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:

  309

  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.

• Manufacturing Process Optimization and Tool Condition Monitoring in Mechanical Engineering

  72-89

  Deák Krisztián

  Menyhárt József

  Megtekintések száma:

  87

  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.

• A karbantartási stratégia hatása a megújuló energia rendszerek életciklus költségére

  106-116

  Kocsis Imre

  T. Kiss Judit

  Deák Krisztián

  Megtekintések száma:

  113

  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.

• Az optikai karakterfelismerő mesterséges intelligencia hatása a munkaerő-piacra

  9-16

  Krutilla Zsolt

  Riczu Zsófia

  Megtekintések száma:

  331

  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.