Probabilistic methods and neural networks

2014 ◽  
pp. 439-439
Keyword(s):  
Neural Networks ◽  
Probabilistic Methods

scholarly journals Neural Networks and Fault Probability Evaluation for Diagnosis Issues

2014 ◽  
Vol 2014 ◽  
pp. 1-15 ◽  
Author(s):  
Yahia Kourd ◽  
Dimitri Lefebvre ◽  
Noureddine Guersi
Keyword(s):  
Artificial Intelligence ◽  
Neural Networks ◽  
Artificial Neural Networks ◽  
Probabilistic Methods ◽  
Fault Detection And Isolation ◽  
Fault Probability ◽  
Confidence Factor ◽  
Probability Evaluation ◽  
Quantitative Indicators ◽  
Probabilistic Criteria

This paper presents a new FDI technique for fault detection and isolation in unknown nonlinear systems. The objective of the research is to construct and analyze residuals by means of artificial intelligence and probabilistic methods. Artificial neural networks are first used for modeling issues. Neural networks models are designed for learning the fault-free and the faulty behaviors of the considered systems. Once the residuals generated, an evaluation using probabilistic criteria is applied to them to determine what is the most likely fault among a set of candidate faults. The study also includes a comparison between the contributions of these tools and their limitations, particularly through the establishment of quantitative indicators to assess their performance. According to the computation of a confidence factor, the proposed method is suitable to evaluate the reliability of the FDI decision. The approach is applied to detect and isolate 19 fault candidates in the DAMADICS benchmark. The results obtained with the proposed scheme are compared with the results obtained according to a usual thresholding method.

Gas Turbine Fault Diagnosis From Fast Response Data Using Probabilistic Methods and Information Fusion

2006 ◽  
Author(s):  
A. Kyriazis ◽  
N. Aretakis ◽  
K. Mathioudakis
Keyword(s):  
Neural Networks ◽  
Gas Turbine ◽  
Information Fusion ◽  
Bayesian Belief Networks ◽  
Fast Response ◽  
Diagnostic Methods ◽  
Probabilistic Methods ◽  
Fault Classification ◽  
Probabilistic Neural Networks ◽  
Response Data

The paper covers firstly the use of probabilistic neural networks for the classification of spectral fault signatures obtained from fast response data (sound, vibration, unsteady pressure). The method is compared to other alternatives, such as geometrical and statistical pattern recognition. The effectiveness of the method is demonstrated by presenting the results from application to data from a radial compressor and an industrial gas turbine. Further, probabilistic methods are used to perform information fusion. The outcomes of different diagnostic methods are used as a first level of diagnostic inference, and are fed to two different fusion processes which are based on i) Probabilistic Neural Networks and ii) Bayesian Belief Networks. It is demonstrated that these fusion processes provide powerful tools for effective fault classification.

scholarly journals Neural network technique when distribution of vehicle component parts on the technological repair routes, taking into account their technical condition

2018 ◽  
Vol 170 ◽  
pp. 05011
Author(s):  
Valentin Krasovsky ◽  
Nina Krasovskaya ◽  
Victor Poptsov ◽  
Irina Nordman
Keyword(s):  
Neural Networks ◽  
Artificial Neural Networks ◽  
Oil And Gas ◽  
Technical Condition ◽  
Probabilistic Methods ◽  
Practical Application ◽  
Repair Work ◽  
Vehicle Component ◽  
Repair Enterprise ◽  
Artificial Neural

Increase of repair efficiency is achieved due to the formation of centralized specialized production facilities which implement the vehicle component parts repair technique with the use of industrial technological processes to restore the technical state of the units and their components. In this case, the establishment of the expediency of sending the unit to repair, as well as the defining of volumes and nomenclature for necessary repair actions, should be performed at the stage of pre-repair diagnosis for each individual unit taking into account its actual technical condition. However, the effectiveness of pre-repair diagnosis using both deterministic and probabilistic methods of processing and analyzing the information obtained is significantly reduced by the presence of errors in the recognition of defects and the distribution of aggregates in accordance with the repair work variety preformed at the repair enterprise. Using promising cognitive technology based on neural networks it is possible to completely avoid the losses associated with the repetition of repair work. Therefore, the formation of scientific and methodological bases for the development, training and practical application of artificial neural networks in the subsystems of the pre-repair diagnosis of the repair fund of automobile vehicle omponent parts is an important and urgent task. The paper presents the results of analytical studies and a number of original techniques for the formation of scientific and methodological foundations for the development, training and practical application of artificial neural networks in the process of diagnosis the car vehicle component parts and special oil and gas equipment entering the centralized repair according to their technical condition

scholarly journals Ευφυείς μέθοδοι επεξεργασίας ψηφιακής εικόνας του βασικοκυτταρικού καρκινώματος βλεφάρου

2021 ◽  
Author(s):  
Ευάγγελος-Γεώργιος Χατζόπουλος
Keyword(s):  
Neural Networks ◽  
Fuzzy Logic ◽  
Deep Learning ◽  
Probabilistic Methods

Το βασικοκυτταρικό καρκίνωμα (ΒΚΚ) ορίζεται ως ένας αργά αναπτυσσόμενος, τοπικά επεκτεινόμενος, κακοήθης επιδερμικός όγκος. Αποτελεί το συχνότερο τύπο καρκίνου του δέρματος, καθώς πάνω από το 70% των περιστατικών σχετίζονται με αυτόν. Μάλιστα, το 90% των βασικοκυτταρικών καρκινωμάτων αφορούν την περιοχή της κεφαλής και του τραχήλου, ενώ το 10% των περιπτώσεων εμφανίζεται στα βλέφαρα, γεγονός που επιβεβαιώνει την σχέση μεταξύ των βασικοκκυταρικών καρκινωμάτων και της έκθεσης στον ήλιο.Η αποτελεσματική θεραπεία του ΒΚΚ της περιοφθαλμικής χώρας επιτυγχάνεται με ποικίλες μεθόδους και εξαρτάται τόσο από τα χαρακτηριστικά του βασικοκυτταρικού καρκινώματος όσο και από τον ίδιο τον ασθενή. Ανάλογα με το μέγεθος, τον τοπογραφικό εντοπισμό του όγκου, την ηλικία και τη γενική κατάσταση της υγείας του ασθενούς, υπάρχει μια μεγάλη ποικιλία από προσεγγίσεις με στόχο την επανόρθωση του βλεφαρικού ελλείματος. Φυσικά, για την αποκατάσταση της λειτουργικής ανατομίας της περικογχικής περιοχής κρίνεται επιβεβλημένη η κατανόηση των αρχών επιδιόρθωσης των βλεφαρικών όγκων. Η κατάλληλη θεραπεία ενδέχεται να συνίσταται είτε στην χειρουργική εκτομή του όγκου, είτε στην επανόρθωση της βλάβης μέσω μη χειρουργικών διαδικασιών, με τη χρήση μοντέρνων τεχνολογιών όπως την αφαιρετική κρυοθεραπεία και την φωτοδυναμική θεραπεία. Ακόμη, είναι εφικτή η χρήση σύγχρονων φαρμακευτικών σκευασμάτων όπως της κρέμας ιμικουιμόδης 5% αλλά και η χρήση πολλαπλών επεμβάσεων με στόχο την επισκευή των βλεφαρικών ελλειμάτων.12Για την επιλογή της καταλληλότερης θεραπευτικής τεχνικής, είναι απαραίτητη η κατηγοριοποίηση των όγκων σε συγκεκριμένες κατηγορίες ανάλογα με τα χαρακτηριστικά τους και ο ενδελεχής κλινικός έλεγχος του ασθενούς. Η ισορρόπηση των τεχνικών για την αφαίρεση του όγκου, συνδυαστικά με τη λειτουργικότητα της περιοχής που έχει χειρουργηθεί και την κοσμητική επανόρθωση της βλάβης καθιστούν επιτυχημένη τη θεραπευτική προσέγγιση που έχει εφαρμοστεί. Ενώ λοιπόν, υπάρχει πληθώρα επεμβατικών και μη επεμβατικών τεχνικών με στόχο την αποκατάσταση των βασικοκυτταρικών καρκινωμάτων στο βλέφαρο, η εκλογή της καταλληλότερης μεθόδου που θα οδηγήσει στην θεραπεία αποτελεί μια πολύπλοκη διαδικασία. Για το σκοπό αυτό δημιουργήθηκε ένας σύγχρονος, συστηματικοποιημένος αλγόριθμός σχετικά με την αφαίρεση και επανόρθωση των βασικοκυταρικών καρκινωμάτων των βλεφάρων. Συνολικά η μέθοδος επιλογής θα εξαρτηθεί από έναν συνδυασμό παραγόντων όπως το μέγεθος, τη θέση του όγκου, τις αισθητικές προεκτάσεις της κάθε είδους παρέμβασης, τα ιδιαίτερα χαρακτηριστικά του κάθε ασθενούς αλλά και το προσδόκιμο επιβίωσής του, τη διαθεσιμότητα του εξοπλισμού την ιστοπαθολογία της κάθε βλάβης και την εμπειρία του χειρουργού στην εφαρμογή των τεχνικών αυτών. Ένα άλλο πολύ μεγάλο ζήτημα στο βασικοκυτταρικό καρκίνωμα είναι ο έγκαιρος και έγκυρος εντοπισμός του. Αναφερόμενοι στο βασικοκυτταρικό καρκίνωμα ουσιαστικά, γίνεται λόγος για έναν αργά αναπτυσσόμενο, τοπικά επεκτεινόμενο, κακοήθη επιδερμικό όγκο του δέρματος ο οποίος προσβάλλει κυρίως άτομα της καυκάσιας φυλής (Telferetal, 1999). Οι τρόποι με τους οποίους μπορεί να εμφανιστεί το βασικοκυτταρικό καρκίνωμα στον άνθρωπο είναι 8 (οκτώ). Επειδή υπάρχουν τόσες πολλές κατηγορίες βασικοκυτταρικού καρκινώματος, ο εντοπισμός και η κατηγοριοποίηση του βασικοκυτταρικού καρκινώματος, είναι δύσκολη και εξαρτάται από πάρα πολλούς παράγοντες. Για το λόγο αυτό πλέον γίνεται χρήση (όπως και σε πολλούς τομείς της ιατρικής για διάγνωση) για δημιουργία ενός ευφυούς συστήματος τεχνητής νοημοσύνης ώστε να μπορεί να ξεχωρίσει τις περιπτώσεις που κάνει την εμφάνισή του το βασικοκυτταρικό καρκίνωμα, ώστε να ληφθούν τα απαραίτητα μέτρα. 13Στον τομέα της διάγνωσης εδώ και αρκετά χρόνια χρησιμοποιούνται στην ιατρική, όπως και σε άλλες επιστήμες (για τη στήριξη αποφάσεων), συστήματα τεχνητής νοημοσύνης και ευφυή συστήματα τα οποία μπορούν να βοηθήσουν τους ιατρούς στη λήψη αποφάσεων και να επιβεβαιώσουν ή να βοηθήσουν την έγκαιρη και έγκυρη διάγνωση.Οι προσπάθειες που έχουν γίνει στον τομέα της τεχνητής νοημοσύνης είναι αρκετά μεγάλες. Τα παλαιότερα χρόνια γινόταν χρήση συστημάτων τεχνητής νοημοσύνης τα οποία χρειαζόταν να εκπαιδευτούν με επίβλεψη. Δηλαδή, χρειαζόταν κάποιος τεχνικός ή ειδήμων επί του θέματος ώστε να παρακολουθεί την εκπαίδευση του συστήματος τεχνητής νοημοσύνης και να αναπροσδιορίζει την εκπαίδευση όπου χρειάζεται ώστε να μπορούν να παραχθούν τα ανάλογα - σωστά αποτελέσματα.Για τη δημιουργία συστημάτων τεχνητής νοημοσύνης, χρησιμοποιείται ένα μεγάλο εύρος εργαλείων όπως αλγόριθμοι εύρεσης και βελτιστοποίησης, λογική και ασαφής λογική (fuzzy logic), μέθοδοι πιθανοτήτων (Probabilistic methods) καθώς και Νευρωνικά Δίκτυα (Neural Networks) και Νευρωνικά Δίκτυα Βαθιάς Γνώσης (Deep Learning Neural Networks). Στόχος της εργασίας αυτής είναι η ανάπτυξη ευφυούς συστήματος για την αναγνώριση ενός βασικοκυτταρικού καρκινώματος από μια φωτογραφία, ώστε να βοηθήσει στην έγκυρη και έγκαιρη διάγνωση της ύπαρξης βασικοκυτταρικού καρκινώματος τους ιατρούς. Για να επιτευχθεί αυτό χρησιμοποιήθηκαν Νευρωνικά Δίκτυα όπως και Νευρωνικά Δίκτυα Βαθιάς Γνώσης.Για να εκπαιδευτεί ένα Νευρωνικό Δίκτυο χρειάζεται την επίβλεψη ενός ειδικού ο οποίος θα βοηθήσει το Νευρωνικό Δίκτυο να πάρει τις σωστές αποφάσεις ώστε με δεδομένο μια είσοδο (μια φωτογραφία για παράδειγμα) να παράγει την κατάλληλη έξοδο (το αποτέλεσμα ότι υπάρχει ή δεν υπάρχει παθογένεια για παράδειγμα). Το πρόβλημα με αυτό τον τύπο δικτύου είναι ότι εξαρτάται σε πολύ μεγάλο βαθμό από 14την καταλληλότητα του ατόμου που θα είναι υπεύθυνο για την εκπαίδευσή του και το γεγονός ότι μπορεί να μην είναι αμερόληπτο και αντικειμενικό αυτό το άτομο (ανθρώπινος παράγοντας). Υπό κάποιες συνθήκες μπορεί να εκπαιδευτεί αυτόματα και αυτόνομα το Νευρωνικό Δίκτυο, αλλά υπάρχουν πολλές πιθανότητες να οδηγηθεί σε λάθος προβλέψεις και συμπεράσματα.Για να εκπαιδευτεί ένα Νευρωνικό Δίκτυο Βαθιάς Γνώσης δεν απαιτείται η επίβλεψη από κάποιον ειδικό. Το μόνο που χρειάζεται είναι μεγάλο αριθμό δειγμάτων για είσοδο (φωτογραφίες για παράδειγμα). Από εκεί και πέρα οργανώνεται σε πολλά επίπεδα τα οποία με κατάλληλο συνδυασμό πράξεων και υπολογισμών καταλήγουν στο αναμενόμενο αποτέλεσμα. Η μεγάλη δυσκολία στα Νευρωνικά Δίκτυα Βαθιάς Γνώσης είναι η εύρεση του μεγάλου πλήθους δειγμάτων όπως και η απομόνωση εξωτερικών παραγόντων που μπορούν να αλλοιώσουν το αποτέλεσμα (όπως οι πληροφορίες του υποβάθρου ή άσχετων στοιχείων πέραν του προσώπου για παράδειγμα).Στην εργασία αυτή χρησιμοποιήθηκαν τόσο Νευρωνικά Δίκτυα όσο και Νευρωνικά Δίκτυα Βαθιάς Γνώσης και γίνεται και σύγκριση των αποτελεσμάτων που παράγουν αυτά όπως επίσης και του τρόπου που λειτουργούν καθώς και του χρόνου που απαιτείται για να εκπαιδευτούν.15

scholarly journals AI Methods in Algorithmic Composition: A Comprehensive Survey

2013 ◽  
Vol 48 ◽  
pp. 513-582 ◽  
Author(s):  
J.D. Fernandez ◽  
F. Vico
Keyword(s):  
Artificial Intelligence ◽  
Neural Networks ◽  
Evolutionary Algorithms ◽  
Constraint Programming ◽  
Music Composition ◽  
Probabilistic Methods ◽  
Computational Techniques ◽  
Algorithmic Composition ◽  
Rule Based ◽  
Comprehensive Survey

Algorithmic composition is the partial or total automation of the process of music composition by using computers. Since the 1950s, different computational techniques related to Artificial Intelligence have been used for algorithmic composition, including grammatical representations, probabilistic methods, neural networks, symbolic rule-based systems, constraint programming and evolutionary algorithms. This survey aims to be a comprehensive account of research on algorithmic composition, presenting a thorough view of the field for researchers in Artificial Intelligence.

Sign in / Sign up

Export Citation Format

Share Document