Keresés

Keresési eredmények

• LSI with Support Vector Machine for Text Categorization – a practical example with Python

  18-29

  Gomes Da Costa Cavalcanti Joao Henrique

  Menyhárt József

  Megtekintések száma:

  558

  Artificial intelligence is becoming a powerful tool of modernity science, there is even a science consensus about how our society is turning to a data-driven society. Machine learning is a branch of Artificial intelligence that has the ability to learn from data and understand its behavers. Python programming language aiming the challenges of this new era is becoming one of the most popular languages for general programming and scientific computing. Keeping all this new era circumstances in mind, this article has as a goal to show one example of how to use one supervised machine learning method, Support Vector Machine, and to predict movie’s genre according to its description using the programming language of the moment, python. Firstly, Omdb official API was used to gather data about movies, then tuned Support Vector Machine model for Latent semantic indexing capable of predicting movies genres according to its plot was coded. The performance of the model occurred to be satisfactory considering the small dataset used and the occurrence of movies with hybrid genres. Testing the model with larger dataset and using multi-label classification models were purposed to improve the model.

• Innovative Strategies and Student Academic Performance: Machine Learning Insights on International Students in Chinese Universities

  37-60

  Hassan Waseem

  Hassan Mehreen

  Sheraz Maryam

  Zhu Yali

  Samreen

  Ali Mustafa

  Megtekintések száma:

  211

  The higher education sector in China has faced unprecedented challenges recently due to the global COVID-19 pandemic. The influx of international students, a vital component of the nation's academic landscape, presented distinct challenges, including maintaining academic achievements through various online platforms, which necessitated innovative strategies to ensure that their educational pursuits remained rewarding despite these challenges. This study aims to explore the innovative strategies adopted by Chinese higher education institutions in response to the COVID-19 pandemic and examine their impact on the academic achievements of international students. This study employs a comprehensive approach that incorporates questionnaire surveys and dominant Machine Learning Algorithms, such as Multiple Linear Regression (MLR), Decision Tree Model (DTM), Support Vector Regression Model (SVRM), and K-nearest neighbors (KNN). By employing rigorous data-gathering approaches, our study aimed to address a set of particular questions: How did these innovative strategies improve students' academic performance in the face of environmental emergencies? To what extent did international students benefit from these adaptations? Through investigation of these concerns, our research provides insight into the effectiveness of these strategies and their possible significance for future educational methodologies. Innovative strategies positively correlated with student academic performance during the COVID-19 pandemic in Chinese higher Education. This research highlights how overcoming these challenges can have broader implications for shaping resilient global education systems in future crises. The study accurately predicted academic performance, highlighting the importance of innovative teaching approaches in the context of the COVID-19 pandemic. This study might influence educational policies and practices. Educational institutions can make informed decisions about emergency preparedness and development by assessing results using a creative approach. Our findings bring depth to the global conversation on higher Education under challenging circumstances, showing how Innovation might alleviate the adverse impacts on international students' learning experiences.

• Manufacturing Process Optimization and Tool Condition Monitoring in Mechanical Engineering

  72-89

  Deák Krisztián

  Menyhárt József

  Megtekintések száma:

  391

  The optimization of manufacturing and production processes with various computer software is essential these days. Solutions on the market allow us to optimize and improve our manufacturing and production processes; one of the most popular software is called Tecnomatrix, which is described in this paper. Tool condition monitoring is a vital part of the manufacturing process in the industry. It requires continuous measurement of the wear of the cutting tool edges to improve the surface quality of the work piece and maintain productivity. Multiple methods are available for the determination of the actual condition of the cutting tool. Vibration diagnostics and acoustic methods are included in this paper. These methods are simple, it requires only high sensitive sensors, microphones, and data acquisition unit to gather the vibration signal and make signal improvement. Extended Taylor equation is applied for tool edge wear ratio. Labview and Matlab software are applied for the measurement and the digital signal processing. Machine learning method with artificial neural network is for the detection and prediction of the edge wear to estimate the remaining useful lifetime (RUL) of the tool.

• Labour Economics - A technológiai fejlődés oldaláról

  98-108

  Boros József

  Megtekintések száma:

  197

  A technológiai fejlődés hatása a munkaerőpiacra és az innovációs folyamatokra kiemelkedő fontosságú kutatási terület. Jelen tanulmány célja a technológiai újítások megjelenésének és gyakoriságának vizsgálata a tudományos publikációkban, különös tekintettel a Journal of Labour Economics folyóiratra 2000 és 2020 között. A kutatás során tartalomelemzési módszer került alkalmazásra, melynek keretében 1405 cikkben 8 különböző technológiai fejlődésre utaló szó és kifejezés (például: technológia, mesterséges intelligencia, gépi tanulás) keresése történt meg. A keresések során a találatok száma és éves megjelenési trendjei is elemzésre kerültek. A vizsgálat során 9469 találatot sikerült azonosítani, melyek azt mutatják, hogy az esetek 64,7%-ában legalább egyszer előfordult valamely technológiai kifejezés. Az éves trendek elemzése alapján csak bizonyos kulcsszavak (technológia, mesterséges intelligencia és gépi tanulás) esetében figyelhető meg növekedés. A cikkek kisebb részében, mindössze 1%-ában található legalább 50 alkalommal említés technológiai vonatkozású kifejezésekre. Az eredmények azt mutatják, hogy bár a technológiai fejlődés témája jelentős szerepet kap a munkaerőpiaci kutatásokban, a megjelenési gyakoriság és a mélységi elemzések jelentős változatossággal rendelkezik. A technológiai fejlődésre utaló kifejezések megjelenésének növekedése főként a mesterséges intelligencia és gépi tanulás területén figyelhető meg. Az eredmények egyetlen folyóiratra vonatkoznak, így további kutatások szükségesek más munkaerőpiaci folyóiratok bevonásával a reprezentativitás érdekében.

• Az optikai karakterfelismerő mesterséges intelligencia hatása a munkaerő-piacra

  9-16

  Krutilla Zsolt

  Riczu Zsófia

  Megtekintések száma:

  491

  Az informatika rohamos fejlődésének köszönhetően ma már nincs szükség sok millió forintos bonyolult szuperszámítógépek kiépítésére, ha nagy mennyiségű adatokat szeretnénk tárolni, feldolgozni, vagy azt modellezni. A mai mikroprocesszorok és CPU-k olyan gyártástechnológiával készülnek és olyan számítási teljesítményre képesek, melyek 10 évvel ezelőtt még elképzelhetetlenek voltak. Egyre nagyobb mennyiségű adatokat vagyunk képesek tárolni, feldolgozni és megjeleníteni is. Az adatok ilyen szintű feldolgozási kapacitása mellett egyre inkább teret hódítanak a gépi tanulást alkalmazó programok és felhasználási területek is. A gépi tanulás során mesterséges neuron hálók felhasználásával biológiai ihletésű szimuláció történik, mely képes megoldani bármilyen problémát melyek számítógép segítségével megoldhatók. Az informatika fejlődése a technológia gyors és radikális változásait idézi elő, amely nem csupán a felhasználók digitális adaptációját igényli, hanem bizonyos foglalkoztatáspolitikai és munkaerő-piaci megoldások idomulását is. A mesterséges intelligencia alapjaiban kérdőjelezheti meg az egyes munkajogi relációkat: az élő munkaerő redukálása mellett új munkavállalói kompetenciákat kényszerít ki. Erre utal az 1998-ban megjelent Supiot-jelentés is, melynek alapfeltevése volt, hogy válságban van a munkajog alapját képező társadalmi, gazdasági szabályozási modell.

• Kiberbiztonsági kihívások a mezőgazdaság digitalizációjában: Szisztematikus áttekintés Python-alapú elemzéssel

  33-47

  Porkoláb-Angyalos Zsanett

  Megtekintések száma:

  284

  A mezőgazdaság és a kiberbiztonság metszéspontja az IoT (Internet of Things) és a precíziós gazdálkodás gyors térnyerése révén az utóbbi években a kutatás egyik kiemelt területévé vált. Ezek a technológiai innovációk forradalmasították a mezőgazdasági folyamatokat, javítva a hatékonyságot és a fenntarthatóságot, ugyanakkor jelentős biztonsági kockázatokat is hoztak magukkal. Ez a tanulmány szisztematikus irodalomkutatást (Systemeatic Literature Review - SLR) végez a mezőgazdaság kiberbiztonságának kulcskérdéseiről, különös tekintettel az IoT sebezhetőségeire és a fenyegetésekre. A kutatás során Python-alapú szövegelemzési technikák segítségével automatizáltam az absztraktok és teljes szövegek elemzését, lehetővé téve a releváns tanulmányok gyors szűrését és tematikus csoportosítását. Az elemzett 1039 publikáció közül szigorú szűrési kritériumok alapján 40 releváns tanulmányt azonosítottam. A tematikus elemzés eredménye szerint a publikációk 44,9%-a az IoT eszközök sebezhetőségeire, 32,7%-a a mezőgazdasági kiberbiztonsági kihívásokra, míg 22,4%-a az Agriculture 4.0 és precíziós gazdálkodás biztonsági kérdéseire összpontosított. A módszertani megoszlás vizsgálata során kiderült, hogy a kutatásokban a gépi tanulás, a szimulációs modellek és az esettanulmányok dominálnak, míg a felmérések és a kísérleti kutatások kisebb arányban fordulnak elő. Az eredmények rávilágítanak arra, hogy a mezőgazdasági szektorban alapvető fontosságú a kiberbiztonsági stratégiák és technológiák fejlesztése, különösen az IoT eszközök által hordozott kockázatok csökkentése érdekében.

• A karbantartási stratégia hatása a megújuló energia rendszerek életciklus költségére

  106-116

  Kocsis Imre

  T. Kiss Judit

  Deák Krisztián

  Megtekintések száma:

  215

  Az életciklus költségnek fontos szerepe van a beruházási döntésekben a megújuló energia hasznosítására alapozott rendszerek esetén. Mivel a gépészeti rendszerek karbantartási költsége általában jelentős részét  teszi ki az életciklus költségnek, a karbantartási stratégia nagy hatással van a megtérülésre. Az ipari termelésben alkalmazott karbantartási technikákat (diagnosztika, állapotfelügyelet, adatfeldolgozás, integrált informatikai rendszerek, gépi tanulás, automatizált döntéshozatal) célszerű bevonni a megújuló energia rendszerek tervezésébe, alkalmazásuk esetén elérhetők azok az előnyök, melyek a termelő szférában mindennaposak. Ebben a cikkben azt vizsgáljuk, hogy a karbantartási stratégiának milyen hatása van az életciklus költségre, és bemutatjuk a korszerű állapotfelügyeleti rendszerek alkalmazásából adódó előnyöket.

• Advancing Maintenance 4.0 through an Asset Management Framework: a South African Petrochemical Industry Case Study

  1-20

  Peach Rina

  Matsha Refilwe

  Megtekintések száma:

  46

  The rapid advancement of digital technologies has raised uncertainty about the adequacy of traditional maintenance models to meet Industry 4.0 requirements. This study develops and validates an asset management framework to support the South African petrochemical industry’s transition to Maintenance 4.0. The framework was validated through a quantitative survey conducted within a leading petrochemical company in South Africa, ensuring its practical applicability. Descriptive statistical analysis confirmed 15 of 17 framework characteristics and supported five of seven theoretical propositions. Key enablers of Maintenance 4.0 adoption include the integration of human intelligence, machine learning, and real-time data, as well as the role of organizational culture and asset resilience in shaping outcomes. The study offers both theoretical contributions and practical guidance for maintenance professionals seeking to align maintenance practices with Industry 4.0 principles, with relevance extending beyond the immediate case context.