Lublin University of Technology Journals
Not a member yet
4285 research outputs found
Sort by
INTELIGENTNA ANALIZA DANYCH NA PLATFORMIE ANALITYCZNEJ
Get PDFThe article discusses methods for processing unstructured data using an analytical platform. The authors analyze existing methods and technologies used to implement data processing and propose new approaches to solving this problem. The possibilities of using analytical platforms to solve the problem of processing source data are considered. The purpose of the article is to explore the possibilities of data import, partial preprocessing, missing data recovery, anomaly removal, spectral processing and noise removal. The authors explored how analytics platforms can function without a data warehouse, obtaining information from any other sources, but the most optimal way is to use them together, and how big data and unstructured data can be processed using an analytics platform. The authors solved a specific problem related to processing problems and proposed ways to solve them using an analytical platform. Particular attention is paid to a complete set of mechanisms that allows you to obtain information from any data source, carry out the entire processing cycle and display the results. Overall, the paper represents an important contribution to the development of raw data processing technologies. The authors plan to continue research in the field of processing big unstructured data.W artykule omówiono metody przetwarzania surowych danych z wykorzystaniem platformy analitycznej. Autorzy analizują istniejące metody i technologie stosowane do realizacji przetwarzania danych i proponują nowe podejścia do rozwiązania tego problemu. Rozważane są możliwości wykorzystania platform analitycznych do rozwiązania problemu przetwarzania surowych danych. Celem artykułu jest zbadanie możliwości importu danych, częściowego przetwarzania wstępnego, przywracania brakujących danych, usuwania anomalii, przetwarzania spektralnego i usuwania szumu. Autorzy sprawdzili, jak platformy analityczne mogą funkcjonować bez hurtowni danych, otrzymując informacje z innych źródeł, jednak najbardziej optymalnym sposobem jest ich wspólne wykorzystanie oraz jak duże zbiory danych można przetwarzać za pomocą platformy analitycznej. Autorzy omawiają możliwe problemy związane z problemami przetwarzania i sugerują sposoby ich rozwiązania. Szczególną uwagę zwrócono na kompletny zestaw mechanizmów, który pozwala na pozyskanie informacji z dowolnego źródła danych, przeprowadzenie całego cyklu przetwarzania i wyświetlenie wyników. Ogólnie rzecz biorąc, artykuł stanowi ważny wkład w rozwój technologii przetwarzania surowych danych. Artykuł kończy się przyszłościowym planem dalszych badań w tym obszarze
PRZEGLĄD PODEJŚĆ DO MODELOWANIA PRZEWIDYWAŃ ZWIĄZANYCH Z WITRYNAMI INTERNETOWYMI
Get PDFThis paper researches various modelling approaches for website-related predictions, offering an overview of the field. With the ever-expanding landscape of the World Wide Web, there is an increasing need for automated methods to categorize websites. This study examines an array of prediction tasks, including website categorization, web navigation prediction, malicious website detection, fake news website detection, phishing website detection, and evaluation of website aesthetics.Ten artykuł naukowy przeprowadza analizę różnorodnych metod modelowania stosowanych do prognozowania aspektów witryn internetowych, zapewniając przegląd tej dynamicznie rozwijającej się dziedziny. Podczas gdy Internet nieustannie się powiększa, nabiera wagi potrzeba stosowania automatycznych metod do klasyfikacji nowo powstających stron internetowych. Zbadano metody zastosowane w szerokim zakresie przewidywań, obejmujących kategoryzację witryn internetowych, prognozowanie zachowań nawigacyjnych użytkowników online, identyfikację stron o złośliwym charakterze, wykrywanie fałszywych informacji, rozpoznawanie prób phishingu oraz ocenę estetycznych aspektów witryn internetowych
METODA OBLICZANIA WSKAŹNIKA BEZPIECZEŃSTWA INFORMACJI W MEDIACH SPOŁECZNOŚCIOWYCH Z UWZGLĘDNIENIEM DŁUGOŚCI ŚCIEŻKI MIĘDZY KLIENTAMI
Get PDFHeterogeneous differential dependencies of the information security indicator (HDISI) in social media (SM) were analyzed, taking into account the duration of the path between clients (UDPC). The resilience of the information security indicator system (RSIIS) was also determined. The HDISI in SM was developed based on UDPC conditions. It uses modern methods and techniques, including a non-specific method. The conditions of a fixed precondition were formed according to the time grid. This dependency provides a comprehensive explanation of how the previous transformation is replaced by the elapsed period. SM is a set of clients and their types of communication. Clients can be individuals, populations, settlements, or countries. Communication is understood as more than just the transmission and receipt of information. It also includes interaction, the exchange of knowledge and expertise, and discussion. Under the angle of mathematics, the HDISI model based on non-homogeneous differential equations (NDE) was analyzed and its transcendental study was done. The transcendental study of nonlinear HDISI models in SM showed that the characteristics of UDPC significantly affect the information security indicator (ISI) - up to one hundred percent. Phase diagrams (PDs) of ISI were studied, which indicate the highest ISI even at the maximum parameters of malicious actions. For the first time, the analysis of designed HDISI structures was carried out and numerical criteria between the capabilities of UDPC and the measures of ISI, as well as the highest ISI, were obtained, which shows the scientific content of this article.Przeanalizowano niejednorodne zależności różnicowe wskaźnika bezpieczeństwa informacji (HDISI) w mediach społecznościowych (SM), biorąc pod uwagę długość ścieżki między klientami (UDPC). Określono również odporność systemu wskaźników bezpieczeństwa informacji (RSIIS). HDISI w SM został opracowany w oparciu o warunki UDPC. Wykorzystuje on nowoczesne metody i techniki, w tym metodę niespecyficzną. Warunki stałego warunku wstępnego zostały utworzone zgodnie z siatką czasową. Ta zależność zapewnia kompleksowe wyjaśnienie, w jaki sposób poprzednia transformacja jest zastępowana przez upływający okres. SM to zbiór klientów i ich rodzajów komunikacji. Klientami mogą być jednostki, populacje, osady lub kraje. Komunikacja jest rozumiana jako coś więcej niż tylko przekazywanie i odbieranie informacji. Obejmuje również interakcję, wymianę wiedzy i doświadczenia oraz dyskusję. Pod kątem matematyki przeanalizowano model HDISI oparty na niejednorodnych równaniach różniczkowych (NDE) i przeprowadzono jego transcendentalne badanie. Transcendentalne badanie nieliniowych modeli HDISI w SM wykazało, że charakterystyka UDPC znacząco wpływa na wskaźnik bezpieczeństwa informacji (ISI) – nawet do stu procent. Zbadano diagramy fazowe (PDs) ISI, które wskazują na najwyższy ISI nawet przy maksymalnych parametrach złośliwych działań. Po raz pierwszy przeprowadzono analizę zaprojektowanych struktur HDISI i uzyskano kryteria liczbowe między możliwościami UDPC a miarami ISI, a także najwyższym ISI, co pokazuje naukową treść tego artykułu
OPTYMALIZACJA DRZEWA DECYZYJNEGO OPARTA NA ALGORYTMIE GENETYCZNYM DO WYKRYWANIA DEMENCJI POPRZEZ ANALIZĘ MRI
Get PDFDementia is a devastating neurological disorder that affects millions of people globally, causing progressive decline in cognitive function and daily living activities. Early and precise detection of dementia is critical for optimal dementia therapy and management however, the diagnosis of dementia is often challenging due to the complexity of the disease and the wide range of symptoms that patients may exhibit. Machine learning approaches are becoming progressively more prevalent in the realm of image processing, particularly for disease prediction. These algorithms can learn to recognize distinctive characteristics and patterns that are suggestive of specific diseases by analyzing images from multiple medical imaging modalities. This paper aims to develop and optimize a decision tree algorithm for dementia detection using the OASIS dataset, which comprises a large collection of MRI images and associated clinical data. This approach involves using a genetic algorithm to optimize the decision tree model for maximum accuracy and effectiveness. The ultimate goal of the paper is to develop an effective, non-invasive diagnostic tool for early and accurate detection of dementia. The GA-based decision tree, as proposed, exhibits strong performance compared to alternative models, boasting an impressive accuracy rate of 96.67% according to experimental results.Demencja jest wyniszczającym zaburzeniem neurologicznym, które dotyka miliony ludzi na całym świecie, powodując postępujący spadek funkcji poznawczych i codziennych czynności życiowych. Wczesne i precyzyjne wykrywanie demencji ma kluczowe znaczenie dla optymalnej terapii i zarządzania demencją, jednak diagnoza demencji jest często trudna ze względu na złożoność choroby i szeroki zakres objawów, które mogą wykazywać pacjenci. Podejścia oparte na uczeniu maszynowym stają się coraz bardziej powszechne w dziedzinie przetwarzania obrazu, szczególnie w zakresie przewidywania chorób. Algorytmy te mogą nauczyć się rozpoznawać charakterystyczne cechy i wzorce, które sugerują określone choroby, analizując obrazy z wielu modalności obrazowania medycznego. Niniejszy artykuł ma na celu opracowanie i optymalizację algorytmu drzewa decyzyjnego do wykrywania demencji przy użyciu zbioru danych OASIS, który obejmuje duży zbiór obrazów MRI i powiązanych danych klinicznych. Podejście to obejmuje wykorzystanie algorytmu genetycznego do optymalizacji modelu drzewa decyzyjnego w celu uzyskania maksymalnej dokładności i skuteczności. Ostatecznym celem artykułu jest opracowanie skutecznego, nieinwazyjnego narzędzia diagnostycznego do wczesnego i dokładnego wykrywania demencji. Zaproponowane drzewo decyzyjne oparte na GA wykazuje wysoką wydajność w porównaniu z alternatywnymi modelami, szczycąc się imponującym współczynnikiem dokładności wynoszącym 96,67% zgodnie z wynikami eksperymentalnymi
KOMPLEKSOWE BADANIE: WYKRYWANIE TĘTNIAKA WEWNĄTRZCZASZKOWEGO ZA POMOCĄ HYBRYDOWEGO GŁĘBOKIEGO UCZENIA SIĘ VGG16-DENSENET NA OBRAZACH DSA
Get PDFAn intracranial aneurysm is a swelling in a weak area of a brain artery. The main cause of aneurysm is high blood pressure, smoking, and head injury. A ruptured aneurysm is a serious medical emergency that can lead to coma and then death. A digital subtraction angiogram (DSA) is used to detect a brain aneurysm. A neurosurgeon carefully examines the scan to find the exact location of the aneurysm. A hybrid model has been proposed to detect these aneurysms accurately and quickly. Visual Geometry Group 16 (VGG16) and DenseNet are two deep-learning architectures used for image classification. Ensembling both models opens the possibility of using diversity in a robust and stable feature extraction. The model results assist in identifying the location of aneurysms, which are much less prone to false positives or false negatives. This integration of a deep learning-based architecture into medical practice holds great promise for the timely and accurate detection of aneurysms. The study encompasses 1654 DSA images from distinct patients, partitioned into 70% for training (1157 images) and 30% for testing (496 images). The ensembled model manifests an impressive accuracy of 95.38%, outperforming the respective accuracies of VGG16 (94.38%) and DenseNet (93.57%). Additionally, the ensembled model achieves a recall value of 0.8657, indicating its ability to correctly identify approximately 86.57% of true aneurysm cases out of all actual positive cases present in the dataset. Furthermore, when considering DenseNet individually, it attains a recall value of 0.8209, while VGG16 attains a recall value of 0.8642. These values demonstrate the sensitivity of each model to detecting aneurysms, with the ensemble model showcasing superior performance compared to its individual components.Tętniak wewnątrzczaszkowy to obrzęk w słabym obszarze tętnicy mózgowej. Główną przyczyną tętniaka jest wysokie ciśnienie krwi, palenie tytoniu i uraz głowy. Pęknięcie tętniaka jest poważnym stanem nagłym, który może prowadzić do śpiączki, a następnie śmierci. W celu wykrycia tętniaka mózgu stosuje się cyfrową angiografię subtrakcyjną (DSA). Neurochirurg dokładnie bada skan, aby znaleźć dokładną lokalizację tętniaka. Zaproponowano model hybrydowy do dokładnego i szybkiego wykrywania tych tętniaków. Visual Geometry Group 16 (VGG16) i DenseNet to dwie architektury głębokiego uczenia wykorzystywane do klasyfikacji obrazów. Połączenie obu modeli otwiera możliwość wykorzystania różnorodności w solidnej i stabilnej ekstrakcji cech. Wyniki modelu pomagają w identyfikacji lokalizacji tętniaków, które są znacznie mniej podatne na fałszywie dodatnie lub fałszywie ujemne. Ta integracja architektury opartej na głębokim uczeniu się z praktyką medyczną jest bardzo obiecująca dla szybkiego i dokładnego wykrywania tętniaków. Badanie obejmuje 1654 obrazów DSA od różnych pacjentów, podzielonych na 70% do treningu (1157 obrazów) i 30% do testowania (496 obrazów). Złożony model wykazuje imponującą dokładność 95,38%, przewyższając odpowiednie dokładności VGG16 (94,38%) i DenseNet (93,57%). Dodatkowo, złożony model osiąga wartość pełności 0,8657, co wskazuje na jego zdolność do prawidłowej identyfikacji około 86,57% prawdziwych przypadków tętniaka spośród wszystkich rzeczywistych pozytywnych przypadków obecnych w zbiorze danych. Ponadto, biorąc pod uwagę DenseNet indywidualnie, osiąga on wartość pełności 0,8209, podczas gdy VGG16 osiąga wartość pełności 0,8642. Wartości te pokazują czułość każdego modelu w wykrywaniu tętniaków, przy czym model zespołowy wykazuje lepszą wydajność w porównaniu z jego poszczególnymi komponentami
Analysis of data processing efficiency with use of Apache Hive and Apache Pig in Hadoop environment
Get PDFThe aim of this paper is the analysis of data processing efficiency with use of Apache Hive and Apache Pig in Hadoop environment. The analysis was based on comparison between both mentioned tools with use of large data set, represented by 28 million records. Research was provided with use of scripts and queries destined for Apache Hive and Apache Pig, and then executed 10 times on environment brought by created virtual machine. Those methods were performed on the same data sets for 16 times according to previously prepared research scenarios. As the conclusion, authors had observed that Apache Hive is more efficient tool, than Apache Pig
OPTIMIZING PEDESTRIAN TRACKING FOR ROBUST PERCEPTION WITH YOLOv8 AND DEEPSORT
Get PDFMulti-object tracking is a crucial aspect of perception in the area of computer vision, widely used in autonomous driving, behavior recognition, and other areas. The complex and dynamic nature of environments, the ever-changing visual features of people, and the frequent appearance of occlusion interactions all impose limitations on the efficacy of existing pedestrian tracking algorithms. This results in suboptimal tracking precision and stability. As a solution, this article proposes an integrated detector-tracker framework for pedestrian tracking. The framework includes a pedestrian object detector that utilizes the YOLOv8 network, which is regarded as the latest state-of-the-art detector, that has been established. This detector provides an ideal detection base to address limitations. Through the combination of YOLOv8 and the DeepSort tracking algorithm, we have improved the ability to track pedestrians in dynamic scenarios. After conducting experiments on publicly available datasets such as MOT17 and MOT20, a clear improvement in accuracy and consistency was demonstrated, with MOTA scores of 63.82 and 58.95, and HOTA scores of 43.15 and 41.36, respectively. Our research highlights the significance of optimizing object detection to unleash the potential of tracking for critical applications like autonomous driving
KNOWLEDGE MANAGEMENT APPROACH IN COMPARATIVE STUDY OF AIR POLLUTION PREDICTION MODEL
Get PDFThis study utilizes knowledge management (KM) to highlight a documentation-centric approach that is enhanced through artificial intelligence. Knowledge management can improve the decision-making process for predicting models that involved datasets, such as air pollution. Currently, air pollution has become a serious global issue, impacting almost every major city worldwide. As the capital and a central hub for various activities, Jakarta experiences heightened levels of activity, resulting in increased vehicular traffic and elevated air pollution levels. The comparative study aims to measure the accuracy levels of the naïve bayes, decision trees, and random forest prediction models. Additionally, the study uses evaluation measurements to assess how well the machine learning performs, utilizing a confusion matrix. The dataset’s duration is three years, from 2019 until 2021, obtained through Jakarta Open Data. The study found that the random forest achieved the best results with an accuracy rate of 94%, followed by the decision tree at 93%, and the naïve bayes had the lowest at 81%. Hence, the random forest emerges as a reliable predictive model for prediction of air pollution
IMPROVING E-LEARNING BY FACIAL EXPRESSION ANALYSIS
Get PDFModern technology has become a vital part of our daily lives, and the world has undergone remarkable advancements in various scientific and technological fields. The advancement of technology presents a variety of opportunities for students to promote academic development and make it easier to access education through online learning systems. The most difficult and most demanding task during learning is to be aware of and support the emotional side of students. Recognizing one's emotions is easy for humans, but it is a challenging task for computers due to the specific features of the human face. However, recent advances in computing and image processing have made it possible and easy to detect and categorize emotions in images and videos. This paper focuses on detecting learners' emotions in real time during synchronous learning. In this regard, a video/chat application has been developed for the tutor to detect the emotions of the learners while presenting his lesson. The emotions detected are separated into three states (Satisfied, Neutral and Unsatisfied); each state is made up of two or three distinct emotions. The objective is to assist teachers in adapting teaching methods in virtual learning settings according to the emotions of learners
Symbioza kreatywności i zrównoważonego rozwoju: modelowanie dynamicznych relacji pomiędzy zrównoważonym rozwojem a kulturą i przemysłem kreatywnym w krajach UE, Wielkiej Brytanii i Ukrainie
Get PDFThe study explores the complex dynamics of cultural and creative industries and their potential to contribute to the achievement of the Sustainable Development Goals (SDGs). The dual nature of these industries is reviewed, recognizing their potential to have a positive impact on sustainable development while addressing the risks they pose, including environmental threats and the potential for increased social inequality. The main goal of the study was to identify the determinants of asymmetric shocks that influenced the development of cultural and creative industries. To achieve the goal, we used an integrated modeling approach based on panel models with fixed and random effects, as well as a two-stage dynamic panel model. The results of the study made it possible to identify asymmetric shocks that influenced the development of cultural and creative industries, such as the consequences of the pandemic and the war in Ukraine, which led to the energy and migration crises, slower economic growth and increased inflation. The results obtained indicate that the influence of the selected factors on sustainable development is complex and depends on time dynamics.Badanie analizuje złożoną dynamikę sektora kultury i sektora kreatywnego oraz ich zdolność przyczyniania się do osiągnięcia Celów zrównoważonego rozwoju (SDGs). Opisano dwoisty charakter tych branż, ukazując ich potencjał w zakresie pozytywnego wpływu na zrównoważony rozwój, przy jednoczesnym eliminowaniu zagrożeń, jakie stwarzają, w tym zagrożeń dla środowiska i zwiększania nierówności społecznych. Głównym celem badania była identyfikacja determinantów szoków asymetrycznych, które wpłynęły na rozwój sektora kultury i sektorów kreatywnych. Aby osiągnąć ten cel, zastosowaliśmy zintegrowane podejście do modelowania oparte na modelach panelowych z efektami stałymi i losowymi, a także dwuetapowy dynamiczny model panelowy. Wyniki badania pozwoliły zidentyfikować szoki asymetryczne, które miały wpływ na rozwój sektora kultury i sektorów kreatywnych, takie jak konsekwencje pandemii i wojny na Ukrainie, które doprowadziły do kryzysu energetycznego i migracyjnego, spowolnienia wzrostu gospodarczego i wzrostu inflacji. Uzyskane wyniki wskazują, że wpływ wybranych czynników na zrównoważony rozwój jest złożony i zależny od czasu