Implementing artificial intelligence in forecasting the risk of personal bankruptcies in Poland and Taiwan

88%

Korol T., Fotiadis A. K.

Oeconomia Copernicana

|

2022

|

vol. 13

|

issue 2

407-438

EN

Research background: The global financial crisis from 2007 to 2012, the COVID-19 pandemic, and the current war in Ukraine have dramatically increased the risk of consumer bankruptcies worldwide. All three crises negatively impact the financial situation of households due to increased interest rates, inflation rates, volatile exchange rates, and other significant macroeconomic factors. Financial difficulties may arise when the private person is unable to maintain a habitual standard of living. This means that anyone can become financially vulnerable regardless of wealth or education level. Therefore, forecasting consumer bankruptcy risk has received increasing scientific and public attention. Purpose of the article: This study proposes artificial intelligence solutions to address the increased importance of the personal bankruptcy phenomenon and the growing need for reliable forecasting models. The objective of this paper is to develop six models for forecasting personal bankruptcies in Poland and Taiwan with the use of three soft-computing techniques. Methods: Six models were developed to forecast the risk of insolvency: three for Polish households and three for Taiwanese consumers, using fuzzy sets, genetic algorithms, and artificial neural networks. This research relied on four samples. Two were learning samples (one for each country), and two were testing samples, also one for each country separately. Both testing samples contain 500 bankrupt and 500 nonbankrupt households, while each learning sample consists of 100 insolvent and 100 solvent natural persons. Findings & value added: This study presents a solution for effective bankruptcy risk forecasting by implementing both highly effective and usable methods and proposes a new type of ratios that combine the evaluated consumers? financial and demographic characteristics. The usage of such ratios also improves the versatility of the presented models, as they are not denominated in monetary value or strictly in demographic units. This would be limited to use in only one country but can be widely used in other regions of the world.

5

Forecasting the Polish Zloty with Non-Linear Models

88%

Rubaszek M., Skrzypczyński P., Koloch G.

Central European Journal of Economic Modelling and Econometrics

|

2010

|

issue 2

6

A Comparative Analysis of the Semantic Field of ‘deception’: A Case Study Of Russian And American Imageboard Messages

88%

Lykova O., Gordeev D.

|

2021

|

vol. 19

|

issue 1

95-106

EN

This article uses the material of anonymous Internet forums to analyse the semantic field of deception by the instrumentality of artificial neural networks. Two major imageboards were investigated: 2ch.hk and 4chan.org, being the most popular Russian and American imageboards. For the experiment an algorithm called Word2vec was used to examine 30 million word usages for either of the languages. This analysis revealed 10 words with the greatest semantic proximity to terms from semantic fields of «deception» for Russian and American English. The results showed the tendency among native Russian imageboard users to link the concept of deception with religion and spiritual sphere, while American forum users associate deception with politics and related concepts.

7

Digital exclusion in the information society and artificial intelligence techniques

75%

Wołoszyn J., Wołoszyn P.

Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie

|

2011

|

issue 1(17)

285-293

PL

W miarę rozwoju społeczeństwa informacyjnego i upowszechniania się technologii komputerowej coraz szerszy obszar życia jednostki zostaje powiązany z dostępem do usług informatycznych. Realizacja codziennych potrzeb nowoczesnego obywatela wymaga w rosnącym stopniu wykorzystania zaawansowanych środków technicznych, takich jak bogate aplikacje internetowe, urządzenia mobilne, serwisy multimedialne itp. Wiele z tych aktywności idzie w parze z potrzebą samodzielnego i autonomicznego ich realizowania, co wynika z wkroczenia świata technologii do silnie prywatnych sfer życia, takich jak korespondencja, relacje społeczne czy osobiste finanse. Samodzielność partycypacji w takich aktywnościach jest warunkowana w obecnych czasach coraz silniej zdolnością samodzielnej obsługi urządzeń komputerowych oraz oferowanych za ich pośrednictwem serwisów. Wobec zmian cywilizacyjnych zachodzących wraz z informatyzacją społeczeństw pojęcie sprawności zyskuje nowe znaczenia, odnosząc się nie tylko do zdolności wykonywania fizycznych czynności, ale także partycypacji w informacyjnej sferze życia. Utrata sprawności może odciąć człowieka od dostępu do owej sfery, nawet jeśli utracone zdolności nie są same w sobie niezbędne do realizacji podobnych celów jednostki. Dzieje się tak wówczas, gdy technologia pośrednicząca w zaspokajaniu określonych potrzeb nie pozostawia alternatywnej drogi komunikacji człowieka z maszyną ani nie wykazuje potencjału adaptacji do specyficznych uwarunkowań i ograniczeń, jakim podlega użytkownik. Pokonywanie cyfrowej dyskryminacji osób niepełnosprawnych wymaga zastosowania technik sztucznej inteligencji naśladujących nadmiarowy i kreatywny sposób postępowania człowieka. Na przykładzie sztucznych sieci neuronowych można dostrzec analogie między błędami metodycznymi popełnianymi przy uczeniu i ocenie ich działania a problemami barier dostępności interfejsów człowiek-komputer.

EN

Along with development of the information society and spreading of computer technology, more and more areas of life of individuals are related to the access to IT services. Execution of daily needs of a modern citizen requires ever increasing use of advanced technical means, such as rich web applications, mobile devices, multimedia services, etc. Many of these activities go along with the need of their individual and autonomous execution, which results from the world of technology entering into highly private areas of life, such as correspondence, social relationships or personal finances. Autonomy of participation in such activities is nowadays more and more dependent on the ability of autonomous operation of computer equipment and the services offered with it. Due to the civilisation changes that come along with introduction of IT technology in the communities, the term „performance” gains a new meaning and refers not only to the capacity of executing physical activities but also to participation in the information-related area of life. The loss of performance may cut a person off from access to this area, even if the lost capacities are not in themselves necessary for pursuit of similar objectives of the individual. It happens when technology that helps satisfy specific needs does not leave an alternative way of communication of a human being with a machine or does not present the potential of adaptation to specific conditions and limitations to which the user is subjected. Overcoming digital discrimination of the disabled requires application of techniques of artificial intelligence which imitate the redundant and creative human behaviour. In the example of artificial neural networks, analogies between methodological errors made during teaching and assessment of their operation and the problems of barriers of human–computer interfaces accessibility may be noticed.

8

Dochody w powiatach województwa kujawsko-pomorskiego

75%

Wyszkowska Z., Serwatka-Bober S.

Zeszyty Naukowe PWSZ w Płocku. Nauki Ekonomiczne

|

2017

|

vol. 1(25)

113-123

PL

Celem pracy była analiza dochodów w powiatach województwa kujawsko-pomorskiego jako czynnika poziomu życia ludności i określenia rodzaju dochodu, który w analizowanych powiatach ma największy wpływ na poziom życia ludności. Źródło danych stanowiły informacje pochodzące w Banku Danych Lokalnych Głównego Urzędu Statystycznego. Okres badania to lata od 2013 roku do 2015 roku. W pracy korzystano z modelu matematycznego zbudowanego w oparciu o perceptron wielowarstwowy MLP, który jest jednym z rodzajów sztucznych sieci neuronowych. Badania wykazały, że największy wpływ na poziom życia ludności w powiatach województwa kujawsko-pomorskiego ma wielkość udzielonych świadczeń ze środowiskowej pomocy społecznej. Oznacza to, że wraz ze wzrostem poziomu życia ludności, maleje skala świadczeń i zmniejsza się poziom ubóstwa.

EN

The aim of the study was to analyze the income in the districts of the Kuyavian-Pomeranian voivodship as a factor of the living standard of the population and determining the type of income, which in the analyzed districts has the highest impact on the population living standard. The source of the data was the information obtained from the Local Data Bank of the Central Statistical Office [Główny Urząd Statystyczny].The study covered the period from 2013 to 2015. In the paper mathematical model based on MLP multi-layer perceptron was used; one of the artificial neural networks types. Studies showed that the greatest influence on standard of living in the districts of the Kuyavian-Pomeranian voivodship has the number of the social benefits provided by social care institutions. It can be concluded that the fewer benefits will be received, the lower the level of poverty and the higher the standard of living of the population will be.

9

A Comparison of Machine Learning Methods in a High-Dimensional Classification Problem

75%

Zekić-Sušac M., Pfeifer S., Šarlija N.

Business Systems Research Journal

|

2014

|

vol. 5

|

issue 3

82-96

EN

Background: Large-dimensional data modelling often relies on variable reduction methods in the pre-processing and in the post-processing stage. However, such a reduction usually provides less information and yields a lower accuracy of the model. Objectives: The aim of this paper is to assess the high-dimensional classification problem of recognizing entrepreneurial intentions of students by machine learning methods. Methods/Approach: Four methods were tested: artificial neural networks, CART classification trees, support vector machines, and k-nearest neighbour on the same dataset in order to compare their efficiency in the sense of classification accuracy. The performance of each method was compared on ten subsamples in a 10-fold cross-validation procedure in order to assess computing sensitivity and specificity of each model. Results: The artificial neural network model based on multilayer perceptron yielded a higher classification rate than the models produced by other methods. The pairwise t-test showed a statistical significance between the artificial neural network and the k-nearest neighbour model, while the difference among other methods was not statistically significant. Conclusions: Tested machine learning methods are able to learn fast and achieve high classification accuracy. However, further advancement can be assured by testing a few additional methodological refinements in machine learning methods.

10

Evolutionary Schema of Modeling Based on Genetic Algorithms

75%

Stacewicz P.

Studies in Logic, Grammar and Rhetoric

|

2015

|

vol. 40

|

issue 1

219-239

EN

In this paper, I propose a populational schema of modeling that consists of: (a) a linear AFSV schema (with four basic stages of abstraction, formalization, simplification, and verification), and (b) a higher-level schema employing the genetic algorithm (with partially random procedures of mutation, crossover, and selection). The basic ideas of the proposed solution are as follows: (1) whole populations of models are considered at subsequent stages of the modeling process, (2) successive populations are subjected to the activity of genetic operators and undergo selection procedures, (3) the basis for selection is the evaluation function of the genetic algorithm (this function corresponds to the model verification criterion and reflects the goal of the model). The schema can be applied to automate the modeling of the mind/brain by means of artificial neural networks: the structure of each network is modified by genetic operators, modified networks undergo a learning cycle, and successive populations of networks are verified during the selection procedure. The whole process can be automated only partially, because it is the researcher who defines the evaluation function of the genetic algorithm.

11

Sieci neuronowe i polichotomiczne modele zmiennych jakościowych w analizie ryzyka kredytowego

75%

Baster P., Pocztowska K.

Folia Oeconomica Cracoviensia

|

2011

|

vol. 52

5-17

EN

Management of credit risk, one of the main bank activities, is currently a very important issue. This paper contains comparison of two instruments used in prediction of probability that consumer fails to fully repay a loan in agreed time: artificial neural networks and models for polychotomous ordered data. For the empirical research each client has been assigned to one of four categories reflecting his/her delay in payments. Estimation and validation of methods was performed on a 3000-item sample containing information about each loan agreement and repayment history originating from one of Polish banks, covering years 2000-2001. The dataset was repeatedly divided into train and validation sets. Multi-layer architecture of artificial neural network with logistic activation function was proposed. Ordered logit and probit models were estimated within maximum likelihood framework. Several alternative specifications were proposed differing in independent variable set (including their products and squares). Bank income was chosen as the main criterion of fitness. Problem of optimal decision and defining appropriate loss function was formulated on the basis of statistical decision theory. Furthermore, properties of estimated models related to inference about probability of repayment and credit risk factors were presented.

12

A Neural Network Approach for Predicting Production Volume of Biofuels in Poland

75%

Siuda K.

Ekonomia XXI Wieku

|

2021

|

issue 24

7-26

PL

W artykule skupiono się na tworzeniu sztucznych sieci neuronowych i ich wykorzystaniu do prognozowania wielkości produkcji biopaliw w Polsce na podstawie danych historycznych. Sztuczne sieci neuronowe są niezwykle przydatne w prognozowaniu zdarzeń, w których trudno doszukać się determinizmu i związków przyczynowo-skutkowych. W tym celu stworzono 30 sztucznych sieci neuronowych o różnej topologii. Analizowane sztuczne sieci neuronowe miały: jedną lub dwie warstwy, od 4 do 8 neuronów w warstwie pierwszej oraz 4 lub 6 neuronów w warstwie drugiej. Ponadto przeanalizowano wpływ opóźnionych wejść oraz wpływ wielkości zbioru uczącego na jakość predykcji. Jakość każdej ze struktur oceniono na podstawie współczynnika determinacji, błędu średniego oraz błędu średniokwadratowego. Stabilność prognozowania była oceniana na podstawie odchylenia standardowego próby RMSE oraz MAE. Wszystkie przedstawione struktury ANN były symulowane pięciokrotnie, a najlepsze pojedyncze wyniki zamieszczono w tabelach. Najlepsze wyniki uzyskano dla sztucznej sieci neuronowej z dwiema warstwami, czterema neuronami w każdej warstwie i jednym opóźnieniem. Druga warstwa zwiększyła stabilność predykcji.

EN

This article focuses on the creation of artificial neural networks (ANN) and their use in predicting the volume of biofuel production in Poland on the basis of historical data. Artificial neural networks are extremely useful in predicting events in which it is difficult to find determinism and cause-effect relationships. For this purpose 30 artificial neural networks of different topology were created. The analysed artificial neural networks had: one or two layers, from 4 to 8 neurons on the first layer and 4 or 6 neurons on the second layer. Moreover, the effect of delayed inputs and the effect of learning set size on prediction quality were analysed. The quality of each structure was evaluated based on the coefficient of determination, mean error, and mean square error. The stability of prediction was evaluated based on the sample standard deviation of RMSE and MAE. All the presented ANN structures were simulated five times and the best individual results included in the tables. The best results were obtained for an artificial neural network with two layers, four neurons in each layer and one delay. Overall, the second layer increased the stability of the prediction. Streszczenie: W artykule skupiono się na tworzeniu sztucznych sieci neuronowych i ich wykorzystaniu do prognozowania wielkości produkcji biopaliw w Polsce na podstawie danych historycznych. Sztuczne sieci neuronowe są niezwykle przydatne w prognozowaniu zdarzeń, w których trudno doszukać się determinizmu i związków przyczynowo-skutkowych. W tym celu stworzono 30 sztucznych sieci neuronowych o różnej topologii. Analizowane

13

Artificial Neural Networks vs Spatial Regression Approach in Property Valuation

75%

Przekop D.

Central European Journal of Economic Modelling and Econometrics

|

2022

|

issue 2

14

Sztuczna sieć neuronowa jako innowacyjne narzędzie wspomagania doboru powłok ochronno-dekoracyjnych

75%

POPKO A., GAUDA K.

|

2018

|

vol. 9

|

issue 1

77-82

PL

W artykule poruszona jest problematyka związana z możliwością wykorzystania sztucznych sieci neuronowych (SSN) w procesie doboru powłok ochronno-dekoracyjnych. Zebrano i ustalono wejściowe i wyjściowe parametry zadania. Opracowano wstępną postać struktury sztucznej sieci neuronowej, wymaganej do wspomagania procesu.

EN

The article deals with issues related to the possibility of using artificial neural networks (ANNs) in the process of selection of protective and decorative coatings. The input and output parameters of the task were collected and established. The initial form of the artificial neural net-work structure required to support the process was also developed.

15

Percepcja audytywna, właściwości akustyczne oraz cechy dystrybucyjne sylab w języku polskim

71%

Śledziński D.

Investigationes Linguisticae

|

2015

|

issue 32

106-123

EN

This paper presents experiments concerning properties of selected CV syllables. Acoustic speech signal related to particular syllables was analyzed using artificial neural networks. The goal of the analyses was to investigate whether realizations of particular syllables retain acoustic features distinctive of these syllables. Aditionally, a perception test aiming at identification of the same syllable set was carried out. In the test we analyzed to which degree it is possible to identify syllables isolated from the linguistic context. The paper discusses also results on distributional properties of syllables which indicate that such properties may play a significant role in speech perception.

PL

This paper presents experiments concerning properties of selected CV syllables. Acoustic speech signal related to particular syllables was analyzed using artificial neural networks. The goal of the analyses was to investigate whether realizations of particular syllables retain acoustic features distinctive of these syllables. Aditionally, a perception test aiming at identification of the same syllable set was carried out. In the test we analyzed to which degree it is possible to identify syllables isolated from the linguistic context. The paper discusses also results on distributional properties of syllables which indicate that such properties may play a significant role in speech perception.Percepcja audytywna, właściwości akustyczne oraz cechy dystrybucyjne sylab w języku polskim

16

Hierarchiczne struktury w sztucznych sieciach neuronowych

63%

Płaczek S.

Zeszyty Naukowe Uczelni Vistula

|

2014

|

issue 38/2014 Informatyka

20-37

PL

W wielowarstwowych Sztucznych Sieciach Neuronowych (SSN), nieliniowych w swej strukturze, uczenie sieci polega na poszukiwaniu minimum globalnej funkcji celu. W realizacjach praktycznych – w funkcji celu – występują parametry dwóch lub trzech warstw ukrytych. Strojenie współczynników macierzy w warstwach W1, W2, czy też W3, odbywa się w procesie uczenia, który można traktować jako stan nieustalony SSN. Stany nieustalone w poszczególnych warstwach mają różne przebiegi dynamiczne, czyli zależności amplitudy błędu średniokwadratowego w warstwie od numeru iteracji. W praktycznych realizacjach procesu uczenia szybkość zbieżności procesu do stanu ustalonego, czyli minimum funkcji błędy, jest ważną charakterystyką, dlatego też podział SSN na niezależne poziomy, zdefiniowanie lokalnych funkcji celu dla każdej warstwy, skoordynowanie lokalnych procesów uczenia w celu osiągnięcia globalnego minimum ma praktyczny głęboki sens. W artkule podejmuje się próbę zastosowania ogólnej teorii złożonych systemów do opisu SSN, budowy algorytmów uczących i ich praktycznej realizacji. Tego typu podejście prowadzi do poszukiwania rozwiązań poprzez dekompozycję i koordynację w hierarchicznej strukturze SSN. Ze względu na występujące nieliniowości w poszczególnych warstwach sieci, trudno udowodnić warunki zbieżności dla stosowanych metod. Tym niemniej, praktyka realizacji różnych algorytmów pokazuje przydatność przyjętych rozwiązań.

EN

On multi-layer artificial neural networks (ANN), non-linear in their structure, network teaching consists in seeking for global minimum function of the objective. In practical implementations – in the objective’s function – there are occurring parameters of two or three hidden layers. Tuning matrix coefficients in the layers W1, W2 or W3 takes place in the teaching process which can be treated as an ANN transient state. Transient states in individual layers have different dynamic courses, i.e. dependency of the amplitude of mean squared error in the layer on the number of iteration. In practical implementations of the teaching process, the speed of process convergence to the steady state, i.e. the minimum of the error function, is an important characteristic, hence the division of ANN into independent levels, defining the local functions of the objective for every layer, coordination of the local teaching processes in order to achieve the global minimum is of practical deep sense. In his article, the author made an attempt to apply the general theory of complex systems to describe ANN, to build teaching algorithms and their practical implementation. Such an approach leads to pursuit of solutions through decomposition and coordination in the ANN hierarchical structure. Due to the occurring nonlinearities in individual layers of the network, it is difficult to prove the convergence conditions for the methods applied. Nonetheless, the practice of implementation of various algorithms indicates usefulness of the adopted solutions.

17

Zastosowanie teorii systemów hierarchicznych do analizy sztucznych sieci neuronowych

63%

Płaczek S.

Kwartalnik Naukowy Uczelni Vistula

|

2015

|

issue 2(44)

102-116

PL

Sztuczne Sieci Neuronowe (SSN) okazały się wygodnym narzędziem, przydatnym przy realizacji bardzo wielu różnych praktycznych zadań inżynierskich, ekonomicznych finansowych, medycznych i innych. SSN mogą być zastosowane tame, gdzie pojawiają się problemy z przetwarzaniem i analizą danych, prognozą, klasyfikacją czy sterowaniem. Sukces spowodowany jest tym, że w tych zastosowaniach SSN pełni rolę uniwersalnego aproksymatora nieliniowej, wektorowej funkcji wielu zmiennych. Podstawowym problemem jest efektywne uczenie złożonej konfiguracji sieci, jaką niewątpliwie jest struktura wielowarstwowej sieci neuronowej o wielu wejściach i wyjściach. Uczenie polega na poszukiwaniu minimum globalnej funkcji celu, którą najczęściej definiujemy jako błąd średniokwadratowy wyjścia sieci i warto-ści zadanej. Zadanie nie jest trywialne i ze względu na wielowymiarowość wektorów wejścia i wyjścia oraz wielowarstwowość sieci. Z tego też względu szuka się rozwiązań w sieciach o strukturze z jedną warstwą ukrytą. W celu wykorzystania możliwości sieci wielowarstwowych, do analizy złożonych struktur zastosowano metody i techniki opracowane dla wielowarstwowych, hierarchicznych struktur technicznych. Systemy hierarchiczne występują nie tylko w przyrodzie, lecz również w organizacjach ludzi. Tego typy struktury są bardzo efektywne z punktu widzenia zarządzania i kierowania organizacjami. Z systemami hierarchicznymi związane są zagadnienia dekompozycji dużego, podstawowego systemu na podsystemy oraz umiejętne skoordynowanie rozwiązań cząstkowych, w celu otrzymania rozwiązania optymalnego dla całego systemu. W artykule przedstawiono próbę zastosowania dekompozycji oraz koordynacji w stosunku do SSN o złożonej, wielowarstwowej strukturze. Dekomponując strukturę sieci oraz algorytm uczenia na podzadania, analizuje się wymagania, które musi spełnić algorytm w celu efektywnej koordynacji rozwiązań cząstkowych. Tak więc problem koordynacji jest problemem centralnym w analizie i konstrukcji algorytmu uczenia SSN. Artykuł ma charakter koncepcyjny.

EN

Artificial neural networks (ANN) have appeared to be a convenient tool, useful for implementation of very many practical engineering, economic, financial, medical, and other tasks. ANN may be applied where the problems with data processing and analysis, forecast, classification or steering appear. The success is caused by the fact that in these applications ANN plays the role of universal approximator of the non-linear, vectored function of many variables. The basic problem is an effective teaching of the complex configuration of the network which, no doubt, the structure of multilayer neural network with many inputs and outputs is. Teaching consists in seeking for the minimum global function of the purpose, which is most oft en defined as a mean squared error of the network input and the set-point. The task is not trivial also due to the multidimensionality of vectors of input and output as well as due to the multilayer nature of the network. Also having this in mind, there are attempts to fi nd solutions in networks with the structure with one hidden layer. In order to make use of the possibilities of multilayer networks, the author applied for the analysis of complex structures the methods and techniques developed for multilayer, hierarchical technical structures. Hierarchical systems take place not only in the nature but also in human organisations. Such structures are very effective from the point of view of organisation management and direction. The hierarchical systems are combined with the issues of decomposition of a big, basic system into subsystems and a skilful coordination of partial solutions in order to obtain a solution optimal for the entire system. In his article, the author presented an attempt to apply decomposition and coordination in relation to ANN with a complex, multilayer structure. Decomposing the network structure and the algorithm of teaching into subtasks, he analyses the requirements to be met by the algorithm for the purpose of effective coordination of partial solutions. Thus, the problem of coordination is the central problem in the analysis and construction of the ANN algorithm of teaching. The article is of the conceptual nature.

18

Sztuczne sieci neuronalne w modelowaniu rozumowań prawniczych. O problemach wynikających ze specyfiki prawa

63%

Michalczak R.

Archiwum Filozofii Prawa i Filozofii Społecznej

|

2013

|

vol. 2(7)

52-62

PL

The purpose of this paper is to describe the application of artificial neural networks in modeling legal reasoning. In particular, the paper will be focused on specific problems which may occur only on the ground of legal reasoning and are difficult from the artificial intelligence perspective. The focal point of the paper is not to provide technical details of analyzed systems but to point out parts of legal conceptual framework which are inconsistent with classical techniques of designing of expert system. Paper consists description of a few legal expert systems based on artificial neural networks. Each of them is the basis for presentation of particular feature of legal reasoning which are considered difficult from the AI point of view e.g. vague concepts, open-texture, analogy.

19

Modele neuronowe wspomagające prognozowanie cen pszenicy konsumpcyjnej na zdecentralizowanym rynku towarowym

63%

Koszela K., Zaborowicz M.

Zeszyty Naukowe Uniwersytetu Ekonomicznego w Krakowie

|

2014

|

issue 11(935)

113-122

PL

Celem pracy jest zbadanie możliwości wygenerowania i wykorzystania modeli neuronowych w predykcji najniższej oraz najwyższej dziennej ceny pszenicy konsumpcyjnej na rynku Forex. Dokonano analizy parametrów wejściowych i przygotowano zbiory uczące sieci neuronowych, tak by możliwe było wygenerowanie modeli neuronowych. Po wygenerowaniu sztucznych sieci neuronowych przeprowadzono analizę wrażliwości, a także przebudowano zbiór uczący, poszerzając go jednocześnie o dane niezbędne do prawidłowego prognozowania ceny.

EN

The aim of the study was to investigate the possibility of generating and using neural models for predicting the lowest and highest daily rates of consumption wheat in the Forex market. Input parameters and prepared learning sets of neural network are analysed with a view to generating neural models. After the artificial neural networks were generated, a sensitivity analysis was done and the learning set rebuilt. The set data required to properly forecast prices were added to the new training.

20

Ataki na urządzenia mobilne i metody ich wykrywania

63%

Niewiadomska-Szynkiewicz E., Litka R.

Cybersecurity and Law

|

2023

|

vol. 9

|

issue 1

95-107

EN

Individual protection of autonomous systems using simple analysis of transmitted messages is unfortunately becoming insufficient. There is a clear need for new solutions using data from multiple sources, integrating various methods, mechanisms and algorithms, including Big Data processing and data classification techniques using artificial intelligence methods. The quantity, quality, reliability and timeliness of data and information about the network situation, as well as the speed of its processing, determine the effectiveness of protection. The paper presents examples of the application of various artificial intelligence techniques for detecting attacks on ICT systems. Attention is focused on the application of deep learning methods for the detection of malicious applications installed on mobile devices. The effectiveness of the presented solutions was confirmed by numerous simulation experiments conducted on real data. Promising results were obtained.

Refine search results

Classification of Open-End Investment Funds Using Artificial Neural Networks. The Case of Polish Equity Funds

Exchange Rates: Predictable but not Explainable? Data Mining with Leading Indicators and Technical Trading Rules

Methods of Estimating Waste Accumulation Rate in Rural Areas of the Lubelskie Voivodship

Implementing artificial intelligence in forecasting the risk of personal bankruptcies in Poland and Taiwan

Forecasting the Polish Zloty with Non-Linear Models

A Comparative Analysis of the Semantic Field of ‘deception’: A Case Study Of Russian And American Imageboard Messages

Digital exclusion in the information society and artificial intelligence techniques

Dochody w powiatach województwa kujawsko-pomorskiego

A Comparison of Machine Learning Methods in a High-Dimensional Classification Problem

Evolutionary Schema of Modeling Based on Genetic Algorithms

Sieci neuronowe i polichotomiczne modele zmiennych jakościowych w analizie ryzyka kredytowego

A Neural Network Approach for Predicting Production Volume of Biofuels in Poland

Artificial Neural Networks vs Spatial Regression Approach in Property Valuation

Sztuczna sieć neuronowa jako innowacyjne narzędzie wspomagania doboru powłok ochronno-dekoracyjnych

Percepcja audytywna, właściwości akustyczne oraz cechy dystrybucyjne sylab w języku polskim

Hierarchiczne struktury w sztucznych sieciach neuronowych

Zastosowanie teorii systemów hierarchicznych do analizy sztucznych sieci neuronowych

Sztuczne sieci neuronalne w modelowaniu rozumowań prawniczych. O problemach wynikających ze specyfiki prawa

Modele neuronowe wspomagające prognozowanie cen pszenicy konsumpcyjnej na zdecentralizowanym rynku towarowym

Ataki na urządzenia mobilne i metody ich wykrywania